### 使用 Python 编写 PID 控制器并生成曲线 以下是基于提供的引用内容以及专业知识编写的 PID 控制器示例代码，该代码能够模拟 PID 控制过程，并生成相应的控制曲线。 #### 示例代码 ```python import numpy as np import matplotlib.pyplot as plt class PIDController: """PID 控制器类""" def __init__(self, Kp=1.0, Ki=0.0, Kd=0.0, dt=0.01): self.Kp = Kp # 比例增益 self.Ki = Ki # 积分增益 self.Kd = Kd # 微分增益 self.dt = dt # 时间步长 self.clear() def clear(self): """重置控制器状态""" self.set_point = 0.0 self.process_variable = 0.0 self.error = 0.0 self.integral_error = 0.0 self.derivative_error = 0.0 self.control_signal = 0.0 def update(self, process_variable): """更新控制器输出""" error = self.set_point - process_variable self.integral_error += error * self.dt self.derivative_error = (error - self.error) / self.dt self.error = error self.control_signal = ( self.Kp * self.error + self.Ki * self.integral_error + self.Kd * self.derivative_error ) return self.control_signal def simulate_pid(Kp, Ki, Kd, set_point, initial_value, duration, dt): """模拟 PID 控制器行为""" time_steps = int(duration / dt) times = np.arange(0, duration, dt) measurements = [] control_signals = [] controller = PIDController(Kp, Ki, Kd, dt) controller.set_point = set_point measurement = initial_value for _ in range(time_steps): control_signal = controller.update(measurement) measurement += control_signal * dt # 系统响应模型简化为一阶积分 measurements.append(measurement) control_signals.append(control_signal) return times, measurements, control_signals # 参数设置 Kp = 1.5 Ki = 0.5 Kd = 0.1 set_point = 10.0 initial_value = 0.0 duration = 10.0 dt = 0.01 # 运行仿真 times, measurements, control_signals = simulate_pid(Kp, Ki, Kd, set_point, initial_value, duration, dt) # 绘图 plt.figure(figsize=(12, 6)) plt.subplot(2, 1, 1) plt.plot(times, measurements, label="测量值", color='blue') plt.axhline(set_point, linestyle="--", color="red", label="设定值") plt.title("PID 控制器性能") plt.ylabel("测量值") plt.legend() plt.grid(True) plt.subplot(2, 1, 2) plt.plot(times, control_signals, label="控制信号", color='green') plt.xlabel("时间 (秒)") plt.ylabel("控制信号") plt.legend() plt.grid(True) plt.tight_layout() plt.show() ``` 上述代码定义了一个 `PIDController` 类[^3]，并通过函数 `simulate_pid` 来模拟系统的动态响应。最终使用 Matplotlib 库绘制了两条曲线：一条表示系统输出随时间的变化情况；另一条则显示了对应的控制信号变化趋势。 #### 关键点说明 - **比例项（P）** 负责快速调整误差大小。 - **积分项（I）** 主要消除稳态误差。 - **微分项（D）** 提供预测能力以减少超调量。 这些参数的选择直接影响到控制系统的表现效果[^1]。 --- ###