理论：PID 与误差收敛 — 控制理论⊗Agent知识库

Theory · 控制理论证据包

比例-积分-微分控制器结构（三环节） KT-ctrl-020

定义PID 控制器（三项控制器）是反馈控制回路机制，通过连续测量误差并以比例、积分、微分三环节组合生成控制量，广泛用于需连续自动调节的工业过程。

数学C = Kp + Ki·(1/s) + Kd·s（连续）；离散并行 C = Kp + Ki·IF(z) + Kd·(Tf+DF(z))。

Agent 映射：反思/修正回路=反馈环；PID 三环节=三种收敛机制：P=基于当前错误即时纠偏，I=对历史偏航累积纠偏，D=对错误趋势超前预判。

📚 证据来源

SRC	级别	信源
SRC-010	S1	MathWorks pid 官方文档
SRC-011	S2	Wikipedia PID controller

比例控制 P：即时误差修正 KT-ctrl-021

定义比例项产生的输出与当前误差值成正比，将误差乘以比例增益常数 Kp 进行调节。比例响应仅在存在非零误差时才驱动输出。

数学P_out = Kp · e(t)；Kp 越大响应越强但稳定性下降，Kp 过大会震荡。

Agent 映射：即时反思=按当前任务偏差以固定权重（Kp）立即修正；Kp 过大=过度反应/反复跳跃（震荡），Kp 过小=修正不足收敛迟缓。

📚 证据来源

SRC	级别	信源
SRC-012	S2	Wikipedia PID（比例项+SSE 局限）
SRC-013	S1	MathWorks pid 官方文档(Kp)

积分控制 I：累积误差补偿 KT-ctrl-022

定义比例控制应用后若仍有残余误差，积分项通过累加历史误差值寻求消除残余误差。当误差被消除时，积分项停止增长。

数学I_out = Ki·∫₀ᵗ e(τ)dτ；积分项是瞬时误差随时间之和，代表此前应被纠正的累积偏移。

Agent 映射：长期偏航的反思=累积历史误差加权修正（Ki），持续向 0 逼近消除稳态误差。但积分累积需防 windup（记忆过饱和），对应 Agent 对陈旧错误记忆的过度纠偏。

📚 证据来源

SRC	级别	信源
SRC-014	S2	Wikipedia PID（积分项消除残余误差）
SRC-015	S1	MathWorks pid 官方文档(Ki)

微分控制 D：预测性/超前调节 KT-ctrl-023

定义微分项通过评估误差变化率预测未来误差趋势，有助于抑制超调并增强系统稳定性，尤在系统快速变化时。

数学D_out = Kd · de(t)/dt（需加一阶滤波 Tf 抑制噪声）；离散用差分。预测误差趋势→anticipate。

Agent 映射：预测性反思=基于误差速率（振荡/过快收敛/发散）提前干预，阻尼震荡抑制超调，对应防过度修正（overshoot）的提前刹车。

📚 证据来源

SRC	级别	信源
SRC-016	S2	Wikipedia PID（微分预测未来误差趋势）
SRC-017	S1	MathWorks pid 官方文档(Kd,Tf)

PID 整定与 Ziegler-Nichols 调参 KT-ctrl-024

定义PID 整定是寻找比例、积分、微分增益取值以达到期望性能。Ziegler-Nichols 是启发式整定法：将 I/D 置零，逐步增大 Kp 直至极限增益 Ku 处出现稳定等幅震荡，再用 Ku 与震荡周期 Tu 推求参数。

数学ZN 整定找极限增益 Ku 与周期 Tu；典型取值 P=0.6Ku、PI=0.4Ku/Tu；调参本质平衡响应速度与稳定性。

Agent 映射：校准反思力度阈值（Kp/Ki/Kd），试探性增大修正强度直至临界震荡（超调/反复），再回退。对应超参数（反思频率）的启发式调试。

📚 证据来源

SRC	级别	信源
SRC-018	S2	Wikipedia Ziegler-Nichols method
SRC-019	S1	MathWorks PID Tuning

误差收敛直觉与稳态误差/超调 KT-ctrl-025

定义稳态误差（SSE）是期望最终输出与实际输出之差；比例控制因需非零误差驱动通常存在稳态误差。超调（overshoot）指响应越过目标值后回摆，由微分项 damp 抑制。

数学SSE 正比于系统增益相关量；瞬态=transient，稳态=steady state；误差收敛≈误差随时间指数缩小直至落入稳态带，期间可能过冲后回摆。

Agent 映射：任务收敛=误差历经瞬态（初始震荡）后进稳态；出现 overshoot 表示修正过度需 D（预判）抑制；稳态误差表示仅靠 P 无法完全归零需 I（累积）解决。

📚 证据来源

SRC	级别	信源
SRC-020	S2	Wikipedia PID（稳态误差 SSE）
SRC-021	S2	Wikipedia Steady state (electronics)

状态反馈 LQR（PID→现代控制衔接） KT-ctrl-026

定义状态反馈控制通过算法最小化成本函数求得反馈增益，成本函数定义为关键测量量（状态偏差）与控制量的二次加权和。LQR（线性二次调节器）给出最优控制律 u = -Kx。

数学成本函数 J=∫₀^∞(x(t)ᵀQx(t)+u(t)ᵀRu(t))dt（可含 2xᵀNu 交叉项）；最优反馈 u=-K_lqr x，K=R⁻¹(BᵀP+Nᵀ)；P 由代数 Riccati 方程（ARE）0=AᵀP+PA+Q−PBR⁻¹BᵀP 求解。LQR 是 PID 从 SISO 向多变量状态空间的扩展。

Agent 映射：由 PID 的局部修正式误差归零，升级为状态空间（完整内部状态+成本加权）全局最优修正；带约束 R 限制修正幅度→对应 Agent 显式成本函数权衡（短期修正 vs 过度干预）。

📚 证据来源

SRC	级别	信源
SRC-LQR-01	S1	MIT OCW 16.30/16.31 Topic #12 LQR (lec12.pdf)
SRC-LQR-02	S1	Stanford EE363 Lecture 18 Continuous-time LQR (Boyd/Lall)