虽然超调量减小为0，但是调节时间明显增加。因此，在实验过程中要注意平衡超调量和调节时间。
6
探究2：学习速率对输出结果的影响
我们通过探究发现，改变学习速率?p，?i，?d也会影响调节时间和超调
量。
具体如下：
.增大比例学习速率?p，超调量增加，调节时间减小。
（xiteP=2;xiteI=0.35;xiteD=0.40）
7
.增大积分学习速率?i，超调量减小，调节时间增加。（xiteP=0.40;xiteI=20;xiteD=0.40）
.增大微分学习速率?d，超调量减小，调节时间增加。
8
（xiteP=0.40;xiteI=0.35;xiteD=20）
探究3：权系数初值对输出结果的影响
我们发现，改变权值系数?i(k)i?1,2,3的初始值，也可以影响调节的过程，这是由于如果初始值接近于调节后的终值，那么调节时间会更快，更有利于调节过程。但如果初始值选择不当，可能导致系统不稳定。令初始权系数都为1。
9
与初始权系数都为0.1时差别较大。
四、实验结果分析
增益K的选择非常重要，K值对系统的影响非常大。如果K值偏大将引起系统响应超调过大，而K值偏小则使调节过程变长。因此，具体仿真时，我们是先根据经验确定一个K的初值，再根据仿真结果来调整。
学习速率?p，?i，?d对输出的影响也较大。可以根据经验先选择一组初始值，再分别调整三个学习速率。一般来说，可以在一个相对较宽的范围内调节三个参数，因为它们都有一定的裕度，在一个较大的范围内都能取得较好的效果。
三个权值系数的初始值对系统也有影响，当初始值选择不恰当时，可能造成系统不稳定；当选择恰当时，又能起到减小稳态误差的作用。它们的选择更多的事依靠经验，相当于PID环节的三个系数。
总的来说，常规PID控制响应虽然较快，但是超调量一般来说比较大。而采用有监督的Hebb学习规则的单神经元PID控制相对来说响应速度更快，超调量更小，但是参数选择不当时会造成系统的发散。还可以在有监督的Hebb学习规则的基础上探究新的更好的学习规则，控制效果会更好，鲁棒性会更强。
10