尝试解决家庭作业问题，可能需要一些帮助。我正在尝试使用Scipy的integrate.solve_ivp()函数在Python中模拟PID控件。

我的方法是在函数的右侧运行PID代码，使用全局变量并将其在每个时间步结束时附加到全局矩阵，如下所示：

solution = integrate.solve_ivp(rhs,tspan,init,t_eval=teval)

def rhs(dt,init):

    global old_time,omega0dot,rhs_t,omega0dotmat
    timestep = dt - old_time
    old_time = dt

    # UNPACK INITIAL
    x = init[0]
    y = init[1]
    z = init[2]
    xdot = init[3]
    ydot = init[4]
    zdot = init[5]
    alpha = init[6]
    beta = init[7]
    gamma = init[8]
    alphadot = init[9]
    betadot = init[10]
    gammadot = init[11]

    # SOLVE EQUATIONS
    (xddot,yddot,zddot,alphaddot,betaddot,gammaddot) = dynamics(k_d,k_m,x,y,z,xdot,ydot,zdot,alpha,beta,gamma,alphadot,betadot,gammadot,omega0dot)

    # CONTROL SYSTEMS
    z_des = 10

    err_z = z_des - z

    zPID = (1*err_z) + hover

    omega0dot = zPID

    rhs_t.append(dt)
    omega0dotmat.append(omega0dot)

    return [xdot,xddot,gammaddot]

全局变量在此函数之外初始化。您可能会注意到，我正在专门尝试模拟四旋翼飞机，其中四旋翼的线性运动和角运动取决于omega0dot，integrate.solve_ivp()代表转子速度，我正尝试使用PID进行控制。

我的困难在于solve_ivp()的时间步长。 PID控制的积分和微分部分都依赖于时间步长，但是dt函数具有可变的时间步长，有时似乎甚至会倒退时间，有时甚至没有时间步长（即dt

我想知道是否有更好的方法来进行此PID控制，或者我是否错误地解释了solve_ivp()中的{{1}}术语。任何帮助表示赞赏！

谢谢