PID参数调试Python波形显示

1. PID（比例-积分-微分）

PID（比例-积分-微分）调参是一种广泛应用于工业控制系统的反馈控制方法，通过调整比例§、积分(I)和微分(D)三个参数来控制系统误差，提高系统的稳定性和响应速度。以下是PID调参的详细介绍：
比例调节（P）。比例调节根据设定值与实际值之间的误差进行调节，当出现误差时，比例调节器会根据误差大小成比例地调整输出以减小误差，从小到大调整比例系数，直到系统出现振荡，此时的比例系数是较为合适的。
积分调节（I）。积分调节的作用是消除系统误差，积分调节器会根据误差大小和时间进行调节以逐步消除误差，适当增大积分系数可以加快系统响应速度，但要注意避免积分过调和振荡。
微分调节（D）。微分调节预测系统未来的变化趋势，微分调节器会根据误差大小和变化速度进行调节，适当减小微分系数可以减少系统灵敏度，避免过调，但要避免微分振荡。
在调整PID参数时，需要根据实际系统和应用需求进行针对性调整，综合考虑系统的稳定性、响应速度、超调量和稳态精度，对于不同的系统，需要适当调整微分系数，如果系统响应较快，则可以适当增大微分系数；如果系统响应较慢，则可以适当减小微分系数。此外，还可以通过计算相角裕度和幅值来设计PID参数

2、 PID参数如何调试

											**PID调节器的参数调整口诀如下：**
											
											参数整定找最佳，从小到大顺序查。
											先是比例后积分，最后再把微分加。
											曲线振荡很频繁，比例度盘要放大。
											曲线漂浮绕大湾，比例度盘往小扳。
											曲线偏离回复慢，积分时间往下降。
											曲线波动周期长，积分时间再加长。
											曲线振荡频率快，先把微分降下来。
											动差大来波动慢，微分时间应加长。
											理想曲线两个波，前高后低四比一。
											一看二调多分析，调节质量不会低。

1、手动调整法

这种方法通常涉及对PID参数进行手动微调，以达到满意的控制效果。例如，可以先调整比例增益§，然后调整积分增益(I)，最后引入微分增益(D)。在调整过程中，观察系统的响应，如超调、振荡和稳定时间等，根据响应调整参数，直至达到最佳性能。

2、极点配置法

这种方法适用于线性系统。首先计算相角裕度，然后使用极点配置技术将系统的极点配置到期望的位置，如60度相角裕度。这需要先将传递函数转换为PID参数形式，然后进行优化。

3、根轨迹法

对于高阶或具有震荡特性的系统，可以使用根轨迹技术进行PID参数调整。通过观察系统根轨迹的变化，可以找到使系统稳定的最佳PID参数。

4、基于软件工具的方法

如使用专门的PID调校工具，如Betaflight的Pidtoolbox。这些工具允许用户上传飞行过程中的数据，然后分析并调整PID参数，以优化飞行性能。

每种方法都有其适用场景和优缺点，选择哪种方法取决于用户的具体需求和系统特性。通常，对于初学者或非专业人士，手动调整法可能更为直观和易于操作；而对于专业人士或需要精确控制的应用，极点配置法或根轨迹法可能更为适用。

最后我选择使用工具进行调整参数。

'''实时刷新显示波形数据'''
def show_plot():

    global show_data,t,fig1,canvas,flag_start,show_data2
    global flag_start, show_data, t
    global err, sum_err, derr, pwm
    global MySerial, index
    if flag_start:
        with lock:  # with模块自动加锁及解锁
            show_data_thd = show_data

            show_data_thd2 = err
            show_data_thd3 = derr
            show_data_thd4 = pwm
            show_data_thd5 = sum_err
            t_thd = t

            if len(t_thd) != len(show_data_thd5) or len(t_thd) != len(show_data_thd4) or len(t_thd) != len(show_data_thd2):
                print("len(t_thd) != len(show_data_thd)",len(t_thd),len(show_data_thd5),len(show_data_thd4),len(show_data_thd2))
                show_data = []
                err = []  # 误差
                sum_err = []  # 积分
                derr = []  # 微分
                pwm = []  # 输出pwm
                t = []
                index = 0
            elif t_thd != []:
                fig1.clear()

                fig1.plot(t_thd, show_data_thd,label='temp',color='red')





                fig1.text(t_thd[len(t_thd) - 1], show_data_thd[len(t_thd) - 1], show_data_thd[len(t_thd) - 1],
                          ha='center', va='bottom', fontsize=10)
                fig1.axhline(y=show_data_thd[len(t_thd) - 1], ls=":", c="yellow")  # 添加水平直线

                fig1.text((t_thd[int(len(t_thd)/2)]), show_data_thd[int(len(t_thd)/2)], show_data_thd[int(len(t_thd)/2)],
                          ha='center', va='bottom', fontsize=10)
                fig1.axhline(y=show_data_thd[int(len(t_thd)/2)], ls=":", c="green")  # 添加水平直线

                fig1.text( t_thd[0], show_data_thd[0], show_data_thd[0],
                          ha='center', va='bottom', fontsize=10)
                fig1.axhline(y=show_data_thd[0], ls=":", c="red")  # 添加水平直线
                fig1.legend()


                fig2.clear()
                fig2.plot(t_thd, show_data_thd5, label='sum_err', color='green')

                fig2.grid(linestyle='-.')
                fig2.legend()

                fig3.clear()
                fig3.plot(t_thd, show_data_thd2, label='err', color='blue')
                fig3.grid(linestyle='-.')
                fig3.legend()

                fig4.clear()
                fig4.plot(t_thd, show_data_thd4, label='pwm', color='purple')
                fig4.grid(linestyle='-.')
                fig4.legend()