本代码是基于STM32F103ZET6和编码器直流电机编写的，增量式PID控制电机转动速度的程序，并且是基于正点原子代码格式编写的，对于初学者有重要的参考研究意义。
本代码工程书写规范，带有正文，分程序块编写。
本人测试可靠可用，绝对良心。

本例程包括增量式和位置式两种PID方式（可用宏定义选择），实现PWM模仿ADC输出，精度在10mv左右，可配套上传的PID调试器使用。

该实验报告结合船舶参数，利用Simulink环境建立船舶的Nomoto数学模型，首先对其进行回转试验，然后为其设计一个PID控制器使其保持正东航向，最后给船舶加入干扰测试其功能。

基于MATLAB的PID参数自整定控制器，设置控制器类型、算法等即可自动寻觅最优PID参数。

用C#写的PID调试软件，用于模仿、仿真及学习。
可自行调整PID三个参数，然后看到波形显示，初学者学习好工具。
1.需要.netframework,你懂的2.运行后点击Go，PID就会跟踪。
3.修改PID参数后，请重新点击Go！4.开启噪声后，噪声均值为下面设置的那个值，最大值为其2倍。
5.Random就是随机设置目标值6.直接用鼠标拖动右边的bar可以直接更改目标值（可以在Go后更改）7.波形图从最小到最大值是0到100008.PID输出没有限幅其它有待优化~~PID算法参考http://download.csdn.net/detail/lin381825673/7877801仅供测试学习~~

为了缓解各种宽带和窄带扰动引起的光束抖动，提高自由空间激光通信卫星平台捕获跟瞄(ATP)系统的瞄准精度，在传统的比例积分微分(PID)反馈算法基础上增加一套误差自顺应前馈控制算法构成误差自顺应前馈复合控制。
误差自顺应前馈复合控制结合了PID反馈算法和自顺应前馈算法的优点，能更好地抑制卫星终端精跟踪系统承受的扰动，而且具有不需要额外前馈传感器的优点，不增加系统硬件的复杂性和成本。
在实验室搭建了快速反射镜实验系统对这种复合控制算法进行了实验，实验结果表明，误差自顺应前馈复合控制算法相对于经典PID反馈算法精度提高了约5倍；
相对于自顺应前馈算法精度提高了约1倍。
误差自顺应前馈复合控制算法在不增加系统复杂性的同时能进一步缓解光束抖动，提高卫星平台ATP系统精度。

VB写的位置式PID算法公式源码，是仿照西门子PLC的PID公式写的，在网上碰到好多网友索要，如今公布出来，希望对大家有用.不过你要给我贡献点资源分。

分数阶系统的最优Oustaloup数字实现算法，控制系统中常常需要利用滤波器来实现近似数字实现分数阶微积分，通过这个算法寻觅滤波器最优参数

《MATLAB神经网络43个案例分析》是在《MATLAB神经网络30个案例分析》的基础上出版的，部分章节涉及了常见的优化算法（遗传算法、粒子群算法等）与神经网络的结合问题。
《MATLAB神经网络43个案例分析》可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。
《MATLAB神经网络43个案例分析》共有43章目录如下：第1章BP神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN网络的预测----基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章SVM的参数优化——如何更好的提升分类器的功能第16章基于SVM的回归预测分析——上证指数开盘指数预测.第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21章自组织竞争网络在模式分类中的应用—患者癌症发病预测第22章SOM神经网络的数据分类--柴油机故障诊断第23章Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章LVQ神经网络的分类——乳腺肿瘤诊断第27章LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

该文章简要引见了PID算法和在LabView中的实现过程。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。