专栏⑰·第5篇：极限与导数实战——微积分 × ADC 采样离散化
原始 Flomo：https://v.flomoapp.com/mine/?memo_id=MjUwNzczOTgz
专栏⑰·第5篇：极限与导数实战——微积分 × ADC 采样离散化
📎 第4篇：课本定义 vs 工程实际 → https://v.flomoapp.com/mine/?memo_id=MjQ5MDI4MzMy
数学三问其一里说微积分的”以直代曲”太通用，不算嵌入式最独特的思维。但这条”通用”恰恰是它的价值——ADC 采样、PID 控制、PWM 占空比，全都是微积分思想的落地。这篇把极限/导数/积分和嵌入式实战一一对上。
一、极限——“离散化”的数学依据
课本定义： ε-δ语言。函数在x₀处极限为L，就是”无论你要多接近L（ε），我都能找到x₀附近的一个邻域（δ），让这个邻域内所有点的函数值都落在你的容差内”。
工程对应： ADC 采样。传感器信号是连续的，MCU 只能”每隔 Δt 采一个点”——这就是一个离散化过程。采样定理（奈奎斯特）：采样频率必须 ≥ 信号最高频率的 2 倍。为什么？用极限的语言说： 如果采样点之间的变化率（导数）太大，离散点无法还原连续信号。
一条工程经验： 判断一个信号能不能用 1kHz 采样——先量它的上升时间 t_r，带宽 ≈ 0.35/t_r。如果带宽 > 500Hz，1kHz 采样就不够（欠采样→混叠→读到假信号）。
二、导数——变化率是控制的核心
课本定义： f’(x) = lim_{h→0} [f(x+h)-f(x)]/h。几何意义是切线斜率，物理意义是变化率。
工程对应 1：PID 的 D 项。 微分项 Kd·de/dt——“误差变化得越快，越要提前抑制”。计算机里求导就是差分：(e[n]-e[n-1])/Δt。为什么 D 项对噪声敏感——差分放大了高频噪声（噪声的导数是毛刺）。
工程对应 2：速度估计。 用位置传感器（编码器）算速度——v = Δx/Δt。如果编码器分辨率低、Δt 又短，v 的估计会剧烈抖动——这是”差分放大噪声”的直接例子。解决办法：滑动平均滤波，或用观测器（卡尔曼滤波）——本质是把”数值微分”换成”模型估计”。
三、积分——累积量是状态的基础
课本定义： 定积分是黎曼和的极限——把区间切成 n 份，每份取个代表值，求和，n→∞。
工程对应 1：PID 的 I 项。 积分项 Ki·∫e dt——“把过去的误差累积起来，弥补稳态偏差”。计算机里就是累加器：sum += e[n]·Δt。为什么 I 项有”积分饱和”（windup）——误差一直存在，累加器一直涨，输出饱和后误差还是没消除，解除饱和要很久。工程解法：anti-windup（积分限幅 / 条件积分）。
工程对应 2：电量估算（库仑计）。 电池剩余电量 = ∫电流 dt。每次采样电流 I[n]，累加 I[n]·Δt。误差怎么来的——电流采样误差累积（积分是误差累积器）——所以库仑计需要定期校准（对照电压法）。
四、泰勒展开——“任何光滑函数局部都像多项式”
课本定义： f(x) = f(a) + f’(a)(x-a) + f”(a)/2!·(x-a)² + …
工程对应： 传感器标定。NTC 热敏电阻的 R-T 曲线是非线性的（指数关系），MCU 里不能直接算——工程做法：查表 + 线性插值，或用多项式拟合（泰勒展开的离散版）。为什么一阶拟合（线性插值）在大多数场合够用——因为工作范围窄，高阶项贡献小；为什么精度要求高时要二阶拟合——一阶的截断误差超出容差。
五、洛必达法则——“0/0 型”的工程含义
课本定义： 0/0 或 ∞/∞ 型极限，分子分母分别求导再取极限。
工程对应： 两个信号都趋近于零时它们的比值——比如编码器 Z 脉冲附近的位置信号和速度信号同时接近零——除法运算在 MCU 里会变成”除零”（UB，见专栏⑭第8篇）。工程解法：分母小于阈值时用钳位值或保持上次结果，不做除法。
一条总结： 微积分不是”考研考完就忘”的东西——ADC 采样是极限思想、PID 是微分+积分、传感器标定是泰勒展开、除法陷阱是洛必达的反面。 学微积分时觉得”这有什么用”，做嵌入式时发现”每天都在用，只是没人叫它微积分”。
📎 第6篇：线性代数实战 → https://v.flomoapp.com/mine/?memo_id=MjUwNzczOTg0
📎 专栏⑭C语言第8篇：UB 清单 → https://v.flomoapp.com/mine/?memo_id=MjUwNDAyODEy
📎 专栏⑰导航 → https://v.flomoapp.com/mine/?memo_id=MjQ2Mzc0OTc2
专栏⑰进度：5/10篇