自动控制原理的优化控制器设计指南

自动控制原理的优化控制器设计指南一、自动控制原理概述

自动控制原理是研究动态系统行为、分析和设计控制系统的理论基础。优化控制器设计旨在通过调整控制器参数，使系统在特定性能指标下达到最优运行状态，如提高响应速度、减少超调、增强稳定性等。本指南将介绍优化控制器设计的基本原则、常用方法和实践步骤。

二、优化控制器设计的基本原则

（一）明确性能指标

在设计优化控制器前，需确定系统的关键性能指标，常见指标包括：

1.上升时间（RiseTime）：系统响应从10%上升到90%所需时间，通常要求越短越好。

2.超调量（Overshoot）：系统响应超出稳态值的百分比，一般控制在5%以内。

3.调节时间（SettlingTime）：系统响应进入并保持在稳态误差带内所需时间，越短越好。

4.稳态误差（Steady-StateError）：系统对给定输入的长期稳态偏差，需根据应用场景确定允许范围。

（二）选择合适的控制策略

1.比例控制（P）：通过比例系数调整输出，简单但易产生稳态误差。

2.积分控制（I）：消除稳态误差，但可能导致系统振荡。

3.微分控制（D）：提前预测误差变化，提高响应速度，但噪声敏感。

4.比例-积分-微分（PID）：综合三者优势，应用最广泛的控制策略。

（三）考虑系统约束

1.饱和限制：执行器（如电机、阀门）的输出范围有限，需避免长期饱和。

2.死区效应：系统在输入微小变化时不响应，需在控制器中补偿。

3.非线性因素：实际系统可能存在非线性特性，需采用分段线性或自适应方法处理。

三、优化控制器设计的常用方法

（一）PID参数整定方法

1.经验试凑法：根据经验逐步调整比例、积分、微分参数，适用于简单系统。

2.临界比例度法：将系统调至临界振荡状态，计算参数关系式，再按经验公式缩放。

3.Ziegler-Nichols公式：基于临界增益和振荡周期，提供快速整定参数的近似方法。

（二）模型预测控制（MPC）

1.步骤：

(1)建立系统预测模型（如线性时不变模型）。

(2)设定目标函数（如最小化跟踪误差和约束违反）。

(3)求解优化问题，得到最优控制序列。

(4)递归执行预测和优化。

2.优点：可处理多变量系统和约束条件，但计算量大。

（三）自适应控制

1.原理：根据系统变化动态调整控制器参数。

2.方法：

(1)模型参考自适应控制（MRAC）：使系统输出跟踪参考模型。

(2)自调整控制（Self-TuningRegulator）：在线估计系统参数并更新控制器。

四、实践步骤与注意事项

（一）系统建模

1.选择合适的数学模型（如传递函数或状态空间模型）。

2.通过实验数据或仿真验证模型准确性。

（二）控制器设计与仿真

1.步骤：

(1)初步整定参数（如使用Ziegler-Nichols公式）。

(2)仿真系统响应，评估性能指标。

(3)调整参数至最优，注意避免过度超调或响应迟缓。

2.工具：MATLAB/Simulink等仿真软件可辅助设计和验证。

（三）实验验证

1.在实际系统中测试控制器，记录关键性能数据。

2.根据测试结果进一步微调参数。

（四）安全与鲁棒性考虑

1.设置参数边界，防止执行器饱和或系统不稳定。

2.采用抗干扰措施（如低通滤波器）提高噪声抑制能力。

五、总结

优化控制器设计是一个迭代过程，需结合理论分析与实验验证。选择合适的控制策略、明确性能指标、考虑实际约束是关键。通过系统建模、参数整定和仿真测试，可逐步提升控制系统的性能和可靠性。

一、自动控制原理概述

自动控制原理是研究动态系统行为、分析和设计控制系统的理论基础。优化控制器设计旨在通过调整控制器参数，使系统在特定性能指标下达到最优运行状态，如提高响应速度、减少超调、增强稳定性等。本指南将介绍优化控制器设计的基本原则、常用方法和实践步骤。

二、优化控制器设计的基本原则

（一）明确性能指标

在设计优化控制器前，需确定系统的关键性能指标，常见指标包括：

1.上升时间（RiseTime）：系统响应从10%上升到90%所需时间，通常要求越短越好。

应用场景：如高速运动控制系统，较短的上升时间意味着更快的定位能力。

合理范围：工业过程控制系统可能接受1-5秒，而机器人关节控制可能要求小于0.1秒。

2.超调量（Overshoot）：系统响应超出稳态值的百分比，一般控制在5%以内。

原因：过高的超调可能导致机械应力或安全风险（如温度过高）。

控制方法：增加微分项或降低比例增益可减小超调。

3.调节时间（SettlingTime）：系统响应进入并保持在稳态误差带内所需时间，越短越好。

定义：通常以±2%或±5%误差带为准。

注意：过长调节时间可能意味着系统响应缓慢或存在未完全补偿的噪声。

4.稳态误差（Steady-StateError）：系统对给定输入的长期稳态偏差，需根据应用场景确定允许范围。

类型：位置误差、速度误差或加速度误差，取决于系统类型。

消除方法：积分控制可消除类型I系统的位置误差。

（二）选择合适的控制策略

1.比例控制（P）：通过比例系数调整输出，简单但易产生稳态误差。

公式：控制器输出\(u(t)=K_pe(t)\)，其中\(e(t)\)为误差。

优点：响应直接，无相位滞后。

缺点：无法消除稳态误差，增益过高时易振荡。

2.积分控制（I）：消除稳态误差，但可能导致系统振荡。

公式：\(u(t)=u(t)+K_i\int_0^te(\tau)d\tau\)。

注意：积分项会导致相位滞后，需与比例项配合。

3.微分控制（D）：提前预测误差变化，提高响应速度，但噪声敏感。

公式：\(u(t)=K_d\frac{de(t)}{dt}\)。

应用：适用于具有快速变化输入或扰动的系统。

4.比例-积分-微分（PID）：综合三者优势，应用最广泛的控制策略。

公式：\(u(t)=K_pe(t)+K_i\int_0^te(\tau)d\tau+K_d\frac{de(t)}{dt}\)。

参数关系：比例、积分、微分增益需协同调整。

（三）考虑系统约束

1.饱和限制：执行器（如电机、阀门）的输出范围有限，需避免长期饱和。

解决方案：

(1)抗饱和算法：在积分项中限制累积误差。

(2)前馈补偿：预先补偿执行器非线性影响。

2.死区效应：系统在输入微小变化时不响应，需在控制器中补偿。

处理方法：

(1)死区补偿：在控制器中增加非线性环节模拟补偿。

(2)提高分辨率：选用更高精度的传感器或执行器。

3.非线性因素：实际系统可能存在非线性特性，需采用分段线性或自适应方法处理。

方法：

(1)分段线性化：将系统划分为线性段，分段设计控制器。

(2)模糊控制：基于规则表处理非线性，无需精确模型。

三、优化控制器设计的常用方法

（一）PID参数整定方法

1.经验试凑法：根据经验逐步调整比例、积分、微分参数，适用于简单系统。

步骤：

(1)初始比例：选择较小的比例增益，观察响应，逐步增加至临界振荡状态。

(2)积分项：在无超调或小超调下，加入积分项，调整积分时间至稳态误差消失。

(3)微分项：在存在噪声或需要快速响应时，加入微分项，调整微分增益抑制振荡。

优点：简单直观，无需数学模型。

缺点：依赖设计者经验，可能需要多次迭代。

2.临界比例度法：将系统调至临界振荡状态，计算参数关系式，再按经验公式缩放。

步骤：

(1)临界增益\(K_u\)：将比例增益逐渐增大，直至系统出现等幅振荡，记录此时的增益\(K_u\)和振荡周期\(T_u\)。

(2)参数计算：根据经验公式（如Ziegler-Nichols）计算初始参数：

-\(K_p=0.6K_u\)

-\(T_i=0.5T_u\)

-\(T_d=0.125T_u\)

(3)缩放：根据实际性能要求调整参数比例。

优点：适用于自控系统，参数较优。

缺点：仅适用于线性定常系统，可能过度保守。

3.Ziegler-Nichols公式：基于临界增益和振荡周期，提供快速整定参数的近似方法。

公式表：

|控制类型|参数|公式|

|----------|------------|-------------------------------|

|P|\(K_p\)|\(K_p=0.5K_u\)|

|PI|\(K_p,T_i\)|\(K_p=0.45K_u\),\(T_i=0.83T_u\)|

|PID|\(K_p,T_i,T_d\)|\(K_p=0.6K_u\),\(T_i=0.5T_u\),\(T_d=0.125T_u\)|

适用：适用于典型工业过程，如温度、液位控制。

（二）模型预测控制（MPC）

1.步骤：

(1)建立预测模型：

-选择合适的模型（如CARMA模型或状态空间模型）。

-使用历史数据或实验数据辨识模型参数。

(2)设定目标函数：

-形式：\(J=\sum_{k=p+1}^{N}[x_k^TQx_k+u_k^TRu_k]\)，其中\(Q,R\)为权重矩阵。

-项：状态项（抑制动态偏差）和控制项（减少控制能量）。

(3)求解优化问题：

-使用二次规划（QP）或其他优化算法求解。

-得到最优控制序列\(\{u(k+1),u(k+2),\ldots\}\)。

(4)递归执行：

-只实施\(u(k+1)\)，并在下一周期更新预测。

2.优点：可处理多变量系统和约束条件，但计算量大。

多变量优势：可同时控制多个相关变量（如温度和压力）。

约束处理：可直接在目标函数中添加执行器或状态的约束。

3.缺点：需精确模型，计算复杂，对噪声敏感。

解决方案：

(1)模型降阶：简化模型以减少计算量。

(2)鲁棒预测：考虑模型不确定性，设计鲁棒MPC。

（三）自适应控制

1.原理：根据系统变化动态调整控制器参数。

目的：补偿模型失配、环境变化或非线性影响。

2.方法：

(1)模型参考自适应控制（MRAC）：

-结构：包含参考模型、可调控制器和比较器。

-调整律：基于模型跟踪误差调整控制器参数。

(2)自调整控制（Self-TuningRegulator）：

结构：在线估计系统参数，并直接用于控制器更新。

算法：如递归最小二乘法（RLS）估计参数。

3.应用：

场景：机器人姿态控制、变结构过程控制。

优势：适应性强，能处理时变系统。

四、实践步骤与注意事项

（一）系统建模

1.选择合适的数学模型：

传递函数：适用于单变量、线性定常系统。

-公式：\(G(s)=\frac{b_ms^m+b_{m-1}s^{m-1}+\cdots+b_0}{a_ns^n+a_{n-1}s^{n-1}+\cdots+a_0}\)。

状态空间模型：适用于多变量、时变或非线性系统。

-形式：\(\dot{x}=Ax+Bu\),\(y=Cx+Du\)。

2.通过实验数据或仿真验证模型准确性：

方法：

(1)阶跃响应测试：输入阶跃信号，记录输出并拟合模型。

(2)频域分析：使用Bode图或Nyquist图分析系统动态。

（二）控制器设计与仿真

1.步骤：

(1)初步整定参数（如使用Ziegler-Nichols公式）。

(2)仿真系统响应，评估性能指标：

-使用MATLAB/Simulink搭建闭环系统。

-记录上升时间、超调量、调节时间等。

(3)调整参数至最优，注意避免过度超调或响应迟缓。

-调整策略：

-超调过大：减小比例增益，增加积分时间。

-响应过慢：增大比例增益，减少积分时间。

2.工具：

-MATLAB/Simulink：

-工具箱：ControlSystemToolbox（系统分析）、SystemIdentificationToolbox（模型辨识）、PIDTuner（自动整定）。

-Python：

-库：SciPy（优化）、Control（系统建模）。

（三）实验验证

1.在实际上机系统测试控制器，记录关键性能数据：

-方法：

(1)硬件-in-the-loop（HIL）：在仿真环境中测试控制器。

(2)实际部署：将控制器部署到嵌入式系统或工业控制器。

2.根据测试结果进一步微调参数：

-对比仿真与实际响应：

-差异原因：模型简化、噪声、执行器延迟等。

-调整方案：

-噪声大：增加滤波器或微分项抑制高频噪声。

-延迟显著：采用预测控制或提前补偿。

（四）安全与鲁棒性考虑

1.设置参数边界，防止执行器饱和或系统不稳定：

-方法：

(1)执行器限幅：在控制器中设置输出上下限。

(2)抗饱和算法：如积分项的积分限。

2.采用抗干扰措施提高噪声抑制能力：

-滤波器：低通滤波器去除高频噪声。

-鲁棒控制设计：如H∞控制或μ综合。

3.考虑系统不确定性：

-方法：

(1)鲁棒控制器设计：设计控制器能容忍模型误差。

(2)参数摄动补偿：在线调整参数以补偿变化。

五、总结

优化控制器设计是一个迭代过程，需结合理论分析与实验验证。选择合适的控制策略、明确性能指标、考虑实际约束是关键。通过系统建模、参数整定和仿真测试，可逐步提升控制系统的性能和可靠性。

附录：常用控制器参数整定公式表

|方法|控制类型|公式示例（基于临界增益\(K_u\)和周期\(T_u\)）|

|--------------|----------|-----------------------------------------------|

|经验试凑法|P|\(K_p=0.5K_u\)|

||PI|\(K_p=0.45K_u\),\(T_i=0.83T_u\)|

||PID|\(K_p=0.6K_u\),\(T_i=0.5T_u\),\(T_d=0.125T_u\)|

|临界比例度法|P|\(K_p=0.6K_u\)|

||PI|\(K_p=0.4K_u\),\(T_i=1.2T_u\)|

||PID|\(K_p=0.6K_u\),\(T_i=0.5T_u\),\(T_d=0.075T_u\)|

一、自动控制原理概述

自动控制原理是研究动态系统行为、分析和设计控制系统的理论基础。优化控制器设计旨在通过调整控制器参数，使系统在特定性能指标下达到最优运行状态，如提高响应速度、减少超调、增强稳定性等。本指南将介绍优化控制器设计的基本原则、常用方法和实践步骤。

二、优化控制器设计的基本原则

（一）明确性能指标

在设计优化控制器前，需确定系统的关键性能指标，常见指标包括：

1.上升时间（RiseTime）：系统响应从10%上升到90%所需时间，通常要求越短越好。

2.超调量（Overshoot）：系统响应超出稳态值的百分比，一般控制在5%以内。

3.调节时间（SettlingTime）：系统响应进入并保持在稳态误差带内所需时间，越短越好。

4.稳态误差（Steady-StateError）：系统对给定输入的长期稳态偏差，需根据应用场景确定允许范围。

（二）选择合适的控制策略

1.比例控制（P）：通过比例系数调整输出，简单但易产生稳态误差。

2.积分控制（I）：消除稳态误差，但可能导致系统振荡。

3.微分控制（D）：提前预测误差变化，提高响应速度，但噪声敏感。

4.比例-积分-微分（PID）：综合三者优势，应用最广泛的控制策略。

（三）考虑系统约束

1.饱和限制：执行器（如电机、阀门）的输出范围有限，需避免长期饱和。

2.死区效应：系统在输入微小变化时不响应，需在控制器中补偿。

3.非线性因素：实际系统可能存在非线性特性，需采用分段线性或自适应方法处理。

三、优化控制器设计的常用方法

（一）PID参数整定方法

1.经验试凑法：根据经验逐步调整比例、积分、微分参数，适用于简单系统。

2.临界比例度法：将系统调至临界振荡状态，计算参数关系式，再按经验公式缩放。

3.Ziegler-Nichols公式：基于临界增益和振荡周期，提供快速整定参数的近似方法。

（二）模型预测控制（MPC）

1.步骤：

(1)建立系统预测模型（如线性时不变模型）。

(2)设定目标函数（如最小化跟踪误差和约束违反）。

(3)求解优化问题，得到最优控制序列。

(4)递归执行预测和优化。

2.优点：可处理多变量系统和约束条件，但计算量大。

（三）自适应控制

1.原理：根据系统变化动态调整控制器参数。

2.方法：

(1)模型参考自适应控制（MRAC）：使系统输出跟踪参考模型。

(2)自调整控制（Self-TuningRegulator）：在线估计系统参数并更新控制器。

四、实践步骤与注意事项

（一）系统建模

1.选择合适的数学模型（如传递函数或状态空间模型）。

2.通过实验数据或仿真验证模型准确性。

（二）控制器设计与仿真

1.步骤：

(1)初步整定参数（如使用Ziegler-Nichols公式）。

(2)仿真系统响应，评估性能指标。

(3)调整参数至最优，注意避免过度超调或响应迟缓。

2.工具：MATLAB/Simulink等仿真软件可辅助设计和验证。

（三）实验验证

1.在实际系统中测试控制器，记录关键性能数据。

2.根据测试结果进一步微调参数。

（四）安全与鲁棒性考虑

1.设置参数边界，防止执行器饱和或系统不稳定。

2.采用抗干扰措施（如低通滤波器）提高噪声抑制能力。

五、总结

优化控制器设计是一个迭代过程，需结合理论分析与实验验证。选择合适的控制策略、明确性能指标、考虑实际约束是关键。通过系统建模、参数整定和仿真测试，可逐步提升控制系统的性能和可靠性。

一、自动控制原理概述

自动控制原理是研究动态系统行为、分析和设计控制系统的理论基础。优化控制器设计旨在通过调整控制器参数，使系统在特定性能指标下达到最优运行状态，如提高响应速度、减少超调、增强稳定性等。本指南将介绍优化控制器设计的基本原则、常用方法和实践步骤。

二、优化控制器设计的基本原则

（一）明确性能指标

在设计优化控制器前，需确定系统的关键性能指标，常见指标包括：

1.上升时间（RiseTime）：系统响应从10%上升到90%所需时间，通常要求越短越好。

应用场景：如高速运动控制系统，较短的上升时间意味着更快的定位能力。

合理范围：工业过程控制系统可能接受1-5秒，而机器人关节控制可能要求小于0.1秒。

2.超调量（Overshoot）：系统响应超出稳态值的百分比，一般控制在5%以内。

原因：过高的超调可能导致机械应力或安全风险（如温度过高）。

控制方法：增加微分项或降低比例增益可减小超调。

3.调节时间（SettlingTime）：系统响应进入并保持在稳态误差带内所需时间，越短越好。

定义：通常以±2%或±5%误差带为准。

注意：过长调节时间可能意味着系统响应缓慢或存在未完全补偿的噪声。

4.稳态误差（Steady-StateError）：系统对给定输入的长期稳态偏差，需根据应用场景确定允许范围。

类型：位置误差、速度误差或加速度误差，取决于系统类型。

消除方法：积分控制可消除类型I系统的位置误差。

（二）选择合适的控制策略

1.比例控制（P）：通过比例系数调整输出，简单但易产生稳态误差。

公式：控制器输出\(u(t)=K_pe(t)\)，其中\(e(t)\)为误差。

优点：响应直接，无相位滞后。

缺点：无法消除稳态误差，增益过高时易振荡。

2.积分控制（I）：消除稳态误差，但可能导致系统振荡。

公式：\(u(t)=u(t)+K_i\int_0^te(\tau)d\tau\)。

注意：积分项会导致相位滞后，需与比例项配合。

3.微分控制（D）：提前预测误差变化，提高响应速度，但噪声敏感。

公式：\(u(t)=K_d\frac{de(t)}{dt}\)。

应用：适用于具有快速变化输入或扰动的系统。

4.比例-积分-微分（PID）：综合三者优势，应用最广泛的控制策略。

公式：\(u(t)=K_pe(t)+K_i\int_0^te(\tau)d\tau+K_d\frac{de(t)}{dt}\)。

参数关系：比例、积分、微分增益需协同调整。

（三）考虑系统约束

1.饱和限制：执行器（如电机、阀门）的输出范围有限，需避免长期饱和。

解决方案：

(1)抗饱和算法：在积分项中限制累积误差。

(2)前馈补偿：预先补偿执行器非线性影响。

2.死区效应：系统在输入微小变化时不响应，需在控制器中补偿。

处理方法：

(1)死区补偿：在控制器中增加非线性环节模拟补偿。

(2)提高分辨率：选用更高精度的传感器或执行器。

3.非线性因素：实际系统可能存在非线性特性，需采用分段线性或自适应方法处理。

方法：

(1)分段线性化：将系统划分为线性段，分段设计控制器。

(2)模糊控制：基于规则表处理非线性，无需精确模型。

三、优化控制器设计的常用方法

（一）PID参数整定方法

1.经验试凑法：根据经验逐步调整比例、积分、微分参数，适用于简单系统。

步骤：

(1)初始比例：选择较小的比例增益，观察响应，逐步增加至临界振荡状态。

(2)积分项：在无超调或小超调下，加入积分项，调整积分时间至稳态误差消失。

(3)微分项：在存在噪声或需要快速响应时，加入微分项，调整微分增益抑制振荡。

优点：简单直观，无需数学模型。

缺点：依赖设计者经验，可能需要多次迭代。

2.临界比例度法：将系统调至临界振荡状态，计算参数关系式，再按经验公式缩放。

步骤：

(1)临界增益\(K_u\)：将比例增益逐渐增大，直至系统出现等幅振荡，记录此时的增益\(K_u\)和振荡周期\(T_u\)。

(2)参数计算：根据经验公式（如Ziegler-Nichols）计算初始参数：

-\(K_p=0.6K_u\)

-\(T_i=0.5T_u\)

-\(T_d=0.125T_u\)

(3)缩放：根据实际性能要求调整参数比例。

优点：适用于自控系统，参数较优。

缺点：仅适用于线性定常系统，可能过度保守。

3.Ziegler-Nichols公式：基于临界增益和振荡周期，提供快速整定参数的近似方法。

公式表：

|控制类型|参数|公式|

|----------|------------|-------------------------------|

|P|\(K_p\)|\(K_p=0.5K_u\)|

|PI|\(K_p,T_i\)|\(K_p=0.45K_u\),\(T_i=0.83T_u\)|

|PID|\(K_p,T_i,T_d\)|\(K_p=0.6K_u\),\(T_i=0.5T_u\),\(T_d=0.125T_u\)|

适用：适用于典型工业过程，如温度、液位控制。

（二）模型预测控制（MPC）

1.步骤：

(1)建立预测模型：

-选择合适的模型（如CARMA模型或状态空间模型）。

-使用历史数据或实验数据辨识模型参数。

(2)设定目标函数：

-形式：\(J=\sum_{k=p+1}^{N}[x_k^TQx_k+u_k^TRu_k]\)，其中\(Q,R\)为权重矩阵。

-项：状态项（抑制动态偏差）和控制项（减少控制能量）。

(3)求解优化问题：

-使用二次规划（QP）或其他优化算法求解。

-得到最优控制序列\(\{u(k+1),u(k+2),\ldots\}\)。

(4)递归执行：

-只实施\(u(k+1)\)，并在下一周期更新预测。

2.优点：可处理多变量系统和约束条件，但计算量大。

多变量优势：可同时控制多个相关变量（如温度和压力）。

约束处理：可直接在目标函数中添加执行器或状态的约束。

3.缺点：需精确模型，计算复杂，对噪声敏感。

解决方案：

(1)模型降阶：简化模型以减少计算量。

(2)鲁棒预测：考虑模型不确定性，设计鲁棒MPC。

（三）自适应控制

1.原理：根据系统变化动态调整控制器参数。

目的：补偿模型失配、环境变化或非线性影响。

2.方法：

(1)模型参考自适应控制（MRAC）：

-结构：包含参考模型、可调控制器和比较器。

-调整律：基于模型跟踪误差调整控制器参数。

(2)自调整控制（Self-TuningRegulator）：

结构：在线估计系统参数，并直接用于控制器更新。

算法：如递归最小二乘法（RLS）估计参数。

3.应用：

场景：机器人姿态控制、变结构过程控制。

优势：适应性强，能处理时变系统。

四、实践步骤与注意事项

（一）系统建模

1.选择合适的数学模型：

传递函数：适用于单变量、线性定常系统。

-公式：\(G(s)=\frac{b_ms^m+b_{m-1}s^{m-1}+\cdots+b_0}{a_ns^n+a_{n-1}s^{n-1}+\cdots+a_0}\)。

状态空间模型：适用于多变量、时变或非线性系统。

-形式：\(\dot{x}=Ax+Bu\),\(y=Cx+Du\)。

2.通过实验数据或仿真验证模型准确性：

方法：

(1)阶跃响应测试：输入阶跃信号，记录输出并拟合模型。

(2)频域分析：使用Bode图或Nyquist图分析系统动态。

（二）控制器设计与仿真

1.步骤：

(1)初步整定参数（如使用Ziegler-Nichols公式）。

(2)仿真系统响应，评估性能指标：

-使用MATLAB/Simulink搭建闭环系统。

-记录上升时间、超调量、调节时间等。

(3)调整参数至最优，注意避免过度超调或响应迟缓。

-调整策略：

-超调过大：减小比例增益，增加积分时间。

-响应过慢：增大比例增益，减少积分时间。

2.工具：