編程依賴就是依賴:A類依賴B類，也就是說(shuō)如果A的對(duì)象想要完成一個(gè)操作，就必須使用B的對(duì)象的一些操作來(lái)幫助它。簡(jiǎn)而言之，b是作為一個(gè)方法的方法參數(shù)存在的。一個(gè)程序的圖形表示，它是一個(gè)有標(biāo)記的有向多重圖。程序依賴圖可以表示程序的控制依賴和數(shù)據(jù)依賴。首先感謝你的回復(fù)。關(guān)于PID參數(shù)整定的實(shí)用方法和經(jīng)驗(yàn)，我始終堅(jiān)持精益求精的原則，不僅適合學(xué)習(xí)PID控制，也適合學(xué)習(xí)其他技術(shù)。講一些實(shí)用的方法和經(jīng)驗(yàn)，其實(shí)就是日常操作中積累的技巧。大部分人接觸后可能會(huì)遇到一些情況，然后根據(jù)自己的經(jīng)驗(yàn)靈活處理。經(jīng)驗(yàn)一:PID參數(shù)整定一定要注意自身使用的場(chǎng)合和背景，不能脫離實(shí)際。由于控制對(duì)象的不同，同樣的PID控制方法在不同的情況下可能完全不同。為了快速、準(zhǔn)確、穩(wěn)定地進(jìn)行調(diào)節(jié)，需要了解被控對(duì)象的內(nèi)部結(jié)構(gòu)和工作原理。盲目的調(diào)試往往會(huì)失敗。這是四軸PID控制的常見(jiàn)經(jīng)驗(yàn)。參考一下，就能看出調(diào)整參數(shù)需要多大的經(jīng)驗(yàn)。1.最大化整合時(shí)間。2.盡量縮短時(shí)差。3.改變標(biāo)度，找到起點(diǎn)，就像前面的比例和積分規(guī)則一樣。4.增加停止振蕩的微分時(shí)間，然后將刻度調(diào)整到更小的刻度，使振蕩再次發(fā)生。增分時(shí)間，使振蕩再次停止，如此往復(fù)操作，直到微分時(shí)間增加，但振蕩可以t停止以獲得最佳的微分時(shí)間值。這個(gè)時(shí)候，調(diào)整。擴(kuò)大到更大的范圍，直到振蕩停止。5.將積分時(shí)間調(diào)整為與微分時(shí)間相同的值不成問(wèn)題。如果振蕩再次發(fā)生，積分時(shí)間將增加，直到振蕩停止。第二課:有一些高端的調(diào)音方法。其目的只是為了參數(shù)獲取更方便，控制更穩(wěn)定，減少對(duì)經(jīng)驗(yàn)的依賴(但無(wú)論理論如何數(shù)字化，都會(huì)有人的經(jīng)驗(yàn)混在里面)。1.如果建立了被控對(duì)象的模型(如果系統(tǒng)在非線性條件下沒(méi)有模型，則系統(tǒng)被辨識(shí))，我們可以根據(jù)傳遞函數(shù)和響應(yīng)曲線的零極點(diǎn)圖計(jì)算出近似參數(shù)。合適且穩(wěn)定的參數(shù)仍需測(cè)試。很多時(shí)候，這個(gè)值在理論上是可以用的，但在實(shí)踐中并不是第一個(gè)。2.利用人工智能算法(遺傳算法、神經(jīng)網(wǎng)絡(luò)算法)得到最優(yōu)參數(shù)。3.然而，這些方法大多還停留在理論上，很少用于實(shí)踐。傳統(tǒng)的試湊法在PID控制中仍然占有非常重要的地位，也是目前應(yīng)用最廣泛、最常用的方法。經(jīng)驗(yàn)三:各種改造都是基于其基本原理。所以，如果你熟悉PID的基本原理，能熟練操作常規(guī)變量，那么你就可以在此基礎(chǔ)上靈活運(yùn)用。處理負(fù)責(zé)任的程序。網(wǎng)上有一個(gè)流行的PID公式，也附在后面。希望對(duì)大家有幫助！說(shuō)到PID的實(shí)踐方法和經(jīng)驗(yàn)，只是扎實(shí)的理論知識(shí)和細(xì)致的實(shí)際操作，久而久之就產(chǎn)生了一套自己的方法。無(wú)論我們借鑒什么方法，還是自己摸索，都要運(yùn)用到合適的場(chǎng)景中，才能達(dá)到事半功倍的效果。謝謝你的支持。