python动画演示算法_用Python实现的PID控制算法的演示

看了看PID控制算法的原理，自己用Python的matplotlib简单写了一个控制小球到指定位置的小演示。

如果小球不在指定的高度，就计算误差，再输入一个控制信号——这里是加速度a，以便驱动小球运动，从而改变小球的位置。

不停的计算：计算高度误差，计算输出的信号——加速度a，计算新的速度，计算新高度。

如果只考虑小球当前位置和指定高度的误差，始终会来回摆动，无法进入稳定状态。

如果用到PID算法，可以很好的进入稳定状态。

因为是虚拟环境，没有考虑摩擦力，也就用不上PID算法的积分项，也是偷懒，就相当于PID里的PD两部分考虑了。

# -*- coding: utf-8 -*-

# Author: HarryJD@sina.com

import matplotlib as mpl

from matplotlib import pyplot as plt

import numpy as np

# 设置字体

# mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体

# mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

# 定义数据

itor = 1

X1 = 5 # 横坐标固定为5，只改变小球的高度

X2 = 15 # 初始纵坐标

XP = 10 # 预设的纵坐标

v = 0 # 速度

a = 0 # 加速度

Kp = 0.2

Kd = 0.2

Err1 = X2 - XP

Err0 = 0

Max_itor = 50000

#

plt.figure(figsize=(12, 8), dpi=100)

plt.ion()

while itor < Max_itor:

# 清空旧的画布

plt.cla()

plt.xlim((-1, 20))

plt.ylim((-1, 20))

plt.plot([-1, 20], [XP, XP], 'r-')

# rgeion

a = Kp*(1.0*Err1 + Kd*(Err1-Err0)) # 按PD算法计算要给予的加速度

# a = Kp*(1.0*Err1) # 不用PD算法

v = v - a

X2 = X2 + v

# endregion

Err0 = Err1 # 保留旧的误差

Err1 = X2 - XP # 计算新的误差

plt.scatter(X1, X2, # 散点的横、纵坐标序列

s=30, # 点

c='blue',

label="PD Algorithm")

plt.legend() # 显示图例说明

itor = itor + 1

plt.pause(0.008)

通过这个小演示案例，更熟悉了一下Matplotlib，确实功能强大。

用matplotlib的交互模式，能很简单的完成演示动画。