Math 比例积分微分中的I

PID中的I（比例积分微分）是前几次误差的总和，仅由其增益加权

使用错误（-1）表示之前的错误，错误（-2）表示之前的错误，等等我可以被描述为：

I=（错误（-1）+错误（-2）+错误（-3）+错误（-4）等…）*I_增益

为什么当PID被设计为“I”时，它的设计不是为了在重要性上向过去倾斜，例如：

I=（误差（-1）+（误差（-2）*0.9）+（误差（-3）*0.81）+（误差（-4）*0.729）+等…*I_增益

---

编辑：改写

积分项是所有过去错误的总和。您只需在每个时间步将错误添加到“积分器”。如果需要限制，如果超出范围，则将其钳制为最小值或最大值。然后将此累积值复制到输出中，并添加比例和导数项，必要时再次钳制输出

导数项是当前误差和以前误差的差值（误差变化率）。当然，P与误差成正比

err = reference - new_measurement I += kI * err Derivative = err - old_err output = I - kD * Derivative + kP * err old_err = err err=参考-新测量 I+=kI*err 导数=错误-旧错误 输出=I-kD*导数+kP*误差 旧的错误 就在这里。当然省略了限制

一旦控制器达到参考值，误差将变为零，积分器将停止变化。噪声自然会使其反弹一点，但它将保持在满足您的目标所需的稳态值，而P和D项做了大部分工作来减少瞬变

---

请注意，在稳态条件下，I项是唯一提供任何输出的项。如果控制已达到基准，且这需要非零输出，则仅由积分器提供，因为误差为零。如果I项使用加权误差，它将开始衰减回零，并且无法根据需要维持输出。

我认为这是离题的。我想最后几个误差的和就是积分。导数是误差的变化，而不是总和。导数“抑制”系统，如果它太低，则有系统变得不稳定的危险，因此你的积分永远不会变小。谢谢，你的权利，更正了。令人烦恼的是，它可能会进入任何一个堆栈站点，如果我在这里没有得到答案，我可能会在数学站点上重新发布。你是说积分不加权过去重要性下降的错误是因为D的影响吗？D和P的影响都会影响I，反之亦然。如果你的I没有逐渐变小（即，结果没有稳定到零），那可能是因为你的P太大，D太小。大P会使系统更快地归零，但如果你的D不够大而不能抑制它，也会使系统超调。因此，你们的系统是不稳定的，随着振荡越来越严重，我会继续增加。你们把FIR滤波器和PID控制器搞混了。积分根本没有加权-它是所有过去错误的总和。我不认为它意味着所有以前的错误，在一些以前的错误之后，你停止计数，例如前20个错误，我们被指示使用“I”中的最后4个错误。谁指示你这么做的？这不是最后4个，我已经重新提问了，这是最后10秒的值（所以更像是几百个），但每个人都说不要让“我”永远回到过去，因为这不是一种明智的做法。