控制演算法選擇

① TCP擁塞控制演算法之NewReno和SACK

改進原因分析
TCP Reno 提出的快速恢復演算法提高了丟失報文後的吞吐量和頑健性，但是：

僅考慮了每次擁塞發生時只丟失一個報文的情形。
實際網路中，一旦發生擁塞，路由器會丟棄大量的報文，即一次擁塞中丟失多個報文的情形很普遍。

下圖是Reno演算法中快速恢復狀態和擁塞避免狀態之間的相互轉換：

所以，網路在一次擁塞中丟棄了多個報文，被TCP Reno錯誤地分析為傳輸中發生了多次擁塞。過度的窗口減小導致了傳輸超時的發生。因此為了提高一次擁塞中丟棄多個報文情形下TCP的性能，必須使TCP終端減少盲目削減發送窗口的行為。

New Reno：基於Reno演算法的改進
NewReno TCP在Reno TCP的基礎上對快速恢復演算法進行修改，只有一個數據包丟失的情況下，其機制和Reno是一樣的；當同時有多個包丟失時就顯示出了它的優勢。

Reno快速恢復演算法中發送方收到一個新的ACK就退出快速恢復狀態，New Reno演算法中只有當所有報文都被應答後才退出快速恢復狀態。

NewReno TCP添加了恢復應答判斷功能，以增強TCP終端通過ACK報文信息分析報文傳輸狀況的能力。
使TCP終端可以把一次擁塞丟失多個報文的情形與多次擁塞的情形區分開來，進而在每一次擁塞發生後擁塞窗口僅減半一次，從而提高了TCP的頑健性和吞吐量。

兩個概念：部分應答（PACK）、恢復應答（RACK）

記TCP發送端恢復階段中接收到的ACK報文（非冗餘ACK）為ACKx，記在接收到ACKx時TCP終端已發出的序列號（SN）最大的報文是PKTy，如果ACKx不是PKTy的應答報文，則稱報文ACKx為部分應答（Partial ACK，簡稱PACK）；若ACKx恰好是PKTy的應答報文則稱報文ACKx為恢復應答（Recovery ACK，簡稱RACK）。

舉例來理解：
如果4、5、6號包丟了，現在只重傳4，只收到了4的ACK，後面的5、6沒有確認，這就是部分應答Partial ACK。如果收到了6的ACK，則是恢復應答Recovery ACK。

TCP發送端接收到恢復應答表明：經過重傳，TCP終端發送的所有報文都已經被接收端正確接收，網路已經從擁塞中恢復。

NewReno發送端在收到第一個Partial ACK時，並不會立即結束Fast-recovery，而會持續地重送Partial ACK之後的數據包，直到將所有遺失的數據包重送後才結束Fast-recovery。收到一個Partial ACK時，重傳定時器就復位。這使得NewReno的發送端在網路有大量數據包遺失時不需等待Timeout就能更正此錯誤，減少大量數據包遺失對傳輸效果造成的影響。

NewReno大約每一個RTT時間可重傳一個丟失的數據包，如果一個發送窗口有M個數據包丟失，TCP NewReno的快速恢復階段將持續M個RTT。

改進的快速恢復演算法具體步驟：

快速恢復是基於數據包守恆的原則，即同一時刻能在網路中傳輸的數據包是恆定的，只有當舊數據包離開網路後，才能發送新數據包進入網路。一個重復ACK不僅意味著有一個包丟失了，還表示有發送的數據包離開了網路，已經在接收區的緩沖區中，不再佔用網路資源，於是將擁塞窗口加一個數據包大小。

Reno和NewReno演算法仍存在的問題？
雖然NewReno可以解決大量數據包遺失的問題，但是NewReno在每個RTT時間只能一個數據包遺失的錯誤。為了更有效地處理大量數據包遺失的問題，另一個解決方法就是讓傳送端知道哪些已經被接收端收到，但用此方法必須同時修改傳送端和接收端的傳送機制。

缺乏SACK演算法時發送端只能選擇兩種恢復策略：

TCP SACK在TCP Reno基礎上增加了：

當一個窗口內有多個數據包丟失時：

減少了時延，提高了網路吞吐量，使更快地從擁塞狀態恢復。

SACK中加入了一個SACK選項（TCP option field），允許接收端在返回Duplicate ACK時，將已經收到的數據區段（連續收到的數據范圍）返回給發送端，數據區段與數據區段之間的間隔就是接收端沒有收到的數據。發送端就知道哪些數據包已經收到，哪些該重傳，因此SACK的發送端可以在一個RTT時間內重傳多個數據包。

整個TCP選項長度不超過40位元組，實際最多不超過4組邊界值。

通過一個wireshark示例來說明接收端的SACK行為:

上圖中ACK確認序列號為12421，SACK的塊左邊界值為13801，SACK的塊右邊界值為15181。明確了這三個參數的數值，我們基本上就可以計算出被丟棄的數據報的序列號和長度了。通過上圖所示的帶有SACK的數據報文，我們可以知道被丟棄的數據報文的TCP序列號為12422，其數據長度為13801-12421=1380B。

改進的快速恢復演算法：

【參考文獻】：
吳文紅，李向麗.TCP擁塞控制機制定量性能分析.計算機工程與應用.2008,44(18)
孫偉，溫濤，馮自勤，郭權.基於TCP NewReno的穩態吞吐量分析模型.計算機研究與發展.2010
陳琳，雙雪芹.TCP網路擁塞控制演算法比較研究.長江大學學報.2010,3
許豫飛，TCP擁塞控制演算法集齊性能評估.北京郵電大學.2005,3
劉擁民，年曉紅.對SACK擁塞控制演算法的研究.信息技術.2003,9
焦程波，竇睿彧，蘭巨龍.無線網路中選擇性重傳機制性能分析與改進.計算機應用研究.2007.3
James F.Kurose,Keith W.Ross，Computer Networking A Top-Down Approach Sixth Edition.機械工業出版社

原文： https://blog.csdn.net/m0_38068229/article/details/80417503

② 汽車巡航控制系統的軟體設計採用什麼演算法

Smith補償與大林演算法的比較
摘要:研究了兩類用於時滯系統控制的方法,即包括自整定PID控制Smith預估控制和Dahlin演算法在內的經典控制方法和包括模糊控制,神經網路控制和模糊神經網路拉制在內的智能控制方法,經過比較後認為經典控制結構簡單,可靠性及實用性強,而智能控制則具有自適應性和堅固性好,抗干擾能力強的優勢,因而將這兩種控制方法結合起來是控制時滯系統有效實用的方法,具有很好的應用前景.
1引言
在工業生產過程中,具有時滯特性的控制對象是非常普遍的,例如造紙生產過程,精餾塔提餾級溫度控制過程,火箭發動機燃燒室中的燃燒過程等都是典型的時滯系統.為解決純滯後時間對系統控制性能帶來的不利影響,許多學者在理論和實氏
上做了大量的研究工作,提出了很多行之有效的方法.本文主要介紹其中兩類研究得比較多的控制方法,即最早在時滯系統控制中應用的幾種經典控制方法和近年來受到廣泛關注的智能控制方法.
2經典控制
所謂經典控制方法是指針對時滯系統控制問題提出並應用得最早的控制策略,主要包括自整定PID控制,Smith預估控制,大林演算法這幾種方法.這些方法雖然理論上比較簡單,但在實際應用中卻能收到很好的控制效果,因而在工業生產實踐中獲得了廣泛的應用.
2.1自整定PID控制
PID控制器由於具有演算法簡單,魯棒性好和可靠性高等特點,因而在實際控制系統設計中得到了廣泛的運用,據統計PID控制是在工業過程式控制制中應用最為廣泛的一種控制演算法.PID控制的難點在於如何對控制參數進行整定,以求得到最佳控制
效果.較早用來整定PID控制器參數的方法有:Ziegler-Nichols動態特性法,Cohen-Coon響應曲線法,基於積分平方准則ISE的整定法等.但是這些方法只能在對象模型精確己知的情況下,
Cui,Kunfln Zhang,Yifei實現PID參數的離線整定,當被控對象特性發生變化時,就必須重新對系統進行模型辨識.為了能在對象特性發生變化時,自動對控制器參數進行在線調整,以適應新的工況,PID參數的自整定技術就應運而生了.目前用於自整定的方法比較多,如繼電型自整定技術,基於過程特徵參數的自整定技術,基於給定相位裕度和幅值裕度的SPAM法自整定技術,基於遞推參數估計的自整定技術以及智能自整定技術等.總體來看這類自整定PID控制器對於(T為系統的慣性時間常數)的純滯後對象控制是有效的,但對於大純滯後對象,當時,按照上述方法整定的PID控制器則難以穩定.
2.2 Smith預估控制
Smith於1957年提出的預估控制演算法,通過引入一個與被控對象相並聯的純滯後環節,使補償後的被控對象的等效傳遞函數不包括純滯後項,這樣就可以用常規的控制方法(如PID或PI控制)對時滯系統進行控制.Smith預估控制方法雖然從理論
上解決了時滯系統的控制問題,但在實際應用中卻還存在很大缺陷.Palmor提出Smith預估器存在這樣兩點不足:1.它要求有一個精確的過程模型,當模型發生變化時,控制質量將顯著惡化;2.Smith預估器對實際對象的參數變化十分敏感,當參數變化較大時,閉環系統也會變得不穩定,甚至完全失效.Watanabe進一步指出Smith預估器的兩個主要缺陷:1.系統對擾動的響應很差;2.若控制對象中包含的極點時,即使控制器中含有積分器,系統對擾動的穩態誤差也不為零.另外Smith預估器還存在參數整定上的困難,這些缺陷嚴重製約了Smith預估器在實際系統中的應用.針對Smith預估器存在的不足,一些改進結構的Smith預估器就應運而生了.Hang C C等針對常規預估控制方案中要求受控對象的模型精確這一局限,在常規方案基礎上,外加調節器組成副迴路對系統進行動態修正,該方法的穩定性和
魯棒性比原來的Smith預估系統要好,它對對象的模型精度要求明顯地降低了.Watanabe提出的改進結構的Smith預估器採用了一個抑制擾動的動態補償器M(s),通過配置M(s)的極點,能夠獲得較滿意的擾動響應及對擾動穩態誤差為零.對於Smith預估器的參數整定問題,張衛東等人提出了一種解析設計方法,並證明該控制器可以通過常規的PID控制器來實現,從而能根據給定的性能要求(超調或調節時間)來設計控制器參數.
2.3大林演算法
大林演算法是由美國IBM公司的Dahlin於1968年針對工業過程式控制制中的純滯後特性而提出的一種控制演算法.該演算法的目標是設計一個合適的數字調節器D(z),使整個系統的閉環傳遞函數相當於一個帶有純滯後的一階慣性環節,而且要求閉環系統的純滯後時間等於被控對象的純滯後時間.大林演算法方法比較簡單,只要能設計出合適的且可以物理實現的數字調節器D(z),就能夠有效地克服純滯後的不利影響,因而在工業生產中得到了廣泛應用.但它的缺點是設計中存在振鈴現象,且與Smith演算法一樣,需要一個准確的過程數字模型,當模型誤差較大時,控制質量將大大惡化,甚至系統會變得不穩定.實際上已有文獻證明,只要在Smith預估器中按給定公式設計調節器D伺,則Smith預估器與Dahlin演算法是等價的,Dahlin演算法可以看作是Smith預估器的一種特殊情況.

③ Apollo鎺у埗閮ㄥ垎4--妯鍚戞帶鍒跺櫒LQR綆楁硶璇﹁В

Apollo妯鍚戞帶鍒剁殑LQR綆楁硶娣卞害瑙ｆ瀽

浣滆咃細Wutong

鏃ユ湡錛2023騫3鏈23鏃 12:00

鍦ˋpollo鑷鍔ㄩ┚椹剁郴緇熶腑錛孡QR綆楁硶鍦ㄦí鍚戞帶鍒朵腑鍙戞尌鐫鍏抽敭浣滅敤銆傛湰鏂囧皢閫愭ユ彮紺鴻繖涓綆楁硶鐨勫ゥ縐橈紝浠庡熀紜鐭ヨ瘑鍒板疄闄呭簲鐢錛屽甫浣犳繁鍏ヤ簡瑙ｅ叾鍦ㄨ濺杈嗚礬寰勮窡韙涓鐨勭簿濡欎箣澶勩

1. 鎺у埗妯″潡鍩虹煶

棣栧厛錛岀悊瑙ControlComponent鍜孋ontrollerAgent鐨勫熀鏈鍘熺悊鏄榪涘叆LQR綆楁硶棰嗗煙鐨勫墠鎻愩傚畠浠鏋勫緩浜嗘帶鍒剁瓥鐣ョ殑鍩虹妗嗘灦錛屼負妯鍚戞帶鍒墮棶棰樼殑澶勭悊濂犲畾浜嗗熀紜銆

2. 妯鍚戞帶鍒剁殑鎸戞垬涓嶧renet鍧愭爣緋

鍦‵renet鍧愭爣緋諱笅錛屾垜浠瀹氫箟浜嗚濺杈嗙殑璇宸妯″瀷錛岀洰鏍囨槸璁╄濺杈嗙簿鍑嗚創鍚堝弬鑰冭建榪廣傝宸鍙橀噺鍖呮嫭浣嶇疆鍋忓樊銆佽掑害鍋忓樊鍙婂叾鍙樺寲鐜囷紝榪欎簺閮芥槸Frenet鍧愭爣緋諱笅琛￠噺鎺у埗鏁堟灉鐨勯噸瑕佹寚鏍囥

3. LQR綆楁硶鐨勬牳蹇冩帹瀵

LQR綆楁硶閫氳繃瀵繪壘鐘舵佺┖闂存ā鍨嬩腑鐨勬渶浼樻帶鍒跺櫒錛屾棬鍦ㄦ渶灝忓寲浠ｄ環鍑芥暟銆傚叾鍏抽敭姝ラゅ寘鎷鏋勫緩鐘舵佽漿縐葷煩闃碉紝璁捐′唬浠峰嚱鏁幫紝鐗瑰埆鏄鏉冮噸鐭╅樀鐨勯夋嫨錛屽弽鏄犱簡閫熷害鍙樺寲瀵規帶鍒跺搷搴旂殑閲嶈佹с

鍦ˋpollo涓錛孡atController綾葷戶鎵胯嚜Controller錛屽叾涓璉nit()鍑芥暟鍒濆嬪寲浜嗘墍鏈夊繀瑕佺殑緇勪歡銆傜姸鎬佺┖闂存柟紼嬩互璇宸涓哄熀紜錛岃冭檻杞鑳庡弬鏁拌皟鏁達紝紱繪暎鍖栧悗褰㈡垚Ad鍜孊d銆備唬浠峰嚱鏁版潈閲嶇煩闃佃祴浜堜簡閫熷害渚濊禆鐨勫炵泭錛屾帶鍒墮噺閫氳繃Riccati鏂圭▼奼傝В寰楀埌銆

瓚呭墠-婊炲悗琛ュ伩鍣ㄥ拰MPC鎺у埗鍣ㄦ彁渚涗簡棰濆栫殑鎺у埗絳栫暐錛屽畠浠璁＄畻琛ュ伩杞瑙掞紝浠ユ彁鍗囨帶鍒剁殑綺懼害銆傞氳繃鍓嶇灮綆楁硶錛岃＄畻棰勭瀯鐐硅宸錛屼負鎺у埗鍐崇瓥鎻愪緵鍓嶇灮瑙嗛噹銆

鍦↙atController鐨凜omputeControlCommand()鍑芥暟涓錛岃建榪瑰垎鏋愬櫒澶勭悊鍙傝冭建榪癸紝鐘舵佽漿縐葷煩闃墊牴鎹璇宸鏇存柊銆侺QR闂棰樼殑瑙ｅ喅鍖呮嫭璁劇疆鏉冮噸鐭╅樀Q錛岃皟鐢⊿olveLQRProblem()奼傚緱鐘舵佸弽棣堢煩闃礙錛岀『淇濇帶鍒舵寚浠ょ殑瀹炴椂浼樺寲銆

ComputeLateralErrors()鍑芥暟鍒╃敤鍓嶇灮鎺у埗綆楁硶璁＄畻heading_error_feedback錛岃孶pdateMatrix()鍜孶pdateMatrixCompound()璐熻矗鐘舵佽漿縐葷煩闃電殑鏇存柊銆傛渶緇堬紝閫氳繃LQR奼傝В鍣ㄨ＄畻鍑簊teer_angle_k_錛岀粨鍚堝弬鑰冭礬寰勫墠棣堝拰瓚呭墠-婊炲悗琛ュ伩錛屽艦鎴愬畬鏁寸殑杞瑙掑懡浠ゃ

8. 鍚庡勭悊涓庤漿瑙掗檺鍒

鐢熸垚鐨勮漿瑙掔粡榪囦竴緋誨垪鍚庡勭悊錛屽傞檺鍒跺湪瀹夊叏鑼冨洿鍐呫佹護娉㈠勭悊錛岀『淇濊緭鍑虹殑steer_angle鏃㈠噯紜鍙堢ǔ瀹氥傝漿瑙掗檺鍒剁瓥鐣ヨ繕鑰冭檻浜嗗厛鍓嶇殑杞瑙掑拰鍙樺寲鐜囷紝浠ヤ繚璇佸鉤婊戠殑鎺у埗鍝嶅簲銆

鎬葷殑鏉ヨ達紝Apollo鐨凩QR綆楁硶鏄瀹炵幇綺劇『妯鍚戞帶鍒剁殑鍩虹煶錛岄氳繃綺懼瘑鐨勬暟瀛︽ā鍨嬪拰綆楁硶璁捐★紝紜淇濊濺杈嗗湪澶嶆潅閬撹礬鐜澧冧腑紼沖畾銆侀珮鏁堝湴閬靛驚鍙傝冭建榪廣傛繁鍏ヤ簡瑙ｅ苟鎺屾彙榪欎竴鎶鏈錛屽皢鏈夊姪浜庢垜浠鏇村ソ鍦扮悊瑙ｈ嚜鍔ㄩ┚椹舵妧鏈鐨勭簿楂撱

④ 哪些控制類的演算法驚艷了你

經典控制設計方法，都是針對單輸入單輸出系統的頻域設計方法簡單的系統，用根軌跡法，分析控制參數變化對系統性能的影響。復雜的系統，用波特圖法，去看相頻裕度和幅頻裕度的大小，以及帶寬。現代控制系統設計方法，是針對多輸入多輸出的系統建立在狀態方程之上的，這方面研究的不多，不敢妄加評論。由於PID應用的太廣，所以形成了自己獨特的整定方法PID就是針對單輸入單輸出系統的，站在頻域角度去設計的，有一些經典的參數整定方法，比如ZN等，還有好多好多，為啥應用這么廣，因為簡單實用。

⑤ 如何在眾多mppt實現方法中合理選取最佳方案

MPPT技術已成研究熱點，其控制方法多樣，控制效果不盡相同，實現過程也大有區別。根據文[123]，可將各種控制方法分為間接近似控製法、直接采樣控製法以及人工智慧控製法3大類。間接控製法主要有曲線擬合法、查表法等;直接采樣控製法主要有干擾觀測法、電導增量法等;人工智慧控製法主要有模糊控製法、神經網路控製法等。
目前主要文獻均針對某一特定方法進行研究，缺乏對各種控制方法實際應用效果的系統化比較研究，採用實際控制平台進行實用性研究的則更少。
本文根據方法分類，選取最具代表性的干擾觀測法、電導增量法、模糊控製法作為研究對象，分別建立控制模型，採用MATLAB/Simulink對系統主電路及控制系統進行整體模擬，並在實驗平台上對各種方法分別進行實驗研究。
1各典型控制方法實現原理
1.1干擾觀測法的實現
干擾觀測法的原理是先讓光伏陣列工作在某一參考電壓下，檢測輸出功率，在此工作電壓基礎上加一正向電壓擾動量，檢測輸出功率變化。若輸出功率增加，表明光伏陣列最大功率點電壓高於當前工作點，需繼續增加正向擾動;若所測輸出功率降低，則最大功率點電壓低於當前工作點，需反向擾動工作點電壓[425]。
1.2電導增量法的實現
電導增量法通過比較光伏陣列的電導增量和瞬間電導來改變控制信號。由光伏陣列特性曲線可知最大功率點處滿足電導條件：

其中，VPV和IPV分別為光伏陣列輸出的電壓和電流，PPV為光伏陣列輸出的瞬時功率。根據判定結果調整參考電壓即可實現控制。
1.3模糊控製法的實現
定義輸出偏差E及其變化率CE作為模糊控制器的輸入，將控制系統所需要的控制變化量以微分dD的形式從模糊控制器輸出。若當前采樣和上次采樣數值分別用n和n-1來表示，則可定義模糊控制器輸入變數ec(n)及其變化率Δec(n)的函數表達式為:

定義模糊控制規則為:若當前正向調節控制PWM占空比使輸出功率增加，則繼續正方向調整，反之則反方向調節，調節幅度由具體的模糊規則表和隸屬度函數經模糊控制器輸出決定。定義模糊集合:ZO=零PS=正小PB=正大NB=負大NS=負小。定義模糊函數F(ec(n)，Δec(n))的輸入輸出隸屬度函數 E、CE、dD如圖1所示。
對模糊控制器輸出dD進行積分運算，即得控制所需的占空比D，輸出作用於主電路開關器件。
2系統模擬
根據MPPT的控制方法，建立由光伏電池通過Buck電路對蓄電池進行最大功率充電的主電路模型，採用MATLAB/Simulink進行模擬，模型中包括光伏電池模塊、主電路模塊和控制模塊，其電氣主電路模型如圖2所示。

圖1隸屬度函數E、CE和dD定義

圖2MATLAB/Simulink平台的電氣主電路模型
控制部分根據感測器采樣獲得數據分別採用上述不同控制方法進行MPPT控制，最後輸出開關器件的控制信號。模擬中，光伏電池模型額定功率為 300W，在0.025、0.03、0.035s不同時刻改變光照強度PU分別為700、800、900、1000W/m2，溫度參數定為25℃。為便於比較，采樣頻率統一為5kHz，干擾觀測法和電導增量法的電壓參考值單步變化量均為0.1V，模糊控制則由控制演算法自身判定。
干擾觀測法控制的MPPT模擬輸出曲線如圖3所示，圖3a為光伏電池PV輸出的電壓、電流曲線，圖3b為最大功率點跟蹤效果圖，系統從光照強度為700W/m2曲線右側啟動，顯示在光照強度劇烈變化下的跟蹤過程。
模擬中，圖3a電流波形上升沿較陡，說明能快速准確地進行MPPT跟蹤;圖3a輸出電壓電流振盪明顯，說明在最大功率附近反復調整;圖3b反映出MPPT運行點左右擺動較大。

圖3干擾觀測法控制下的MPPT模擬輸出曲線
同理，電導增量法控制的MPPT模擬輸出曲線如圖4所示。

圖4電導增量法控制下的MPPT模擬輸出曲線
模擬中，圖4a上升沿陡、超調量較小，體現系統動態響應較好;圖4b中MPPT運行點較為穩定，擺動幅度小，說明系統MPPT跟蹤效果較為理想，動穩態精度均較高。模糊控製法MPPT模擬輸出曲線如圖5所示。

圖5模糊控製法控制下的MPPT模擬輸出曲線
模擬中，圖5a電壓電流波形輸出均較平穩，說明系統穩態性能較好;圖5a中電流輸出超調衰減較慢，體現動態響應不夠靈活的缺點;圖5b體現MPPT運行點較為穩定。
3系統實驗
實驗平台由300W光伏陣列、蓄電池組、LEM霍爾電壓電流感測器等組成。系統由感測器采樣經調理電路轉換後由TMS320F2812DSP根據采樣數據和控制演算法最終輸出PWM控制脈沖控制開關器件，從而實現整個系統的控制。
實驗中採用遮蓋部分光伏電池並迅速移開的辦法產生光照變化效果，測試各種方法在光照強度變化下的跟蹤效果。
實驗波形如圖6所示。
圖 6a波形上升沿和下降沿變化迅速，體現出干擾觀測法跟蹤速度較快的特點，但上升沿和下降沿均出現電流毛刺，為光照強度劇烈變化時出現的誤判斷引起，且穩態運行時輸出電流波動范圍較大;圖6b上升沿和下降沿均較為平滑，體現動態響應快、跟蹤精度高的優點;圖6c中，當光照突然增大，電流增加迅速，但超調較大，說明動態響應精度不夠，系統調節速度較慢，但電流波形波動較小，最後仍能回到初始值，說明穩態精度理想。

圖6各種控制方法對應的MPPT實驗波形
本系統所用組件開路電壓85V左右，額定光照下最大功率點電壓為72V左右，實驗控制和經驗值完全一致。
43種MPPT方法比較
對以上模擬和實驗進行分析可以發現，干擾觀測法能快速准確進行MPPT控制，但在最大功率點附近振盪運行，穩態輸出波形有一定波動;擾動步長設定無法兼顧跟蹤精度和響應速度，選擇不當甚至會出現電壓失控現象，需進行多次嘗試才能選定最佳步長;在光照強度劇烈變化時會出現誤判斷。
電導增量法控制效果較理想，最大功率點附近較平穩，在光照強度變化劇烈的條件下也能快速跟蹤，跟蹤中無明顯毛刺現象。但其演算法實現時需要反復微分運算，計算量大，需要高速運算控制器，且對感測器精度要求較高，否則控制效果也不理想，出現擾動和振盪。本實驗採用的控制器和感測器性能較高滿足實驗要求，故此問題未突顯。
以模糊控制為代表的智能控制技術不需要精確研究光伏電池的具體特性和系統參數，系統控制設計靈活，穩態精度較高，控制系統魯棒性強。但模糊控制在光伏系統MPPT控制應用中存在動態響應較慢、適應能力有限、特定條件下易振盪等固有問題;模糊控制演算法復雜，其模糊推理和解模糊過程需要完成大量浮點運算，控制系統實時性難以滿足，實際應用中實現困難，採用 TMS320F2812定點DSP難以實現較高控制頻率，高性能控制需要更高性能的控制器，如TMS320F28335、TMS320VC33等浮點運算控制器，但系統成本較高。

⑥ 請問各位前輩，控制策略和控制演算法，他倆是啥關系

控制策略相當於使用什麼武器比方刀槍劍戟，控制演算法相當於選擇刀就要學習刀法，選擇劍就要練習劍法。