买pid什么网络类型好

㈠ 开关电源的补偿网络和PID控制器是一回事吗有什么区别

这个要看你怎么补偿，单纯的RC补偿就影响波纹等，如果是反馈补偿，这个就类似PID，这是一个闭环的控制系统，但是不是加入PID算法，那就看你设计的电路和程序了。单一PWM芯片的反馈没这么复杂，可能有些带有这功能。

㈡ 电机的闭环控制一般选用什么PID

首先要搞清楚，双闭环调速只是一种新型的调速方法，一般会采用模糊控制算法，利用PID算法。
你所说的这个直流电机，应该就是带电刷的普通直流电机，它的调速是指在工业生产中，因为不同的生产需求，需要改变电机的转速。就相当于我们开车，需要开的快，或者慢，可以利用油门来调节。这个直流电机的调速是指改变转速。而双闭环调速一般用在无刷直流电机的控制方法。假如我们设定电机的转速为1000转，但是由于无刷电机的驱动和霍尔元件的误差，会导致电机的转速不能准确地在1000转上运转，所以我们就需要检测它的速度，并采取措施调节它。这就是现在的双闭环控制。所谓双闭环就是两环，其中一环是检测到电机转速后，与设定的速度比较，如果快了，就减小电压等方式降速；慢了就加压。但是这种传统的调节方法会产生较大的超调量，而且调节时间也很长，很难迅速使电机速度稳定在规定的转速，于是就出现了第二环，这一环利用先进的PID算发和模糊算法，使调速不再是传统的加压减压，而是科学地、函数式的。一般双闭环调速会基于DSP，或者dspic系列芯片。

㈢ 什么是PID—一种通俗易懂的讲解

作者： 风中的歌
最近从网上看到了一种对PID的解释，比较通俗易懂，也好记住，经过自己的整理后说明如下。
控制模型：你控制一个人让他以PID控制的方式走110步后停下。
（1）P比例控制，就是让他走110步，他按照一定的步伐走到一百零几步（如108步）或100多步（如112步）就停了。
说明：P比例控制是一种最简单的控制方式。其控制器的输出与输入误差信号成比例关系。当仅有比例控制时系统输出存在稳态误差（Steady-state error）。
（2）PI积分控制，就是他按照一定的步伐走到112步然后回头接着走，走到108步位置时，然后又回头向110步位置走。在110步位置处来回晃几次，最后停在110步的位置。
说明：在积分I控制中，控制器的输出与输入误差信号的积分成正比关系。对一个自动控制系统，如果在进入稳态后存在稳态误差，则称这个控制系统是有稳态误差的或简称有差系统（System with Steady-state Error）。为了消除稳态误差，在控制器中必须引入积分项。积分项对误差取决于时间的积分，随着时间的增加，积分项会增大。这样，即便误差很小，积分项也会随着时间的增加而加大，它推动控制器的输出增大使稳态误差进一步减小，直到等于零。因此，比例+积分（PI）控制器，可以使系统在进入稳态后无稳态误差。
（3）PD微分控制，就是他按照一定的步伐走到一百零几步后，再慢慢地向110步的位置靠近，如果最后能精确停在110步的位置，就是无静差控制；如果停在110步附近（如109步或111步位置），就是有静差控制。
说明：在微分控制D中，控制器的输出与输入误差信号的微分（即误差的变化率）成正比关系。自动控制系统在克服误差的调节过程中可能会出现振荡甚至失稳，其原因是由于存在有较大惯性组件（环节）或有滞后（

㈣ 简述神经网络PID控制与经典PID控制的区别

摘要 模糊控制在零点有盲点可以用PID控制弥补，PID控制需要精确的建模然后参数一般用凑试发，模糊控制比较自由不需要进行精确建模，两者结合比较好，神经网络一般缺少大量的数据不好实现。

㈤ 什么是PID控制其主要用途是什么PID各项的主要作用是什么

PID是比例，积分，微分的缩写.

1 比例调节作用：

是按比例反应系统的偏差，系统一旦出现了偏差，比例调节立即产生调节作用用以减少偏差。比例作用大，可以加快调节，减少误差，但是过大的比例，使系统的稳定性下降，甚至造成系统的不稳定。

2 积分调节作用：

是使系统消除稳态误差，提高无差度。因为有误差，积分调节就进行，直至无差，积分调节停止，积分调节输出一常值。积分作用的强弱取决与积分时间常数Ti，Ti越小，积分作用就越强。

反之Ti大则积分作用弱，加入积分调节可使系统稳定性下降，动态响应变慢。积分作用常与另两种调节规律结合，组成PI调节器或PID调节器。

3 微分调节作用：

微分作用反映系统偏差信号的变化率，具有预见性，能预见偏差变化的趋势，因此能产生超前的控制作用，在偏差还没有形成之前，已被微分调节作用消除。因此，可以改善系统的动态性能。在微分时间选择合适情况下，可以减少超调，减少调节时间。

微分作用对噪声干扰有放大作用，因此过强的加微分调节，对系统抗干扰不利。此外，微分反应的是变化率，而当输入没有变化时，微分作用输出为零。微分作用不能单独使用，需要与另外两种调节规律相结合，组成PD或PID控制器。

(5)买pid什么网络类型好扩展阅读：

PID控制器的参数整定是控制系统设计的核心内容。它是根据被控过程的特性确定PID控制器的比例系数、积分时间和微分时间的大小。PID控制器参数整定的方法很多，概括起来有两大类：

一是理论计算整定法。

它主要是依据系统的数学模型，经过理论计算确定控制器参数。这种方法所得到的计算数据未必可以直接用，还必须通过工程实际进行调整和修改。

二是工程整定方法。

它主要依赖工程经验，直接在控制系统的试验中进行，且方法简单、易于掌握，在工程实际中被广泛采用。PID控制器参数的工程整定方法，主要有临界比例法、反应曲线法和衰减法。

三种方法各有其特点。

其共同点都是通过试验，然后按照工程经验公式对控制器参数进行整定。

但无论采用哪一种方法所得到的控制器参数，都需要在实际运行中进行最后调整与完善。现在一般采用的是临界比例法。利用该方法进行。

自动控制系统在克服误差的调节过程中可能会出现振荡甚至失稳。其原因是由于存在有较大惯性组件（环节）或有滞后（delay）组件，具有抑制误差的作用，其变化总是落后于误差的变化。解决的办法是使抑制误差的作用的变化“超前”，即在误差接近零时，抑制误差的作用就应该是零。

这就是说，在控制器中仅引入 “比例”项往往是不够的，比例项的作用仅是放大误差的幅值，而目前需要增加的是“微分项”，它能预测误差变化的趋势。

这样，具有比例+微分的控制器，就能够提前使抑制误差的控制作用等于零，甚至为负值，从而避免了被控量的严重超调。所以对有较大惯性或滞后的被控对象，比例+微分（PD）控制器能改善系统在调节过程中的动态特性。

不同的控制系统，其传感器、变送器、执行机构是不一样的。比如压力控制系统要采用压力传感器。电加热控制系统的传感器是温度传感器。

PID控制及其控制器或智能PID控制器（仪表）已经很多，产品已在工程实际中得到了广泛的应用，有各种各样的PID控制器产品，各大公司均开发了具有PID参数自整定功能的智能调节器（intelligent regulator），其中PID控制器参数的自动调整是通过智能化调整或自校正、自适应算法来实现。

有利用PID控制实现的压力、温度、流量、液位控制器，能实现PID控制功能的可编程控制器（PLC），还有可实现PID控制的PC系统等等。

可编程控制器（PLC）是利用其闭环控制模块来实现PID控制，而可编程控制器（PLC）可以直接与ControlNet相连，如Rockwell的 PLC-5等。还有可以实现PID控制功能的控制器，如Rockwell 的Logix产品系列，它可以直接与ControlNet相连，利用网络来实现其远程控制功能。

㈥ 什么是淘宝PID

在淘宝平台上，淘宝客PID的意思是一个买家买的东西你是否能得到佣金，就是取决于购买时候访问宝贝的连接上面有没有你的PID参数。例如mm_123456789_12345678_12345678。

三段数字的含义分别是，memberid(联盟成员ID)，siteid(推广媒体ID)，adzoneid(推广位id)，也就是同一个联盟账号第一段都是一样的，同一个账号同一个推广媒体，前两段是一样的。

点击自己的推广链接s.click.taobao.com连接，经过跳转，最后抵达的页面上面带有的ali_trackid参数后面就有自己的对应的推广位PID信息。

什么是淘宝客PID

查看自己某一个推广位的PID是多少可以在联盟后台进入“推广管理”-“推广位管理”，然后选择你要查看推广位的媒体类型即可在列表中看到相关推广位的PID信息。

㈦ 有没有应用到飞控上的成熟一点的神经网络PID控制算法

您好，非常感谢您发出这个帖子。我现在也在考虑做或者学习相关四轴飞行器的神经网络控制算法。之前我的飞机是用双闭环PID控制算法实现控制飞行的。最近在学习神经网络，我准备用神经网络控制算法来对四轴飞行器姿态误差进行修正，看看能不能实现稳定飞行，或者看是否稳定飞行效果会好点。现在我正处在学习神经网络过程中，之前的基础就是对四轴飞行器的PID控制算法了解的多一点，自己实现了PID算法的编程，飞机可以稳定飞行，我想以后将神经网络控制应用于四轴飞行器中。您出了这个帖子，尽管现在没有人回答，但是我希望您能够更新一下，毕竟经过了这么长时间了，谈谈您的收获吧。让我们学习学习，也可以一起讨论讨论。谢谢！

㈧ 神经网络自整定PID真的有效吗我看图书馆的参考书上和知网论文上的方法，感觉推导过程都不对啊

楼主的这个问题已经是六年前的问题了（今天2021年5月），不知道楼主现在还关注这个话题不？神经网络自整定PID肯定是有效的。目前，神经网络自整定PID主要面临三个问题：一是初值选择的问题，不合理的初值很容易使闭环系统不稳定；二是神经网络自整定PID自身需要人为设定的参数较多，PID控制自身只需要三个人为设定参数，神经网络自整定PID则需要四个（三个初值和一个学习因子），这使得神经网络自整定PID比传统PID算法还要麻烦；三是缺乏完整的理论稳定性证明，神经网络自整定PID在线更新规则早已稳定，并且被广泛引用和应用，而基于神经网络自整定PID的闭环系统稳定性证明一直没有得到很好的解决，某种程度上，这限制了神经网络自整定PID的推广。
我个人也做了一些这样的研究，感兴趣的话可以参考我的一篇期刊论文。
Data-Driven Tracking Control Based on LM and PID Neural Network with Relay Feedback for Discrete Nonlinear Systems