控制系统经典设计方法：PID、根轨迹与频域校正实战

我做了很多年控制系统项目一个感受特别深刚入行的工程师手里握着状态空间、模型预测、自适应控制这些高级工具可真到了现场面对一个温度回路、一个液位回路最管用的往往还是那几样老家伙——PID、根轨迹、频域校正。这不是保守而是经典设计方法经历了大量实际工程的检验它把系统稳不稳、跟不跟得上、抗不抗干扰这几个核心问题回答得非常透彻。这篇文章是控制系统建模仿真系列的第七篇标题是控制系统的经典设计方法。前六篇我们把模型怎么建、仿真环境怎么搭、线性系统怎么分析这些基础打了下来这一篇要解决的是实战问题拿到一个被控对象之后怎么用经典方法把它调好。我写的内容偏工程向但会尽量把背后的原理讲透适合自动化专业学生、刚入行的控制工程师以及想从会建模走向会设计的仿真工程师。1. 经典设计方法解决什么问题先看懂控制器要面对的三类需求1.1 被控对象千差万别但设计目标可以归类不管是自来水厂的液位控制、化工厂的温度回路还是无人机的高度保持被控对象差别巨大但设计控制器时需要回答的问题其实就三句话系统稳不稳定能不能快速跟上给定值受到扰动之后压不压得住、误差能不能消除这三句话翻译成控制术语就是稳定性、动态响应和稳态精度。经典设计方法的全部内容本质上就是围绕这三个指标做权衡。它不像现代控制理论那样追求全局最优而是追求够用且可靠。举个例子你在锅炉汽包液位控制里想要无超调和你在伺服电机位置控制里想要最快到位设计目标是不一样的。但经典设计方法给你提供了一个统一的思考和实验框架先建模再分析闭环特性然后通过调整控制器参数或者加校正环节逐步逼近目标。这个框架的好处是直觉性强你不需要在每一步都动用复杂的数学工具大部分时候用传递函数、频率响应就能把问题想明白。经典设计方法还有一个容易被忽略的价值它给不同专业背景的人提供了共同语言。工艺工程师不明白什么叫主导极点但你说这个回路相位裕度不够容易震荡他们能立刻理解问题的严重性。这种沟通效率在工程项目里非常宝贵。1.2 三类经典问题稳定、快速、准确稳定是底线。系统连稳定都做不到谈别的没有意义。经典方法里判断稳定性有劳斯判据、根轨迹穿越虚轴、Nyquist曲线包围临界点等工具。工程上我最常用的是根轨迹和Bode图因为它们不仅告诉你稳不稳还能告诉你离不稳定还有多远——这个距离信息在设计阶段非常宝贵。比如根轨迹上极点离虚轴很近说明你再加大一点增益系统就可能振荡这种提前量能帮你在现场出问题之前就规避掉。快速性是用户感受最直观的。一个阀门从开度指令到实际开度跑到位一个机械臂从一个点位到另一个点位大家最关心的就是多久到位和中间会不会抖动。经典方法里快速性与闭环带宽、主导极点实部位置直接挂钩。Bode图上就是穿越频率ωc根轨迹上就是主导极点距离虚轴的远近。这两个指标一个在频域、一个在复平面但它们描述的其实是同一件事系统的响应到底有多快。准确性则决定了系统在稳态下能不能指哪打哪。纯比例控制的典型问题是存在静差这时候要靠积分环节把误差吃掉频域校正里的滞后环节本质上也是在低频段抬高增益来消除稳态误差。这个道理很简单但动手设计时很多人会忘了分析误差的类型——是输入引起的稳态误差还是扰动引起的稳态误差两者对控制器结构的要求不一样不加区分就调参数经常南辕北辙。1.3 为什么七讲还要聊经典数字时代的工程现实可能有读者会问现在满世界都是MPC、自抗扰控制ADRC、深度学习控制还花一整篇讲经典方法是不是过时了我的看法恰好相反。我自己做过不少DCS集散控制系统项目也见过西门子PCS7这类过程控制平台里的高级过程库里面确实有不少现代算法模块。但工程现实是底层回路——那些直接顶着阀门、泵、加热器的控制回路——绝大多数还是PID在扛。而且即便是高级控制策略也需要一个稳得住的底层回路作为基础。你不可能让MPC去直接驱动一个调不稳的PID回路那等于在烂地基上盖楼。另外经典设计方法是理解现代控制理论的重要预备知识。你在理解LQR、H∞这些现代方法时如果脑子里没有根轨迹、带宽、稳定裕度这些概念学起来会相当吃力。反过来有了经典方法的底子现代方法里的许多指标——比如灵敏度函数、闭环带宽——就有了直观的物理参照不再是一堆抽象的矩阵。所以这一篇的内容不古它是整个控制系统建模仿真知识体系里的承重墙。2. 从模型到仿真链路搭建一个能说服自己的被控对象环境经典设计方法的第一个前提是有一个可信的被控对象模型。前几篇讲了建模方法这里我想强调仿真链路的搭建——因为设计方法用得再熟如果仿真环境偷懒后面所有结论都站不住脚。2.1 模型不是越精确越好很多刚接触仿真的人有个误区模型越复杂、阶数越高仿真就越真。实际恰恰相反。我从一个温度对象说起。假设一个电加热炉输入是加热器功率输出是炉内温度。最粗略的模型可能是一个一阶惯性环节加纯延迟G(s) K e^(-τs) / (T s 1)这里的K是稳态增益T是时间常数τ是纯延迟。对工程整定来说这三个参数其实已经能支撑大部分设计。如果你非要把炉壁热传导、空气对流、工件吸热都建模进去变成十几个参数的偏微分方程组仿真当然更精细但设计控制器时会非常痛苦参数太多、机理太复杂你根本不知道控制器改动对应的是哪个物理过程。我的一条经验是给经典设计用的模型保留主导动态特性就够了。判定标准是——在激励信号相同的前提下简化模型和精细模型的时域响应曲线能大致重合或者至少特征量超调量、调节时间、稳态值在同一数量级。达到这个标准就可以放心用。工程师面对的是设计决策不是学术论文抓大放小才是正路。2.2 把传递函数变成可仿真的对象模型通常以传递函数形式给出接下来要做三件事验证模型的稳定性与基本响应阶跃响应、脉冲响应加上控制器形成闭环注入扰动和噪声模拟真实工况。在MATLAB/Simulink里一个很典型的链路是这样搭的。先用传递函数对象定义被控对象% 被控对象一阶惯性加纯延迟K2, T10, tau2 s tf(s); P 2 * exp(-2*s) / (10*s 1); % 纯延迟在tf中用exp(-tau*s)表示如果是离散系统则用c2d转成离散传递函数Ts 0.1; % 采样周期 Pd c2d(P, Ts, zoh); % 零阶保持器离散化然后搭成闭环最直接的方式是用反馈函数% PID控制器先用一个P控制器占位 C 1.5; % 闭环传递函数 T_loop feedback(P * C, 1, -1);这里的feedback第三个参数-1表示负反馈也就是工程里最常见的闭环结构。搭好之后用step看阶跃响应用bode看开环频率特性。这里有一个很实用的小技巧纯延迟环节在模型仿真里永远是大坑。在Simulink非线性仿真里直接用Transport Delay模块就可以但在线性分析工具里exp(-tau*s)会让系统变成非有理传递函数很多频域计算会因此出问题。工程上的替代做法是用帕德近似Pade Approximation比如PadeDelay pade(exp(-2*s), 2); % 二阶帕德近似这样就把纯延迟转化成有理传递函数根轨迹、Bode图都能正常分析。代价是引入了额外的零点极点但工程上精度足够。很多仿真结果和现场对不上就是因为这一步偷懒没有处理。2.3 扰动与噪声的注入仿真的真实性很多人在仿真时只测给定值阶跃这一种工况这远远不够。真实控制系统里输入侧有负载扰动比如电网电压波动、负载变化输出侧有测量噪声比如热电阻的噪声、编码器的量化误差。一个成熟的做法是建立双通道扰动态的闭环仿真结构参考输入r经过控制器在对象输入端叠加负载扰动d1一般用阶跃或缓慢变化的信号模拟在测量输出端叠加噪声d2一般用白噪声信号模拟。这样你就能分别观察控制器对给定值变化的跟随能力和对扰动的抑制能力。这两者其实常常是矛盾的提高增益可以更快跟随给定值但也会放大噪声加入积分环节能消除静差但可能增加超调。很多指标取舍只有在这种完整工况下才能看得清楚。这一节我想特别提示一个容易踩的坑仿真里的大超调很可能不是控制器参数的问题而是你忘了加执行机构饱和幅值限制和变化率限制。比如阀门开度只能0到100%加热器功率上限是额定值。如果你在仿真模型里不加这个限制控制器输出虚拟地非常大响应曲线看着很漂亮但一到现场全部失灵。后面第6部分我会再展开。3. PID整定工程界最常用也最容易被忽视的经典方法PID是整个经典设计方法里最核心、也是工程覆盖最广的一招。这里我打算讲三件事PID各环节的物理意义、几种整定方法、工程化的增补处理。3.1 PID三个环节各自的脾气比例P是现在错多少就纠正多少。它的作用是立即响应误差但纯比例控制的稳态误差一般消不掉。积分I是把过去的错误积攒起来慢慢纠正它能消除稳态误差代价是可能带来超调与振荡还容易饱和。微分D是看误差变化的趋势提前踩刹车它能抑制超调、增加阻尼但对噪声极其敏感——测量信号一抖微分输出就会跟着剧烈跳动。这三句话几乎每个学控制的人都知道但到了现场就不一定记得住。我调过很多温控回路最典型的失败操作是系统振荡了第一反应是把积分调小或者关掉不敢动微分。其实很多振荡的根源是增益太大、执行机构饱和或者纯延迟太长积分只是背了锅。先看执行机构是不是到限位了再看纯延迟大小最后才动积分这个排查顺序能省很多弯路。还有一个很关键的经验D环节一定要配合滤波使用。比如温度控制里热电偶本身的噪声不小直接对误差做微分出来的控制信号全是毛刺。工程实现里通常会在微分通道加一阶低通滤波或者干脆用微分先行结构——只对测量值做微分不对设定值做微分避免设定值突变引起微分爆冲。这个细节很多人不知道但它是PID调稳的重要前提。3.2 齐格勒-尼科尔斯整定与基于模型的整定PID参数整定方法大体上分两类基于试验的和基于模型的。基于试验的最经典是Ziegler-Nichols法简称Z-N。它的操作思路很简单先只保留比例环节逐渐增大增益直到闭环系统产生等幅振荡记录此时的临界增益Kcr和振荡周期Tcr然后按经验公式推PID参数。% 模拟Z-N试验P控制器增益Kcr8时临界振荡 Kcr 8; % 临界增益触发振荡时的P增益 Tcr 5.6; % 临界振荡周期秒从响应波形中读出 % 按Z-N公式计算PID参数 Kp 0.6 * Kcr; Ti 0.5 * Tcr; % 积分时间 Td 0.125 * Tcr; % 微分时间 Ki Kp / Ti; Kd Kp * Td;Z-N法的优点是快、直观不需要知道对象模型现场就能做。缺点是它是在极限边缘做试验实际系统的执行机构、安全约束都可能不允许你去触发等幅振荡。比如加热炉你是不是真的愿意看着炉温大幅振荡一番大多数情况下不愿意。所以Z-N法的现场应用会受到安全限制。基于模型的整定则温和一些。以温控系统为例如果你通过阶跃响应提取了对象模型 G(s) K e^(-τs)/(Ts1)那么可以用Cohen-Coon法或者Lambda整定法来算PID参数。Lambda法的思路比Z-N友好得多它通过指定闭环时间常数λ来确定整定的快慢λ越大系统越慢但越稳λ越小响应越快但越容易振荡。在实际过程中这个λ往往是工程师根据现场可接受的调节时间拍出来的非常实用。% 对象参数由阶跃响应曲线读取 K 2; T 10; tau 2; % Lambda法整定比如取 lambda T/2 lambda 5; Kp (T/(lambdatau)) / K; Ti T; Td 0;参数整定出来之后不是一劳永逸的。工程上我还习惯做闭环阶跃测试的三步验证设定值小幅阶跃比如5%看超调量、振荡次数、调节时间在对象输入端加负载扰动阶跃输出指令20%看偏差能否被抑制回零测量信号加入小幅白噪声看控制输出是否在可接受范围内抖动。三步都过关这组PID参数才算真正能用。3.3 抗积分饱和与微分先行的工程化处理现场PID和教科书PID最大的区别就是工程上必须处理执行器到顶的问题。想象一个液位控制水箱空了补水阀全开液位还是很低此时误差一直很大积分项不停累加控制器输出远大于100%。等到液位终于上来误差转负积分项还要先消化掉之前累积的惯性导致阀门迟迟不关液位严重超调。这就是积分饱和。解决积分饱和最常用的办法是积分限幅和积分分离。积分限幅最简单人为规定积分项输出的上下限比如±10%。积分分离更聪明一点当误差超过某个阈值时积分项暂停累加误差小下来后再恢复。两种方法在常见PLC和DCS上都有现成功能块比如西门子PCS7过程库里的PID功能块基本都内置抗积分饱和选项关键是你要知道它存在并且会用。微分先行也值得重点提。传统PID结构是对误差做微分当设定值从一个值跳到另一个值时误差瞬间突变微分项会输出一个大脉冲这就是微分爆冲。改成对测量值做微分后设定值变化不会直接冲击微分通道响应平滑很多。运动控制系统里非常常见建议优先考虑。4. 根轨迹法当增益成为设计变量时极点会怎么走PID整定能解决大部分回路但如果被控对象本身有延迟、有振荡特性或者你对动态响应的要求比较高就得用更系统的工具。根轨迹法是经典方法里最有全局视野的一种。4.1 根轨迹到底在画什么根轨迹回答的问题很简单如果开环增益K从0变化到∞闭环极点会怎么移动把这些极点的运行轨迹画出来就是根轨迹图。为什么看极点移动很重要因为闭环系统的动态特性主要由主导极点决定。如果某个极点离虚轴很近系统就慢如果极点跑到右半平面系统就不稳如果一对共轭复数极点离实轴太近阻尼就弱、振荡就厉害。所以根轨迹图一旦画出你立刻能直观看到增益调到哪个位置极点会进入危险区域。在MATLAB里画根轨迹只要一行sys_open P * C; % 开环传递函数 rlocus(sys_open);如果你用的是前面那个带纯延迟的模型记得先用帕德近似把它变成有理函数否则根轨迹函数会报错或画不出来。工程直觉上根轨迹最有价值的点在于它能告诉你稳定性和快速性的边界而不只是一个稳定/不稳定的结论。比如当K超过某个值时一对共轭极点可能穿越虚轴系统进入振荡发散区。这个K的临界值比一句系统稳定有信息量得多。4.2 用根轨迹确定增益与校正器位置当模型精度可以接受你手里又有一张根轨迹图时确定K的步骤可以这样走指定期望的动态特性。比如想达到阻尼比ζ0.7、调节时间约2s那么期望主导极点大致落在 s -σ ± jωd 的位置其中 σ≈4/Ts调节时间经验公式ωdσ·tan(arccosζ)。在根轨迹图上检查期望极点是否落在轨迹上。如果正好在直接用鼠标或rlocfind读出该点对应的K即可。如果期望极点不在轨迹上说明单纯调K解决不了必须加入校正器比如增加零点改变轨迹形状。% 寻找根轨迹上指定极点对应的增益 [K_selected, poles_selected] rlocfind(sys_open);rlocfind是每个学根轨迹的人都要掌握的交互命令鼠标点一下就返回附近极点的坐标和对应的K。实际工作中我很少手动去精确匹配更多是用它来快速知道如果K取某一个量级系统的主导极点大概在哪、阻尼大概是多少。这样后面调PID或设计校正器时心里就有底。4.3 实战案例把振荡极点拉进阻尼区域我举一个做伺服系统时的案例。某个直流电机位置伺服的简化模型是双重积分加惯性环节开环传递函数大约形如 G(s)K/[s(s2)]。初始设计时只调增益根轨迹显示K一增大一对共轭极点就沿着虚轴方向走阻尼比上不去系统响应呈明显振荡超调量30%以上。后来在控制器里加入比例-微分PD环节等价于增加一个零点。在根轨迹图上新增零点会对极点移动产生吸引作用把原来要往虚轴方向跑的极点拉向左半平面阻尼比明显改善。通过调整零点的位置和K最终把阻尼比从0.2拉到了0.6左右阶跃响应超调从30%降到了10%以内。这个案例里根轨迹的用处不是算出唯一正解而是让你看到哪个参数改变会让你离目标区域更近。这种可视化调参的直觉是经典方法最大的价值。5. 频域校正Bode图背后的相位裕度与幅值裕度如果你看很多现场老师傅调试他们可能不画根轨迹但Bode图的概念一定绕不开——哪怕只是阻尼比大点、带宽大点这种说法背后本质都是在说频域指标。5.1 为什么工程师都爱看Bode图Bode图把系统的频率特性拆成幅频和相频两张图。它的好处是系统开环的Bode图可以直接告诉我们闭环的稳定性而无需求解闭环极点。这就是经典Nyquist判据的Bode形式只要剪切频率处的相位裕度足够大系统闭环就稳定且有足够的阻尼。举个例子。一个系统的开环Bode图里在幅频曲线穿过0dB的频率剪切频率ωc处如果相位已经接近-180°说明系统几乎在反向运动这时闭环后哪怕有一点延迟都容易振荡。相位裕度PM就是在ωc处相位距离-180°还有多少余量。这个直觉比一堆数学判据更适合工程沟通因为你可以很自然地和电气工程师、工艺工程师对话这个回路再加一点增益就离震荡不远了。在MATLAB里看稳定裕度可以直接用margin(sys_open);输出会直接标出相位裕度、幅值裕度和剪切频率。5.2 相位裕度、幅值裕度怎么取工程设计上有一个比较公认的经验范围指标经验范围说明相位裕度PM30°~60°低于30°易振荡高于70°响应往往太慢幅值裕度GM≥6dB开环增益再放大一倍仍能稳定剪切频率ωc与闭环带宽相关决定响应快慢受采样周期约束需要特别说明的是相位裕度和阻尼比不是严格对应但有近似关系。对二阶系统PM约等于100ζ以度为单位ζ在0到0.7之间时近似程度不错。想要阻尼比0.5PM至少得50°左右。所以当你看到系统阻尼比不足时直接看Bode图上的PM就能大概判断问题在哪。有些纯延迟比较大的系统比如长管路温度控制相位裕度会被压得很低。这时候光靠PID增益已经撑不住需要加入校正环节来补相位。5.3 滞后-超前校正实例频域校正的核心思路是通过在特定频段改变开环频率特性达到期望的PM和带宽。最常见的两种基本环节是滞后校正和超前校正。滞后校正主要在低频段抬高增益改善稳态精度同时略微降低剪切频率代价是响应变慢超前校正则在中频段提供相位超前提升PM增加阻尼同时推高带宽响应更快。实际工程中两者经常合起来用叫滞后-超前校正。我举个例子。某温度控制对象的开环传递函数为 G(s)10/(s(s2))原始设计PM只有25°阶跃响应振荡比较明显。设计目标PM≥45°、幅值裕度≥10dB。设计步骤大致这样画出当前开环Bode图测出当前PM25°计算需要补偿的相位增量约20°到30°留余量。设计超前环节把零点放在当前剪切频率附近极点放在更高频处使中频段相位抬升。设计滞后环节把零点放在低频比如0.1ωc极点放在更低频处比如0.01ωc保证低频增益抬高的同时不影响中频相位。在MATLAB里组合成校正器C(s)用margin(C*G)验证新的PM和GM是否达标。反复微调零点、极点位置直到满足指标。频域法看着像试凑其实背后有清晰规律。有经验的工程师会先把期望PM对应的相位缺口算出来再用超前环节的公式估算零点与极点比例α (1 - sinφm) / (1 sinφm)其中φm是希望由超前环节提供的最大相位超前量。由α可以确定超前环节转角频率的大致分布。这一套在教科书里有严格推导工程上我们通常用它估算数量级然后靠仿真微调。6. 从仿真台到现场经典设计在工程落地时的四道坎前面几部分我把经典设计方法的三大工具过了一遍。如果到此为止这篇文章基本可以当成教科书笔记看。但作为做过实际项目的人我更想把后面这些仿真与现场的差距讲清楚——这是课本不会写、但真正决定项目成败的地方。6.1 离散化连续域设计完要考虑采样周期经典方法通常在连续域s域里分析但实际控制器都是计算机离散化实现的必然引入采样周期Ts。采样周期的选取直接影响数字控制的性能上限。经验法则采样频率至少是闭环带宽的10到20倍。如果闭环带宽约1Hz那采样频率至少要到10Hz到20HzTs就是0.05s到0.1s。太慢的采样周期会让数字控制系统出现额外的相位滞后等效于降低了相位裕度现场表现就是本来仿真很稳上PLC后老振荡。控制对象类型典型时间常数建议采样周期温度回路数分钟1~10s液位回路数十秒0.5~2s流量回路数秒0.1~0.5s伺服/运动控制毫秒级0.1~1ms离散化方法也要注意。用零阶保持器ZOH做连续对象离散化是仿真中最接近物理实际的控制器本身的离散化常见的是用双线性变换Tustin或前向欧拉。双线性变换保留连续域的大部分频率特性工程中比较推荐。MATLAB中Cd c2d(C, Ts, tustin);调整好之后一定要把离散化的闭环重新仿真一遍对比连续域和离散域的阶跃响应。差别太大就说明采样周期不够快或者变换方法不合适。6.2 执行机构饱和仿真里最常被忽略、现场中最致命的问题执行机构饱和是控制系统非线性的第一大来源。阀门开度有上下限电机电流有额定值加热器功率有上限。控制器算出来一个很大的输出执行机构却只能给出有限响应。这时系统等效于控制器在忙、执行机构在限幅闭环增益下降整定好的PID参数可能完全失效。最典型的现象就是积分饱和后的严重超调。应对方法前面提过积分限幅、积分分离、条件积分——当输出达到饱和时暂停积分累加。许多现代PID功能块已经内置了这些功能但你必须确认在现场的组态里打开了。另外变化率限制也容易被忽略。比如阀门执行速度有限制每秒最多开多少。如果你在仿真里把阀门当作理想器件现场就会看到阀门永远跟不上控制指令的滞后而且这种滞后在过程控制里表现为额外的纯延迟进一步压低相位裕度。所以仿真模型里至少加两个模块饱和限幅模块和变化率限制模块。加上之后再看响应曲线那才接近现场真实表现。6.3 模型失配你设计的模型永远不是真实的那个经典设计依赖模型但任何模型都是对真实世界的近似。模型失配的来源很多参数随工作点漂移、未建模的动态比如管道中的高阶动态、非线性被线性化掉了。工程上的对策不是追求更精确的模型而是在设计阶段预留足够的稳定裕度。举个例子如果你按名义模型整定出PM45°模型参数漂移导致相位又掉10°现场仍有PM35°还过得去如果你当初把PM压到30°失配后可能就只剩20°基本处于振荡边缘。所以我在做设计时留出的相位裕度余量一般不少于目标值加5°到10°。这不是保守而是工程项目的存活策略。控制这东西稳定裕度就是安全气囊平时看不见真出事的时候能救命。6.4 信号噪声与滤波最后一道坎是信号质量。控制系统的测量信号如果太脏再好的控制器也白搭。经典设计方法里隐含的假设是测量信号干净但真实世界的传感器信号总有噪声热电偶的热噪声、编码器的量化噪声、压力变送器的脉动噪声。工程上常见的做法是加低通滤波但滤波也会引入相位滞后。滤波器的时间常数越大噪声滤得越干净相位滞后也越大对稳定裕度的伤害越重。这两者之间的矛盾需要通过仿真和现场响应来平衡。我个人在调试现场有一条经验优先处理噪声源头再谈滤波和控制器参数。比如某个振动信号干扰了温度读数也许只是传感器安装共振或者接地问题。如果你不去查源头只顾着加大滤波响应变慢不说还可能把真正的扰动也一并滤掉系统对扰动的抑制能力下降。信号处理和控制器的分工应该是传感器尽量干净滤波器做辅助控制器做性能。顺序反了后面所有工作都会事倍功半。到这里经典设计方法的三大工具——PID整定、根轨迹分析、频域校正——以及从仿真到现场的四道坎基本讲完了。说起来这套内容每一样在教科书里都有严格推导但在实际项目中我最大的体会是经典设计方法真正的优势不是它的数学深度而是它把稳定、快速、准确这几个工程目标和你手中的可调参数之间建立了非常直接、可感知的联系。如果你正在做过程控制项目建议把PID的工程化细节先吃透如果你做的是伺服、飞控这类动态响应要求高的系统那根轨迹和频域校正的配合使用一定是你的主力工具而不管哪个方向仿真环境里都把饱和、采样、噪声这三样加上再谈参数优化。这些坑我基本上都踩过一遍写出来就是希望大家少走弯路。