增量式一阶惯性PD调节算法

根据提供的引用内容，增量式算法不需要做累加，控制量增量的确定仅与最近几次偏差采样值有关，计算误差对控制量计算的影响较小。因此，增量式一阶惯性PD调节算法可以通过以下步骤实现：

1. 定义比例系数Kp和微分时间常数Td。
2. 初始化误差e和上一次的误差e_pre为0。
3. 在每个采样时间间隔T内，计算当前误差e和误差变化率de。
4. 计算增量式控制量delta_u = Kp * (e - e_pre + Td * de)。
5. 将增量式控制量delta_u加到上一次的控制量u_pre上，得到当前的控制量u。
6. 将当前的控制量u作为下一次的上一次控制量u_pre。
7. 重复步骤3-6，直到系统达到稳态。

下面是一个Python实现的例子：

Kp = 0.5  # 比例系数
Td = 1.0  # 微分时间常数
T = 0.1   # 采样时间间隔

e_pre = 0.0  # 上一次误差
u_pre = 0.0  # 上一次控制量

# 模拟系统
y = 0.0  # 系统输出
y_set = 1.0  # 系统设定值

for i in range(100):
    # 计算误差和误差变化率
    e = y_set - y
    de = (e - e_pre) / T

    # 计算增量式控制量
    delta_u = Kp * (e - e_pre + Td * de)

    # 计算当前控制量
    u = u_pre + delta_u

    # 更新上一次控制量和误差
    u_pre = u
    e_pre = e

    # 模拟系统响应
    y += u * T

    print("第{}次采样，系统输出：{:.2f}，控制量：{:.2f}".format(i+1, y, u))