買pid什麼網路類型好

㈠ 開關電源的補償網路和PID控制器是一回事嗎有什麼區別

這個要看你怎麼補償，單純的RC補償就影響波紋等，如果是反饋補償，這個就類似PID，這是一個閉環的控制系統，但是不是加入PID演算法，那就看你設計的電路和程序了。單一PWM晶元的反饋沒這么復雜，可能有些帶有這功能。

㈡ 電機的閉環控制一般選用什麼PID

首先要搞清楚，雙閉環調速只是一種新型的調速方法，一般會採用模糊控制演算法，利用PID演算法。
你所說的這個直流電機，應該就是帶電刷的普通直流電機，它的調速是指在工業生產中，因為不同的生產需求，需要改變電機的轉速。就相當於我們開車，需要開的快，或者慢，可以利用油門來調節。這個直流電機的調速是指改變轉速。而雙閉環調速一般用在無刷直流電機的控制方法。假如我們設定電機的轉速為1000轉，但是由於無刷電機的驅動和霍爾元件的誤差，會導致電機的轉速不能准確地在1000轉上運轉，所以我們就需要檢測它的速度，並採取措施調節它。這就是現在的雙閉環控制。所謂雙閉環就是兩環，其中一環是檢測到電機轉速後，與設定的速度比較，如果快了，就減小電壓等方式降速；慢了就加壓。但是這種傳統的調節方法會產生較大的超調量，而且調節時間也很長，很難迅速使電機速度穩定在規定的轉速，於是就出現了第二環，這一環利用先進的PID算發和模糊演算法，使調速不再是傳統的加壓減壓，而是科學地、函數式的。一般雙閉環調速會基於DSP，或者dspic系列晶元。

㈢ 什麼是PID—一種通俗易懂的講解

作者： 風中的歌
最近從網上看到了一種對PID的解釋，比較通俗易懂，也好記住，經過自己的整理後說明如下。
控制模型：你控制一個人讓他以PID控制的方式走110步後停下。
（1）P比例控制，就是讓他走110步，他按照一定的步伐走到一百零幾步（如108步）或100多步（如112步）就停了。
說明：P比例控制是一種最簡單的控制方式。其控制器的輸出與輸入誤差信號成比例關系。當僅有比例控制時系統輸出存在穩態誤差（Steady-state error）。
（2）PI積分控制，就是他按照一定的步伐走到112步然後回頭接著走，走到108步位置時，然後又回頭向110步位置走。在110步位置處來回晃幾次，最後停在110步的位置。
說明：在積分I控制中，控制器的輸出與輸入誤差信號的積分成正比關系。對一個自動控制系統，如果在進入穩態後存在穩態誤差，則稱這個控制系統是有穩態誤差的或簡稱有差系統（System with Steady-state Error）。為了消除穩態誤差，在控制器中必須引入積分項。積分項對誤差取決於時間的積分，隨著時間的增加，積分項會增大。這樣，即便誤差很小，積分項也會隨著時間的增加而加大，它推動控制器的輸出增大使穩態誤差進一步減小，直到等於零。因此，比例+積分（PI）控制器，可以使系統在進入穩態後無穩態誤差。
（3）PD微分控制，就是他按照一定的步伐走到一百零幾步後，再慢慢地向110步的位置靠近，如果最後能精確停在110步的位置，就是無靜差控制；如果停在110步附近（如109步或111步位置），就是有靜差控制。
說明：在微分控制D中，控制器的輸出與輸入誤差信號的微分（即誤差的變化率）成正比關系。自動控制系統在克服誤差的調節過程中可能會出現振盪甚至失穩，其原因是由於存在有較大慣性組件（環節）或有滯後（

㈣ 簡述神經網路PID控制與經典PID控制的區別

摘要 模糊控制在零點有盲點可以用PID控制彌補，PID控制需要精確的建模然後參數一般用湊試發，模糊控制比較自由不需要進行精確建模，兩者結合比較好，神經網路一般缺少大量的數據不好實現。

㈤ 什麼是PID控制其主要用途是什麼PID各項的主要作用是什麼

PID是比例，積分，微分的縮寫.

1 比例調節作用：

是按比例反應系統的偏差，系統一旦出現了偏差，比例調節立即產生調節作用用以減少偏差。比例作用大，可以加快調節，減少誤差，但是過大的比例，使系統的穩定性下降，甚至造成系統的不穩定。

2 積分調節作用：

是使系統消除穩態誤差，提高無差度。因為有誤差，積分調節就進行，直至無差，積分調節停止，積分調節輸出一常值。積分作用的強弱取決與積分時間常數Ti，Ti越小，積分作用就越強。

反之Ti大則積分作用弱，加入積分調節可使系統穩定性下降，動態響應變慢。積分作用常與另兩種調節規律結合，組成PI調節器或PID調節器。

3 微分調節作用：

微分作用反映系統偏差信號的變化率，具有預見性，能預見偏差變化的趨勢，因此能產生超前的控製作用，在偏差還沒有形成之前，已被微分調節作用消除。因此，可以改善系統的動態性能。在微分時間選擇合適情況下，可以減少超調，減少調節時間。

微分作用對雜訊干擾有放大作用，因此過強的加微分調節，對系統抗干擾不利。此外，微分反應的是變化率，而當輸入沒有變化時，微分作用輸出為零。微分作用不能單獨使用，需要與另外兩種調節規律相結合，組成PD或PID控制器。

(5)買pid什麼網路類型好擴展閱讀：

PID控制器的參數整定是控制系統設計的核心內容。它是根據被控過程的特性確定PID控制器的比例系數、積分時間和微分時間的大小。PID控制器參數整定的方法很多，概括起來有兩大類：

一是理論計算整定法。

它主要是依據系統的數學模型，經過理論計算確定控制器參數。這種方法所得到的計算數據未必可以直接用，還必須通過工程實際進行調整和修改。

二是工程整定方法。

它主要依賴工程經驗，直接在控制系統的試驗中進行，且方法簡單、易於掌握，在工程實際中被廣泛採用。PID控制器參數的工程整定方法，主要有臨界比例法、反應曲線法和衰減法。

三種方法各有其特點。

其共同點都是通過試驗，然後按照工程經驗公式對控制器參數進行整定。

但無論採用哪一種方法所得到的控制器參數，都需要在實際運行中進行最後調整與完善。現在一般採用的是臨界比例法。利用該方法進行。

自動控制系統在克服誤差的調節過程中可能會出現振盪甚至失穩。其原因是由於存在有較大慣性組件（環節）或有滯後（delay）組件，具有抑制誤差的作用，其變化總是落後於誤差的變化。解決的辦法是使抑制誤差的作用的變化「超前」，即在誤差接近零時，抑制誤差的作用就應該是零。

這就是說，在控制器中僅引入 「比例」項往往是不夠的，比例項的作用僅是放大誤差的幅值，而目前需要增加的是「微分項」，它能預測誤差變化的趨勢。

這樣，具有比例+微分的控制器，就能夠提前使抑制誤差的控製作用等於零，甚至為負值，從而避免了被控量的嚴重超調。所以對有較大慣性或滯後的被控對象，比例+微分（PD）控制器能改善系統在調節過程中的動態特性。

不同的控制系統，其感測器、變送器、執行機構是不一樣的。比如壓力控制系統要採用壓力感測器。電加熱控制系統的感測器是溫度感測器。

PID控制及其控制器或智能PID控制器（儀表）已經很多，產品已在工程實際中得到了廣泛的應用，有各種各樣的PID控制器產品，各大公司均開發了具有PID參數自整定功能的智能調節器（intelligent regulator），其中PID控制器參數的自動調整是通過智能化調整或自校正、自適應演算法來實現。

有利用PID控制實現的壓力、溫度、流量、液位控制器，能實現PID控制功能的可編程式控制制器（PLC），還有可實現PID控制的PC系統等等。

可編程式控制制器（PLC）是利用其閉環控制模塊來實現PID控制，而可編程式控制制器（PLC）可以直接與ControlNet相連，如Rockwell的 PLC-5等。還有可以實現PID控制功能的控制器，如Rockwell 的Logix產品系列，它可以直接與ControlNet相連，利用網路來實現其遠程式控制制功能。

㈥ 什麼是淘寶PID

在淘寶平台上，淘寶客PID的意思是一個買家買的東西你是否能得到傭金，就是取決於購買時候訪問寶貝的連接上面有沒有你的PID參數。例如mm_123456789_12345678_12345678。

三段數字的含義分別是，memberid(聯盟成員ID)，siteid(推廣媒體ID)，adzoneid(推廣位id)，也就是同一個聯盟賬號第一段都是一樣的，同一個賬號同一個推廣媒體，前兩段是一樣的。

點擊自己的推廣鏈接s.click.taobao.com連接，經過跳轉，最後抵達的頁面上面帶有的ali_trackid參數後面就有自己的對應的推廣位PID信息。

什麼是淘寶客PID

查看自己某一個推廣位的PID是多少可以在聯盟後台進入「推廣管理」-「推廣位管理」，然後選擇你要查看推廣位的媒體類型即可在列表中看到相關推廣位的PID信息。

㈦ 有沒有應用到飛控上的成熟一點的神經網路PID控制演算法

您好，非常感謝您發出這個帖子。我現在也在考慮做或者學習相關四軸飛行器的神經網路控制演算法。之前我的飛機是用雙閉環PID控制演算法實現控制飛行的。最近在學習神經網路，我准備用神經網路控制演算法來對四軸飛行器姿態誤差進行修正，看看能不能實現穩定飛行，或者看是否穩定飛行效果會好點。現在我正處在學習神經網路過程中，之前的基礎就是對四軸飛行器的PID控制演算法了解的多一點，自己實現了PID演算法的編程，飛機可以穩定飛行，我想以後將神經網路控制應用於四軸飛行器中。您出了這個帖子，盡管現在沒有人回答，但是我希望您能夠更新一下，畢竟經過了這么長時間了，談談您的收獲吧。讓我們學習學習，也可以一起討論討論。謝謝！

㈧ 神經網路自整定PID真的有效嗎我看圖書館的參考書上和知網論文上的方法，感覺推導過程都不對啊

樓主的這個問題已經是六年前的問題了（今天2021年5月），不知道樓主現在還關注這個話題不？神經網路自整定PID肯定是有效的。目前，神經網路自整定PID主要面臨三個問題：一是初值選擇的問題，不合理的初值很容易使閉環系統不穩定；二是神經網路自整定PID自身需要人為設定的參數較多，PID控制自身只需要三個人為設定參數，神經網路自整定PID則需要四個（三個初值和一個學習因子），這使得神經網路自整定PID比傳統PID演算法還要麻煩；三是缺乏完整的理論穩定性證明，神經網路自整定PID在線更新規則早已穩定，並且被廣泛引用和應用，而基於神經網路自整定PID的閉環系統穩定性證明一直沒有得到很好的解決，某種程度上，這限制了神經網路自整定PID的推廣。
我個人也做了一些這樣的研究，感興趣的話可以參考我的一篇期刊論文。
Data-Driven Tracking Control Based on LM and PID Neural Network with Relay Feedback for Discrete Nonlinear Systems