针对立方体机器人动力学模型多变量、强耦合的问题,提出一种基于自抗扰控制的平衡控制器设计方法.引入虚拟控制量,并在控制量与输出向量之间并行地嵌入多个自抗扰控制器,从而实现对多变量系统的解耦控制,将系统的动态耦合和外部扰动视为各自通道上的自抗扰控制器的总扰动,在为期望姿态安排过渡过程基础上,设计扩张状态观测器对总扰动进行估计并实时补偿.综合采用经验试凑法和带宽法对控制器参数进行整定,对自抗扰控制器系统进行稳定控制、姿态跟踪、抗扰性和鲁棒性实验,并与PID控制系统进行定量对比分析.仿真结果表明,所设计的自抗扰控制器不仅能有效实现立方体机器人的平衡控制,而且较PID控制器具有更好的响应速度、控制精度和强鲁棒性.

基于遗传算法的PID参数整定研究 基于遗传算法的PID参数整定研究（七-九）是基于精确的传递函数进行优化，其本质是将优化对象简化为一阶或者二阶的传递函数，在.m程序上进行编写其零极点模型，从而应用遗传算法对其进行参数整定。 然而，实际情况是大多数的被控对象往往其传递函数难以获得，无法运用经典控制理论进行合理化的模型建立。比如针对含有SVPWM的双闭环矢量控制系统，含离散元器件的系统，以及非线性的单元等等。因此，有必要建立一种直接联合Simulink仿真模型的在线参数整定。 ———————————————— 资源介绍的链接：https://blog.csdn.net/qq_42249050/article/details/106117671

GA 算法 参数整定与对比 包括了NSGA-2、GA等算法的整定对比结果，被控对象是一阶时滞系统。

BP神经网络可以根据系统运行的状态，对PID参数Kp,Ki和Kd进行调节，使系统达到最优的控制状态。

PID参数整定算法研究及仿真分析.doc

输入传递函数即可

为了解决PID控制器参数整定过程中的优化和复杂性问题，增强PID控制器参数整定的自适应性，结合差异演化算法和粒子群算法，提出一种带有差异演化变异算子的粒子群混合优化算法，利用一维云模型映射器将人的控制经验通过语言原子转换为控制规则器，设计具有自适应功能的云模型控制器；将该优化算法应用于一维云模型PID控制器参数整定与优化，并与传统方法进行仿真比较．结果表明，基于带有差异演化变异算子的粒子群混合优化算法的智能控制器具有简单易行、控制性能良好、自适应性和鲁棒性强的特点，可为云模型控制器参数设计提供参考．

Ziegler-Nichols方法进行PID参数整定Ziegler-Nichols方法进行PID参数整定

包括PSO算法、Simulink模型和IAE目标函数

给四轴调了好久的PID，总算是调好了，现分享PID参数整定的心得给大家，还请大家喷的时候手下留情。