我家AI（自己開發的一個話癆聊天機器人）一直在霸佔我的電腦，所以準備給它搞個身體移植過去，打算以arduino來控制舵機，樹莓派來當作大腦進行深度學習以及信息處理等，控制舵機總不會偏離的一個算法就是PID算法，名字聽起來深奧高級，但其實原理簡單地很，下面儘量以例子講解原理，間接推理下公式，最後，附上我家AI下半身guo照：
下面是正文————————————————
一.定義
百度百科中的定義爲：
在過程控制中，按偏差的比例（P）、積分（I）和微分（D）進行控制的PID控制器（亦稱PID調節器）是應用最爲廣泛的一種自動控制器。
二.P（比例）
以我家AI爲例：
我打算讓AI實現平衡功能，靜止的時候可以自己保持站立狀態，有外力推它也可以通過自身調節去維持平衡狀態，那麼理想狀態下它應該保持這個姿勢不動（側視圖）：
而當有一個外力推它時，它會往力的方向倒去：
按道理來說，AI想要恢復回原來的靜止狀態，怎麼也得知道它和原來相差了多少：
而這個25°，其實就是一個誤差值：目標數值 - 當前數值 ，使用公式可以寫爲: error = 目標數值 - 當前數值 。此時如果單單隻考慮用P（比例）來進行控制，則是使用一個參數KP乘以誤差值，即輸出(U) = KP * error，而這個參數KP，則需要我們自己經過多次調整來尋找出一個最合適的出來。假如KP設定爲0.5，那麼根據上面公式可以得出輸出爲:U = 12.5,那麼AI就會用12.5的速度用盡全力往左邊跑去，試圖恢復靜止的平衡，而此時由於電機的質量參差不齊，大概率會出現以下兩種情況：
1.電機質量不大行，即使用12.5的速度跑還是沒有足夠的力去恢復平衡，這個時候小車就會一直保持往左傾往左跑的狀態，然後越走越遠，離你遠去，最後離家出走，直到沒電爲止。
2.電機質量太好，用12.5的速度可以恢復平衡，然而，由於自身慣性的原因，小車到達平衡位置之後並不會立馬停下來，而是往右偏了一點，然後重新計算誤差，算出角度偏右了，立馬開始往右跑，結果又因爲跑太快慣性又甩到了左邊，永遠都停不下來，最後就成爲了以下這個樣子：
某個粉色網站上看到的一位UP主的視頻：https://www.bilibili.com/video/BV1Z4411M7av
三.D（微分）
當電機質量太好的時候，小車出現左右搖擺的情況，有種專業名詞可以形容這種情況，叫超調。單純靠P（比例）來控制已經不能滿足我們的需求了，這個時候就加入D（微分）來進行控制，D（微分）在整個算法中起到了類似於減速的作用，當AI往目標角度靠的時候，D（微分）會不斷地計算當前地誤差值和上一次誤差值差了多少，而當這兩個誤差的差值之間差距越來越小的時候，D（微分）就會被當成一個很大的阻力，阻止AI過快地靠近目標，有效杜絕因慣性或者其他不可抗拒因素導致的左右搖擺。
前面的介紹中已經講完兩個分量，這兩個分量在公式中只需要簡單地相加就行：
四.I（積分）
當出現了第一種情況，也就是電機質量不大好，AI會一直保持往左傾往左跑，其實造成這中情況地其中一個原因是，AI地重力剛好和電機所施加的力持平了，導致AI一直穩定在這種下又下不去，上又上不來的情況，這種狀況有個專業名詞叫做“穩態誤差/靜態誤差”
這個時候，I（積分）挺身而出，它靠着將所有的誤差全部累加起來，來預算是否一直處於穩態誤差的狀況，當小車處於穩態誤差時，I（積分）會累積地越來越大，最終會打破這種僵持狀況，讓輸出U加上一個 I*累加誤差。這個數值一般不大，但也要看你怎麼去調整這三個變量的權重。
五.參數調整
在此，已經介紹完三個分量的作用以及用法，獻上一個專業版的公式：
公式看起來十分地複雜，但是在實際應用中，P（比例）可以近似地看作是誤差值與分量P的相乘，I（積分）可以近似地看作爲所有誤差的相加再乘以分量I，D（微分）可以近似地看作是當前誤差值與上一次誤差值的誤差乘以分量D，最後再將這三個加在一起，就變成了一個輸出值。
而需要我們反覆調節的，是Kp,Kd以及Ki這三個分量，具體怎麼調整，每個人都有屬於自己的一套方法，而我自己的方法分享給大家：
1.先調試P，再調整I，最後是D，單一變量調整，不要三個一起來。
2.先確定好數量級再微調，如在調整P時，可以先嚐試0.00001，看看有沒有效果，沒有效果在試試0.0001，一直到出現效果，然後確定了數量級，開始進行微調，0.0003試試，不明顯再0.0005，一直到設備出現較大的反應，再進行減少微調，一直調到自己覺得適合之後，再往下調I、D。
3.如果調試P、I覺得效果可以了，就不用再調D了。