1樓：小c
理論上pid可控制所有的物件。負反饋嘛。糾正誤差。pid是有差調節。
但是。實際上通過比例，微分，積分這三個引數就可以看出，它比較適合的是連續的，線性的而非離散的階躍的訊號。
否則微分會變傻，積分會發瘋。
2樓：振楠同學
最大的優點在《自抗擾控制技術–估計補償不確定因素的控制技術》一書的前言裡有敘述，就是不基於模型嘛。更適用於低階的LTI系統，或者可以串級控制的高階低耦合系統。遇到大時延的系統就不太好用了，當然可以結合smith預估器去控~
3樓：地八仙亂燉
嚴謹地說，在二階線性時不變系統跟蹤階躍訊號的時候用
至於in practical，那就看這個實際系統跟上述這個場景差的有多遠了
4樓：Young 0318
被控物件的穩態特徵需要是『』線性時不變『』的。
舉個例子，單相交流電不能使用PID，即使其穩態頻率、幅值不變，但其幅頻組合後的瞬時值是時變的。
這種情況要麼用PR（頻率範圍基本固定）調節，要麼使用dq旋轉變換後再輸入PID。
5樓：Patrick Zhang
之所以採用PID，是因為我們知道受控量與受控引數之間存在函式關係，但其傳遞函式推導起來很麻煩，也沒必要。我們可以用PID曲線來近似模擬傳遞函式在某控制點的測控。所以，PID一般用於單一變數的簡單控制。
例如壓力、流量、溫度等等。多變數系統就不是很合適。
另外對於流量，常常用增量式PID來控制。
動態決策問題適用於強化學習做控制器嗎？
mozillar 強化學習三要素，狀態，動作，回報。這三點能夠比較完美地獲得，理論上就能用。但是，強化學習是需要試錯的，既需要大量樣本，又需要引入備用控制系統，防止不好的動作帶來的風險，所以很難實用化。藥物這東西性命攸關，從控制角度講可靠性第一，優化是次要考慮的問題。 桂能 這個問題是個典型的強化學...
Redis HyperLogLog 適用於什麼場景 相比於Set和Sorted Set的優劣與決擇
簡單來說，UV統計一定要做，實時UV也是很好的需求，然後redis很貴相對 ECS，相對Mysql hyperloglog因為占用記憶體較少，結果就是比較省錢。如果你對redis有多貴沒有概念，可以上阿里雲去看一下資料結算而言，多維查詢是常見問題，這個也可以了解一下UV意義本身就是計數，夠了 懸衡 ...
採用常規PID控制器可能會遇到什麼問題？
小心假設 PID比較適用的是低階LTI系統，特別是三階以下的。確切的說，單入單出 三階一下 LTI系統。PID提供三個引數自由度，視具體情況，有的系統三個已經足夠，有的甚至只需要兩個 乃至乙個 或是高階系統，但可以串級控制，或者本身就是縱向級聯系統。每一級都是三階以下的，每一級引出個反饋用PID控制...