PID增益
预设
性能指标
闭环实时控制（PV 跟踪 SP）
PV（液位）
SP（目标）
e（偏差）
u（进水＝控制输出）
改变 Kp/Ki/Kd，闭环响应会从"迟钝→灵敏→振荡→不稳定"明显变化。对一阶对象，纯P控制会残留稳态偏差=1/(1+Kp·K)，加入I项后偏差→0。
控制器输出 u(t)
PID 控制输入 u(t)
过程变量 y(t)
设定值 SP
控制输出 u(t)
理论与主要公式
$$u(t)=K_p\!\left[e(t)+\frac{1}{T_i}\!\int_0^t\!e\,d\tau+T_d\frac{de}{dt}\right]$$
ZN阶跃响应整定公式：
$K_p=1.2\,\tau/(K\cdot L),\quad T_i=2L,\quad T_d=0.5L$
什么是PID控制器整定
🎓
简单来说，它就像一个自动调节水温的“聪明大脑”。P（比例）看现在水温差多少，I（积分）看过去差了多少，D（微分）预测水温会怎么变，三者一起决定该加热还是降温。你试着在模拟器里拖动Kp滑块，就能看到系统响应速度的变化。
🙋
诶，真的吗？那积分时间Ti和微分时间Td又是干嘛的？
🎓
Ti是“记性”的时长，Ti越小，控制器对过去的误差记得越牢，越能消除最终偏差，但也容易“反应过度”导致振荡。Td是“预感”能力，能提前预判误差变化趋势来刹车。在实际工程中，比如化工反应釜温度控制，就需要精细调整Ti来消除稳态误差。你可以在模拟器里把Ti调得很小，看看响应曲线会不会开始“发抖”。
🎓
当然有方法！工程现场常见的是Ziegler-Nichols经验整定法。你点击模拟器的“自动整定”按钮，它会根据被控对象的模型（比如一个带延迟的一阶系统）自动算出Kp、Ti、Td的初始值。不过，这通常会产生约25%的超调量。你可以基于这个结果，再手动微调，比如为了精密控制减小Kp，观察超调量和调节时间如何变化，找到最适合你需求的平衡点。
物理模型与关键公式
PID控制器的核心控制律，它决定了控制器输出u(t)如何根据误差e(t)来计算。
$$u(t)=K_p\!\left[e(t)+\frac{1}{T_i}\!\int_0^t\!e\,d\tau+T_d\frac{de}{dt}\right]$$
u(t): 控制器输出（如阀门开度、电机电压）
e(t): 设定值(SP)与测量值(PV)的误差，e(t)=SP-PV
Kp: 比例增益，决定对当前误差的反应强度
Ti: 积分时间常数，决定消除历史误差的速度
Td: 微分时间常数，决定对误差变化趋势的预测能力
经典的Ziegler-Nichols阶跃响应整定公式，用于根据被控对象的开环响应特性快速确定PID参数初值。
$$K_p=1.2\,\frac{\tau}{K\cdot L},\quad T_i=2L,\quad T_d=0.5L$$
K: 过程增益，对象输出变化量与输入变化量的比值
L: 纯滞后时间，输入变化到输出开始响应的时间
τ: 时间常数，表征对象响应速度
*此方法基于对象的近似一阶加纯滞后模型，整定目标为获得衰减振荡响应。
PID 控制公式与各项的作用
PID 控制针对目标值与当前值之差（偏差 $e$），组合比例（P）、积分（I）、微分（D）三种操作来确定操作量 $u$。
$u(t) = K_p\,e(t) + K_i\!\int_0^t\! e\,d\tau + K_d\,\dfrac{de}{dt}$
| 项 | 作用 | 效果与副作用 |
|---|
| 比例 P ($K_p$) | 与偏差成正比 | 加快响应但残留稳态偏差，过大则振荡 |
| 积分 I ($K_i$) | 偏差的累积 | 消除稳态偏差但易引起超调 |
| 微分 D ($K_d$) | 偏差的变化率 | 稳定并预判响应，但对噪声敏感 |
PID 整定
各增益的调整（整定）决定控制性能。在著名的齐格勒-尼科尔斯法中，先关闭 I、D，提高 $K_p$ 直至系统持续振荡，求得临界增益 $K_u$ 和振荡周期 $T_u$，再由经验公式设定 $K_p, K_i, K_d$。
一般而言，基本方针为：加快上升＝增大 $K_p$，消除稳态偏差＝增大 $K_i$，抑制超调/振荡＝增大 $K_d$。但过大的增益会导致不稳定，故应一边观察响应（上升时间、超调量、整定时间）一边调整。可在本模拟器中改变各增益，观察阶跃响应的变化。
现实世界中的应用
化工过程控制：在化工厂的反应釜或精馏塔中，PID控制器用于精确控制温度、压力和液位。例如，通过调整积分时间Ti来确保反应温度稳定在设定点，消除因进料波动引起的稳态误差，保证产品质量和安全。
汽车巡航控制：当您设定巡航速度后，车载PID控制器通过调节节气门开度来维持车速。微分项Td能预判到上坡带来的阻力增加，提前加大油门，从而减少速度波动，提升驾驶平顺性。
数控机床与机器人：在精密加工和机器人手臂定位中，PID控制器负责电机的位置和速度控制。比例增益Kp保证快速响应指令，而微分项Td能有效抑制因惯性引起的超调和振荡，确保加工精度和运动平稳。
无人机姿态稳定：四旋翼无人机依靠PID控制器来维持飞行姿态。三个参数共同作用：P项快速纠正机身倾斜，I项补偿微风造成的持续偏航，D项抑制姿态调整过程中的剧烈晃动，从而实现稳定悬停和灵活飞行。
常见误解与注意事项
首先，存在一个“积分时间(Ti)越短越好”的误解。确实，缩短Ti（增强积分增益）能更快消除稳态偏差，但过度缩短会导致系统不稳定，引发持续振荡（也包含积分饱和风险）。例如，将Ti极端地设置为0.1秒等极小值时，曲线会在目标值附近来回波动而无法稳定。在实际应用中，技巧在于先用比例增益(Kp)调整基本响应，然后在不起振的范围内调整Ti。
其次，微分动作(D)并非“万能预测功能”。微分确实能预测变化率，但对噪声极为敏感。实际传感器信号必然包含噪声，对其进行微分会使噪声被放大成巨大的控制信号。因此，在实际设备中通常会将微分增益设置得较为保守，或为微分动作配合使用低通滤波器。需要注意的是，由于模拟器使用理想信号，很难实际体会到这种风险。
最后，Ziegler-Nichols法不是“最优解”而是“起点”。该方法得到的参数往往较为激进（超调较大），且鲁棒性（抗干扰能力）未必高。例如，用ZN法设定的参数运行模拟后，若需抑制超调，则必须进行微调——如略微降低Kp、提高Ti。实践中的要诀是：并非“设定一次就结束”，而需根据实际响应，权衡响应速度与稳定性后进行调整。
依据标准与假设
依据/参考： 标准型（非交互型）PID：u(t) = Kp[e + (1/Ti)∫e dτ + Td·de/dt]（ISA / 控制工程标准型）。Ziegler–Nichols 阶跃响应（反应曲线）整定，针对一阶加纯滞后对象 K·e^(−Ls)/(τs+1)：Kp = 1.2τ/(K·L)、Ti = 2L、Td = 0.5L。
模型假设： 单回路 SISO；对象（一阶加滞后/二阶/积分）以前向欧拉法数值积分。微分项带滤波（τ_f = Td/8）以抑噪，积分项带抗饱和钳位。验证表明 PI 控制下稳态无差（对目标 1.0 收敛至 0.9999）。
适用范围与局限： 教学用连续时间近似，步长 dt=0.02 s 固定；执行器饱和固定为 ±10；不含量测噪声、量化与离散整定（如 Tustin）。ZN 整定仅为起点，实机通常需现场微调。