PID非常好的光感巡线思路

为止。我们称这时的Kp值为"Kc" （在PID文献中，被称为临界值）

使用Kc值作为Kp，运行机器人，试着找出机器人运行时的“振荡周期”是多少。这个测试不需要非常准确。振荡周期（Pc)是指机器人从线的一侧开始，摆动到另一侧，再回到开始点的时间长短。对于典型的乐高机器人来说，Pc大约是在0.5秒到1或2秒之间。

你还需要知道，机器人控制系统的循环周期是多少。我将循环设置为一个固定的次数（如10,000），测量机器人完成全部循环次数的总时间（从开始到结束的时间，或机器人显示出结果的时间），每个循环的周期是测量时间除以循环次数。对于一个完整的PID控制器来说，使用NXT-G编程（在程序中不要使用发声、显示等模块，这些模块的使用会占用程序运行时间，影响测试结果），dT值应该在每个循环0.015秒到0.020秒之间。

使用下表计算Kp,Ki, 和Kc的值。如果你只想要一个P控制器，使用表中标注了P的那一行来计算Kp(Ki和Kd均为0)。如果你想要一个PI控制器，就使用第二行来计算。如果你想要一个完整的PID控制器，就使用最后一行来计算。

在实际操作时，那些K值都要用100乘以它们实际的值，但是在计算中你不需要考虑这个问题。这个因数100 ，在确定Kp=Kc 临界值时，就已经考虑在内了。

运行机器人，看看它的表现。

你可以调整Kp,Ki和Kd的值直到获得最佳的性能。你可以从相当大的调整开始，如30%，然后尝试较小的调整，以获得最佳的（或者至少是可以接受的）效果。

一旦你确定了一组好的K值，提高TP值，提高机器人的直线速度。

对于新的TP值，要重新的调整K值，也许甚至要回到第1步，重复整个过程，

不断地重复，直到机器人的表现是可以接受的。

改变Kp, Ki, 和 Kd的值对机器人运行情况的影响

在优化PID的过程中，上面说明的方法和表格是一个好的开始。有时，了解一下增加（或降低）三个K值中的一个会有怎样的结果，也是非常有帮助的。下表在很多网页上都能找到，这个版本来源于wiki——PID控制器的网页。

“响应时间”是指机器人确定误差的时间，在我们的例子中，是指机器人在离线以后，需要多少时间能回到线的边缘。响应时间主要由Kp控制。Kp值变大，机器人返回线的速度变快，响应时间就减少。Kp过大，会造成机器人超调。
“超调”是指机器人在响应误差时，会越过线的边缘多远。例如，如果超调较小，当机器人想回到线的左边时，就不会摆动到线的右边去。如果超调较大，机器人在纠正误差时，就会摆动过大，超过线的边缘。超调受Kd影响最大，但Ki和Kp对它的影响也颇强。通常情况下，纠正很大的超调，你需要增大Kd值。还记得我们第一个非常简单的巡线机器人吗，除了左转和右转，它不会做任何事，这个巡线机器人就会产生非常大的超调现象。
“稳定时间”是指机器人在发生一个大的变化时，需要多长时间才能稳定下来。在我们巡线的例子中，机器人遇到一个转弯就会发生较大的变化。当机器人对曲线做出响应，它会纠正误差，并产生一些超调，然后机器人会以另一个方向的超调来纠正当前的超调，然后再纠正这个超调......你明白了吧。当机器人对误差进行响应时，它会围绕期望位置进行摆动。“稳定时间”就是这个摆动被抑制到0的时间。Ki和Kd都对稳定时间有很强的影响，Ki越大，稳定时间越长；Kd越大，稳定时间越短。
“静态误差”是指系统在不受干扰的情况下运行所保持的误差。对于我们的巡线机器人来说，当机器人走了很长一段直线后，这个误差会被抵消掉。P控制器和PD控制器经常会被这种误差搞垮。增加Kp值会降低它的影响，但会加大机器人的摆动。P控制器和PD控制器在平衡状态下会有一个恒定的误差，因此经常会在其中增加I控制，和加大Ki的值。（这是假定，当机器人巡线时，你更关注小的系统误差。这就意味着，机器人会稍微向一边或另一边偏移）