这是一个卑微电子信息学员的开始
这是学习stm32(自平衡小车)的开始
寒假开始了，卑微电子信息学员开始了stm32的学习过程。
小车的硬件结构学习
一.PID 算法
1.P - Proportional 比例
通俗的方面讲，P就是系数Kp，简称为P，现不考虑ID，现考虑P。设期望值为c（t），当前检测到的值是r（t），则误差e（t）=c（t）-r（t）。则有增加的u（t）=Kp*e（t）。这一参数可以即时成比例地反应控制系统的偏差信号e(t)，偏差一旦产生，控制器立即产生控制作用以减小误差。当偏差e=0时，控制作用也为0。因此，比例控制是基于偏差进行调节的，即有差调节。
2.I - Integral 积分
设有一水缸，为使水缸的水位达到1m，假设这个水缸在加水的过程中，存在漏水的情况，假设每次加水的过程，都会漏掉0.1米高度的水。假设kp取0.5，那么会存在着某种情况，假设经过几次加水，水缸中的水位到0.8时，水位将不会再变换！！！因为，水位为0.8，则误差error=0.2. 所以每次往水缸中加水的量为u=0.5x0.2=0.1同时，每次加水缸里又会流出去0.1米的水！！！加入的水和流出的水相抵消，水位将不再变化！！
也就是说，我的目标是1米，但是最后系统达到0.8米的水位就不在变化了，且系统已经达到稳定。由此产生的误差就是稳态误差了。
（在实际情况中，这种类似水缸漏水的情况往往更加常见，比如控制汽车运动，摩擦阻力就相当于是“漏水”，控制机械臂、无人机的飞行，各类阻力和消耗都可以理解为本例中的“漏水”） 所以，单独的比例控制，在很多时候并不能满足要求。
这时引入I - Integral 积分，这个参数将成为累加误差e（t）的和的系数，使增量比原先更大或者更小，进而打破上文所说的（假）稳定循环，进而逼近循环。加上这一项后写作u（t）=K*pe（t）+Ki∗∫e（t）dt 但是，如果初始值与预期值相差极大，会使积分的和在短时间达到极大的一个数值，进而使输出结果长期的在期望值上下跳动，所以需要给积分值设定一个上限值（我还没有调试，不知道确定的数值）
3. D - Derivative 导数
D参数的引入使预计数据未来的情况成为了可能，可以让数据在离预期值远时以较大的速率逼近这一预期值，而当数据离预期值近时以较小的速率逼近这一数值，使曲线更快的逼近预期值。
二.小车的调试方法
我还没有调试过，感觉看起来超级正确。
引用了一些文章和百度文库：
https://blog.csdn.net/xmy306538517/article/details/72771269
https://blog.csdn.net/qq_25352981/article/details/81007075
个人工作记录，最终解释权由作者本人享有。