કંટ્રોલ સિસ્ટમ્સ ડિઝાઇન સપોર્ટ

નફો:

• AI સાથે ટ્રાન્સફર કાર્ય, ધ્રુવ-શૂન્ય અને સ્થિરતા ખ્યાલોનું વિશ્લેષણ અને અર્થઘટન કરવાની ક્ષમતા
• AI સૂચન સાથે PID પેરામીટર સેટિંગ શરૂ કરવાની અને સિમ્યુલેશન અને ફીલ્ડ સેટિંગ દ્વારા તેને સુરક્ષિત રીતે સુધારવાની ક્ષમતા
• બોડ/રુટ લોકસ અને વાસ્તવિક પ્રતિભાવ સાથે AI ની સ્થિરતા અને પ્રતિભાવના દાવાઓને ચકાસવાની ક્ષમતા

એન્જિનને સતત ગતિએ રાખવું, લક્ષ્ય તાપમાને ભઠ્ઠીનું સંતુલન રાખવું અથવા ડ્રોનને હવામાં સ્થિર રાખવું; તે તમામ નિયંત્રણ સિસ્ટમ સમસ્યાઓ છે. કંટ્રોલ ડિઝાઇન ગણિત સઘન છે: ટ્રાન્સફર ફંક્શન, ધ્રુવો, શૂન્ય, સ્થિરતા માપદંડ અને PID ટ્યુનિંગ. AI આ ગણિતમાં એક શક્તિશાળી સહાયક છે; ટ્રાન્સફર કાર્યને સરળ બનાવે છે, સ્થિરતા વિશ્લેષણ સમજાવે છે, PID પ્રારંભિક મૂલ્યો સૂચવે છે અને પાયથોન સિમ્યુલેશન કોડ લખે છે. પરંતુ કંટ્રોલ સિસ્ટમમાં ખોટો પરિમાણ માત્ર "ખરાબ પ્રદર્શન" નથી; ઓસિલેશન, ઓવરશૂટ અને અસ્થિરતા વાસ્તવિક સાધનોને નુકસાન પહોંચાડી શકે છે. આ એકમમાં, અમે સ્થિરતા વિશ્લેષણમાં AI નો ઉપયોગ કેવી રીતે કરવો, તમારે PID ને સિમ્યુલેશન અને કાસ્કેડ ફીલ્ડ ટેસ્ટિંગ સાથે શા માટે ટ્યુન કરવું જોઈએ અને બોડ/રુટ-લોકસ કર્વ સાથે AIના દાવાઓને કેવી રીતે ચકાસવું તે આવરી લઈશું.

ટ્રાન્સફર ફંક્શન, પોલેરિટી-ઝીરો અને સ્ટેબિલિટી

સિસ્ટમનું ગતિશીલ વર્તન ટ્રાન્સફર ફંક્શન G(s) દ્વારા વ્યક્ત કરવામાં આવે છે. છેદ (ધ્રુવો) ના મૂળ સિસ્ટમની સ્થિરતા નક્કી કરે છે: સતત સમય પ્રણાલીમાં, જો બધા ધ્રુવો ડાબા અડધા ભાગમાં હોય તો સિસ્ટમ સ્થિર હોય છે (વાસ્તવિક ભાગ < 0). AI ટ્રાન્સફર ફંક્શનને સરળ અથવા ધ્રુવીકરણ કરી શકે છે, પરંતુ પરિણામ સ્વતંત્ર રીતે તપાસવું જરૂરી છે.

ઉદાહરણ: G(s) = 1 / (s² + 3s + 2) છેદ મૂળ: s² + 3s + 2 = (s+1)(s+2) = 0ધ્રુવો: s = -1 અને s = -2 → બંને ડાબા અડધા સમતલમાં

ટીપ: એકવાર તમારી પાસે AI એક ટ્રાન્સફર ફંક્શનના ધ્રુવો શોધી કાઢો, લાક્ષણિક સમીકરણને જાતે પરિબળ કરો અથવા Python (numpy.roots) વડે મૂળની ગણતરી કરો. AI બીજગણિતીય સરળીકરણમાં સાઇન અને ગુણાંકની ભૂલો કરી શકે છે; કારણ કે સ્થિરતા નિર્ણય આ મૂળ પર આધાર રાખે છે, ભૂલ ખર્ચાળ છે.

સ્થિરતા માપદંડ

જો ધ્રુવોને સીધો શોધવા મુશ્કેલ હોય, તો રૂથ-હરવિટ્ઝ માપદંડ લાક્ષણિકતા સમીકરણના ગુણાંકમાંથી સ્થિરતા નક્કી કરે છે. AI આ ટેબલ બનાવી શકે છે; તમે પ્રથમ કૉલમમાં સાઇન ચેન્જ (અનિશ્ચય ચિહ્ન) છે કે કેમ તે તપાસો. ફ્રીક્વન્સી ડોમેનમાં, બોડ ડાયાગ્રામમાં ગેઇન માર્જિન અને ફેઝ માર્જિન સિસ્ટમનું સ્ટેબિલિટી માર્જિન દર્શાવે છે. સકારાત્મક અને પર્યાપ્ત માર્જિન (સામાન્ય રીતે તબક્કા માર્જિન > 45°) તંદુરસ્ત ડિઝાઇન સૂચવે છે.

PID ટ્યુનિંગ: AI ભલામણ એ પ્રારંભિક છે, અંતિમ નિર્ણય નથી

PID નિયંત્રક ત્રણ શબ્દો ધરાવે છે: પ્રમાણસર (Kp), અભિન્ન (Ki) અને વ્યુત્પન્ન (Kd). AI પ્રારંભિક મૂલ્યો અથવા ઝિગલર-નિકોલસ જેવી પદ્ધતિઓનો ઉપયોગ કરીને તમારા સિસ્ટમ મોડેલના આધારે સેટિંગની ભલામણ કરી શકે છે. જો કે, આ મૂલ્યો માત્ર એક પ્રારંભિક બિંદુ છે. વાસ્તવિક સિસ્ટમમાં, મોડેલ સંપૂર્ણપણે સચોટ નથી; ઘર્ષણ, વિલંબ, સંતૃપ્તિ અને માપનો અવાજ છે.

PID શબ્દ

અસર

જ્યારે તમે ચરમસીમા પર જાઓ છો

Kp (પ્રમાણસર)

ઝડપી પ્રતિસાદ ભૂલ ઘટાડે છે

ઓસિલેશન, અસ્થિરતા

ચી (અભિન્ન)

કાયમી ભૂલ રીસેટ કરે છે

ઓવરશૂટ, ઇન્ટિગ્રલ વિન્ડઅપ

Kd (વ્યુત્પન્ન)

ઓવરશૂટને દબાવી દે છે અને ભીના કરે છે

અવાજને વિસ્તૃત કરો

સલામત ટ્યુનિંગ અભિગમ છે: પ્રથમ સિમ્યુલેશનમાં AI ના સૂચનનો પ્રયાસ કરો, સ્ટેપ રિસ્પોન્સ દોરો; પછી ધીમે ધીમે ઓછા જોખમ, મર્યાદિત સ્થિતિમાં ક્ષેત્રમાં અમલ કરો. ઓવરશૂટ, સેટલિંગ ટાઇમ અને ઓસિલેશનનું અવલોકન કરીને, એક પછી એક શરતોને સમાયોજિત કરો.

npfrom scipy import signal# System: G(s) = 1/(s^2 + 3s + 2), PID પ્રારંભિક મૂલ્યો AIdanKp, Ki, Kd = 10.0, 5.0, 2.0# PID: C(s) = Kp + Ki/s + Kd*snum, K_p = Kd*snum, K_d = 1 0]# ઓપન લૂપ અને ક્લોઝ્ડ સાયકલજી = સિગ્નલ. ટ્રાન્સફર ફંક્શન([1], [1, 3, 2])# ... ઓપન લૂપ ગુણાકાર અને બંધ લૂપ પ્રતિસાદ સ્થાપિત થાય છે# પ્લોટ બંધ લૂપ સ્ટેપ રિસ્પોન્સ, મેઝર ઓવરશૂટ અને સેટલિંગ ટાઇમ, y = signal.step(signal.TransferFunction([Kd,Kp,Ki],[1,3+Kd,2+Kp,Ki]))overshoot = (y.max() - y[-1]) / y[-1] * 100print(f"Overshoot: %{overshoot:"} }-1 મૂલ્ય:[1}}.

સાવધાન: AI ભલામણ કરેલ PID મૂલ્યો સીધી સંપૂર્ણ ઓપરેટિંગ સ્થિતિમાં લાગુ કરવાથી મોટર, વાલ્વ અથવા સાધન પર અચાનક ઓવરશૂટ અને ઓસિલેશન સાથે તણાવ આવી શકે છે. હંમેશા પ્રથમ સિમ્યુલેશનના ક્રમને અનુસરો, પછી ઓછા જોખમવાળા ક્ષેત્ર પરીક્ષણ, પછી ધીમે ધીમે સુધારણા. ખાતરી કરો કે કટોકટી સ્ટોપ અને સલામત મર્યાદા સક્રિય છે.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળું:"આ મોટરને PID ટ્યુનિંગ આપો."(પરિણામ: સંદર્ભ વિના ત્રણ સંખ્યાઓ; સિસ્ટમની ગતિશીલતા અને અવરોધો જાણ્યા વિના.)STRONG:"ટ્રાન્સફર ફંક્શન G(s)=1/(s^2+3s+2) સાથે સિસ્ટમ માટે PID પ્રારંભિક મૂલ્યો સૂચવો. પ્રદાન કરો:- ઝિગલર-નિકોલસ અને અપેક્ષિત પદ્ધતિને સમજાવો. ક્લોઝ્ડ-લૂપ સ્ટેપ રિસ્પોન્સ માટે સેટલિંગ ટાઇમ.- આ મૂલ્યો માત્ર સિમ્યુલેશન સ્ટાર્ટ છે "નોંધ કરો કે ફીલ્ડમાં ક્રમિક એડજસ્ટમેન્ટ જરૂરી છે. ભારપૂર્વક જણાવો કે જો મોડેલ વાસ્તવિક સિસ્ટમથી વિચલિત થાય છે, તો મૂલ્યો બદલાશે."

AI ના દાવાઓને માન્ય કરી રહ્યા છે: બોડ અને રુટ-લોકસ કર્વ

જ્યારે AI કહે છે કે "આ સેટિંગ સ્થિર અને ઝડપી છે", ત્યારે બે ગ્રાફ વડે આનું પરીક્ષણ કરો. રુટ લોકસ બતાવે છે કે ગેઇન બદલાતા ધ્રુવો કેવી રીતે આગળ વધે છે; જો ધ્રુવો જમણા અડધા પ્લેનમાં જાય, તો સિસ્ટમ અસ્થિર બની જાય છે. બોડ ડાયાગ્રામ ગેઇન અને ફેઝ માર્જિન આપે છે. દૃષ્ટિની રીતે ચકાસો કે આ માર્જિન હજી પણ AI સૂચવેલા લાભ પર સુરક્ષિત છે. સૌથી મજબૂત ચકાસણી વાસ્તવિક સિસ્ટમના સ્ટેપ રિસ્પોન્સને માપવા અને સિમ્યુલેશન સાથે તેની તુલના કરવી છે; જો બે મેળ ખાય છે, તો તમારું મોડેલ અને સેટિંગ વિશ્વસનીય છે.

મીની કેસ

ઓટોમેશન એન્જિનિયર AI થી તાપમાન ભઠ્ઠી પર PID મૂલ્યો લાગુ કરે છે. પ્રતિભાવ સિમ્યુલેશનમાં સારો દેખાય છે. પરંતુ ક્ષેત્રમાં, ભઠ્ઠી લક્ષ્ય તાપમાનથી સારી રીતે ઉપર જાય છે અને ઓસીલેટ થવાનું શરૂ કરે છે. કારણ: વાસ્તવિક પકાવવાની નાની ભઠ્ઠી ગરમ થવામાં વિલંબ (મૃત સમય) મોડેલમાં ન હતો; AI એ એક આદર્શ, લેગ-ફ્રી મોડલ ધારણ કર્યું છે. એન્જીનીયર અવિભાજ્ય શબ્દને છોડીને, વિલંબનું વળતર ઉમેરીને અને પહેલા નીચા સેટ-પોઈન્ટ પર પરીક્ષણ કરીને સિસ્ટમને સુરક્ષિત રીતે ફિટ કરે છે. પાઠ: AI ની PID ભલામણ તમારા મોડેલ જેટલી જ સારી છે; વાસ્તવિક અંતર, સંતૃપ્તિ અને ઘર્ષણ ક્ષેત્રમાં થાય છે અને તેને ધીમે ધીમે ગોઠવણની જરૂર પડે છે.

સામાન્ય ભૂલો

• સ્વતંત્ર રીતે ધ્રુવીયતા/સ્થિરતા તપાસ્યા વિના AI ના બીજગણિત પર આધાર રાખવો.
• સંપૂર્ણ ઓપરેટિંગ સ્થિતિ પર સીધા જ PID મૂલ્યો લાગુ કરો.
• મોડેલમાં મૃત સમય, સંતૃપ્તિ અને ઘર્ષણની અવગણના.
• માપન અવાજને ધ્યાનમાં લીધા વિના વ્યુત્પન્ન શબ્દ લાર્જ પસંદ કરવો (અવાજ એમ્પ્લીફાઇડ છે).
• અભિન્ન વિન્ડઅપ અને સંતૃપ્તિ મર્યાદાઓને અવગણવી.
• તેને ક્ષેત્રમાં પરીક્ષણ કર્યા વિના કમિશન કરવું કારણ કે સિમ્યુલેશન "સારું" છે.

સારાંશમાં

• સ્થિરતા ધ્રુવોના સ્થાન પર આધાર રાખે છે; ડાબો અડધો પ્લેન સ્થિર છે, જમણો અડધો પ્લેન અસ્થિર છે.
• રૂથ-હરવિટ્ઝ, બોડે (ગેઇન/ફેઝ માર્જિન) અને રૂટ-લોકસ સ્ટેબિલિટી એ ચકાસણીના સાધનો છે.
• AI ની PID ભલામણ એ પ્રારંભિક બિંદુ છે; ક્રમ નીચે મુજબ છે: સિમ્યુલેશન → ઓછા જોખમવાળી સાઇટ → ધીમે ધીમે સુધારણા.
• દરેક PID ટર્મને વધુ પડતો કરવાનો ફાયદો અને જોખમ જાણવું જોઈએ.
• AI ના સ્થિરતા દાવાઓનું પરીક્ષણ બોડે/રુટ-લોકસ કર્વ અને વાસ્તવિક પગલા પ્રતિભાવ સાથે કરવામાં આવે છે.
• વાસ્તવિક સિસ્ટમમાં વિલંબ અને સંતૃપ્તિને આદર્શ મોડેલની બહાર ટ્યુનિંગની જરૂર છે.

એપ્લિકેશન કાર્ય

એક સરળ સેકન્ડ-ઓર્ડર સિસ્ટમ પસંદ કરો (અથવા તમારી પોતાની સિસ્ટમના મોડેલનો ઉપયોગ કરો). ટ્રાન્સફર ફંક્શનની ધ્રુવીયતા અને PID પ્રારંભિક સેટિંગ માટે AI ને પૂછો. પછી: (1) numpy.roots વડે સ્વતંત્ર રીતે ધ્રુવીયતાને ચકાસો, (2) ક્લોઝ્ડ-લૂપ સ્ટેપ રિસ્પોન્સનું અનુકરણ કરો અને ઓવરશૂટ અને સેટલિંગ સમયને માપો, (3) Kp, Ki, Kd એક પછી એક બદલો અને પ્રતિભાવ કેવી રીતે બગડે છે તેનું અવલોકન કરો. તમારા પોતાના અવલોકનો સાથે સમજાવો કે શા માટે AI ભલામણ માત્ર એક શરૂઆત છે.