我们前面学会了求解一阶二阶传递函数的动态性能指标，也会计算例如超调量/调节时间这类指标，我们希望的一个系统他的超调量要小，调节时间要短，但对于不是很理想的系统，我们难道就放任不管吗
我们其实有两种矫正方法
1.测速反馈-------增加阻尼
2.比例-微分------提前控制
所谓的测速反馈，就是在原反馈内部加上一个求微分的反馈，路程求微分=速度，所以叫测速反馈。
理解：测速反馈中求微分相当于查看单位阶跃响应的曲线陡峭程度（超调量越大，曲线越陡峭）
再根据这个去遏制曲线，使得曲线平滑，本质上其实是对阻尼比的遏制，减小阻尼比达到减小超
调量的目的
而比例微分法就是PID控制中的PD部分，具体就是在反馈环内，模块之前加上一个并联的比例微分模块
当这两个方法的k相同时，他们的传递函数很像，有一样的极点，不同点在于比例微分法比测速反馈多一个零点（-1/k）
极点相同得到 ξ，ω相同
相比之下
1.超调量：测速反馈 < 比例微分
2.峰值时间：测速反馈 > 比例微分
3.调节时间：测速反馈 > 比例微分
为什么指标不一样呢？因为对于有非零零点的情况，不是一样的算法
如上图给出的公式，就是零极点法，也是导致两个方法得到的指标值有差别的关键所在
下面顺便说一说PID吧
PID具体实现我们这里不表，只说说原理吧
P：比例
I：积分
D：微分
先抛开这些，我们了解一下，如果没有这个pid的控制情况是怎么样的
假设这样一个情景：一辆车要沿着一条线走，现在他还在路边停着呢，那我肯定是开车朝着线一头莽过去，到了线那边我刹车，但是惯性大没能停下来，直接开过了线，那我怎么办？肯定回头再莽一波，然后又过了，我再莽。。。。虽然很蠢的亚子，但是我每次都确确实实在朝着线靠近啊，理论上我最后是可以按着线走的。
上面就是没有pid的一般情况，而PID的任务就是让我在可见的时间内快速完成在线上开车的目标。
0聪明的你们一定发现了，什么特喵的开车，我不就在说单位阶跃响应曲线吗，没错，说到底就是让曲线快速逼近稳态值。
P：比例，说白了就是稳态值
D：微分，具体说就是增大我踩刹车时候的摩擦力，让我不要因为惯性飘出去太远
I：积分，其实是一个消除稳态误差的手段，对缩短调节时间也是很有帮助的
具体详细的PID算法讲解我会专门写一篇放在我的Pixhawk学习记录的分类之中
对于高阶系统的传递函数，其实并没有多么神秘：
1.按照我们一贯的做法，从传递函数用Laplace解出h(t)
2.画出零极点图
3.去掉离虚轴远的极点，去掉偶极子（靠的近的一对 ：零点和极点）
4.最后留下一 二 三阶系统
然后对照表格，按照公式估算得出答案：
附加零极点对动态性能指标的影响
增加零点会使阻尼比减小，超调量变大，峰值时间减小
增加极点会使阻尼比增大，超调量减小，峰值时间变大
下面这个解释估计只有我自己能懂了。。
说明了三个参数之间的关系
前面我们说了 阻尼比就想约束曲线靠近的力，它越小，你越会离经叛道，所以超调量变大
同时因为对你的约束力小，你一出来就像脱缰的野猪，跑向稳态值的方向角比较大，（越小的阻尼比，使得上升曲线越像垂直于稳态值）然后你太飘，收到的打击越大，越容易悔改，所以是最早回头的，峰值就在你回头的时候出现了，所以到达峰值的时间会短
记忆方法：
增加一个极点，就可以记忆为从1阶系统变成2阶，从一个单调的变成了有凸出的曲线，显然是组你比变小了
零点相反