PID演示程序
我已经把程序的初始参数调到一个比较舒服的状态😉。但你可以试著挑战下更高的车辆速度或更窄的场地高度。
修改输入参数，按下“提交参数”按钮，下方的画面会按新参数输出仿真结果。
PID简介
本页面以控制小车沿著规定蓝色轨道外沿行走为例，演示了PID控制算法的运用。上方的画面展示了仿真环境中小车的运行过程。读者可以修改输入参数，按下“提交参数”按钮，重新输出仿真结果。
仿真程序在小车的前方设置了一个虚拟的灰度传感器。画面的左上角显示了它接收到的灰度信号大小。假设在初始状态下小车位于轨道上。如果小车右转，那么灰度传感器将覆盖蓝色轨道，使得灰度增大。反之，传感器覆盖白色地面，灰度减小。因此，只要能平滑地控制小车的转向，使灰度值始终保持在适中的数值附近，就能使小车始终沿著轨道边缘运动。
总而言之，在这个仿真的例子中，我们直接控制的量是小车的前进角度，而观测的量是灰度传感器的数值。
仿真采用了经典的PID控制方法。伪代码为
/*
全局变量：
- ierror：误差的累积，初始化为0；
- error_pre：初始误差，初始化为0；
输入
- value：观测到的灰度值；
- target：目标灰度值；
- PID参数（P、I、D）；
*/
var verror = value - target; // 误差，越暗值越大
ierror += verror;
var derror = verror - error_pre; // 数值的变化率
va = verror * P + ierror * I + derror * D;
error_pre = verror;其中P参数可以说是最为重要的，它决定了误差大小和控制量之间的比例。
参数I则用于消除累计误差。设想这样一种情况：车辆的方向盘歪了一点。因此当你想摆正方向的时候，车辆实际上却在悄悄地左转。这样微小的转向也许一开始看不出来，但是随著时间的累积，方向的偏差会越来越大。参数I将误差的累积反馈到控制量，从而抑制误差的累积；
参数D则可以用来加快控制系统的反应速度。D将误差的变化率作用于控制量，使得车辆可以在感知到偏差增大的时候，提前采取措施。
后记
本文最初写于2017年五月30日，那时我还是学生。我在一堂实验课上调著PID参数，效果离预期还有一定差距就下课了。课后没有办法拿实物再做实验，于是就简单写个程序模拟下。当时比较菜（当然现在也是），所以写完程序的时候很开心。稍微冷静下来看一看，这个仿真在很多方面并不完善。 首先车辆在运动、转弯的时候都有惯性。我的仿真没有考虑这点。如果能加一个运动模型到程序里会更好； 其次，在真实的车辆/机器人上，受控制的是轮胎的转速差、车辆的转向机构，从而间接控制车辆的运动方向。受能力所限，这个仿真也没法准确模拟这些细节。
今天将这篇文章重新整理一下，但也不去过分修饰了。回头看这份粗糙的作品，还是能感觉到当时的趣味，足矣。
