ನಿಯಂತ್ರಣ ವ್ಯವಸ್ಥೆಗಳ ವಿನ್ಯಾಸ ಬೆಂಬಲ

ಲಾಭಗಳು:

• AI ಯೊಂದಿಗೆ ವರ್ಗಾವಣೆ ಕಾರ್ಯ, ಧ್ರುವ-ಶೂನ್ಯ ಮತ್ತು ಸ್ಥಿರತೆಯ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮತ್ತು ಅರ್ಥೈಸುವ ಸಾಮರ್ಥ್ಯ
• AI ಸಲಹೆಯೊಂದಿಗೆ PID ಪ್ಯಾರಾಮೀಟರ್ ಸೆಟ್ಟಿಂಗ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಸಿಮ್ಯುಲೇಶನ್ ಮತ್ತು ಫೀಲ್ಡ್ ಸೆಟ್ಟಿಂಗ್ ಮೂಲಕ ಅದನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಸುಧಾರಿಸುವುದು
• ಬೋಡ್/ರೂಟ್ ಲೊಕಸ್ ಮತ್ತು ನೈಜ ಪ್ರತಿಕ್ರಿಯೆಯೊಂದಿಗೆ AI ಯ ಸ್ಥಿರತೆ ಮತ್ತು ಸ್ಪಂದಿಸುವಿಕೆಯ ಹಕ್ಕುಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ

ಎಂಜಿನ್ ಅನ್ನು ಸ್ಥಿರ ವೇಗದಲ್ಲಿ ಇಟ್ಟುಕೊಳ್ಳುವುದು, ಗುರಿಯ ಉಷ್ಣಾಂಶದಲ್ಲಿ ಕುಲುಮೆಯನ್ನು ಸಮತೋಲನಗೊಳಿಸುವುದು ಅಥವಾ ಗಾಳಿಯಲ್ಲಿ ಡ್ರೋನ್ ಅನ್ನು ಸ್ಥಿರವಾಗಿ ಇಡುವುದು; ಇವೆಲ್ಲವೂ ನಿಯಂತ್ರಣ ವ್ಯವಸ್ಥೆಯ ಸಮಸ್ಯೆಗಳು. ನಿಯಂತ್ರಣ ವಿನ್ಯಾಸವು ಗಣಿತದ ತೀವ್ರತೆಯನ್ನು ಹೊಂದಿದೆ: ವರ್ಗಾವಣೆ ಕಾರ್ಯಗಳು, ಧ್ರುವಗಳು, ಸೊನ್ನೆಗಳು, ಸ್ಥಿರತೆಯ ಮಾನದಂಡಗಳು ಮತ್ತು PID ಟ್ಯೂನಿಂಗ್. ಈ ಗಣಿತಶಾಸ್ತ್ರದಲ್ಲಿ AI ಶಕ್ತಿಯುತವಾದ ಸಹಾಯವಾಗಿದೆ; ವರ್ಗಾವಣೆ ಕಾರ್ಯವನ್ನು ಸರಳಗೊಳಿಸುತ್ತದೆ, ಸ್ಥಿರತೆಯ ವಿಶ್ಲೇಷಣೆಯನ್ನು ವಿವರಿಸುತ್ತದೆ, PID ಆರಂಭಿಕ ಮೌಲ್ಯಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ ಮತ್ತು ಪೈಥಾನ್ ಸಿಮ್ಯುಲೇಶನ್ ಕೋಡ್ ಅನ್ನು ಬರೆಯುತ್ತದೆ. ಆದರೆ ನಿಯಂತ್ರಣ ವ್ಯವಸ್ಥೆಯಲ್ಲಿನ ತಪ್ಪಾದ ನಿಯತಾಂಕವು ಕೇವಲ "ಕೆಟ್ಟ ಕಾರ್ಯಕ್ಷಮತೆ" ಅಲ್ಲ; ಆಂದೋಲನ, ಮಿತಿಮೀರಿದ ಮತ್ತು ಅಸ್ಥಿರತೆಯು ನಿಜವಾದ ಉಪಕರಣವನ್ನು ಹಾನಿಗೊಳಿಸಬಹುದು. ಈ ಘಟಕದಲ್ಲಿ, ಸ್ಥಿರತೆಯ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ AI ಅನ್ನು ಹೇಗೆ ಬಳಸುವುದು, ಸಿಮ್ಯುಲೇಶನ್ ಮತ್ತು ಕ್ಯಾಸ್ಕೇಡ್ ಫೀಲ್ಡ್ ಟೆಸ್ಟಿಂಗ್‌ನೊಂದಿಗೆ ನೀವು PID ಅನ್ನು ಏಕೆ ಟ್ಯೂನ್ ಮಾಡಬೇಕು ಮತ್ತು ಬೋಡ್/ರೂಟ್-ಲೋಕಸ್ ಕರ್ವ್‌ನೊಂದಿಗೆ AI ಹಕ್ಕುಗಳನ್ನು ಪರಿಶೀಲಿಸುವುದು ಹೇಗೆ ಎಂಬುದನ್ನು ನಾವು ಕವರ್ ಮಾಡುತ್ತೇವೆ.

ವರ್ಗಾವಣೆ ಕಾರ್ಯ, ಧ್ರುವೀಯತೆ-ಶೂನ್ಯ ಮತ್ತು ಸ್ಥಿರತೆ

ವ್ಯವಸ್ಥೆಯ ಕ್ರಿಯಾತ್ಮಕ ವರ್ತನೆಯನ್ನು ವರ್ಗಾವಣೆ ಕಾರ್ಯ G(s) ಮೂಲಕ ವ್ಯಕ್ತಪಡಿಸಲಾಗುತ್ತದೆ. ಛೇದದ ಬೇರುಗಳು (ಧ್ರುವಗಳು) ವ್ಯವಸ್ಥೆಯ ಸ್ಥಿರತೆಯನ್ನು ನಿರ್ಧರಿಸುತ್ತವೆ: ನಿರಂತರ ಸಮಯ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ, ಎಲ್ಲಾ ಧ್ರುವಗಳು ಎಡ ಅರ್ಧ ಸಮತಲದಲ್ಲಿದ್ದರೆ ಸಿಸ್ಟಮ್ ಸ್ಥಿರವಾಗಿರುತ್ತದೆ (ನೈಜ ಭಾಗ <0). AI ವರ್ಗಾವಣೆ ಕಾರ್ಯವನ್ನು ಸರಳೀಕರಿಸಬಹುದು ಅಥವಾ ಧ್ರುವೀಕರಿಸಬಹುದು, ಆದರೆ ಫಲಿತಾಂಶವನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಪರಿಶೀಲಿಸುವುದು ಅವಶ್ಯಕ.

ಉದಾಹರಣೆ: G(s) = 1 / (s² + 3s + 2) ಛೇದದ ಬೇರುಗಳು: s² + 3s + 2 = (s+1)(s+2) = 0Poles: s = -1 ಮತ್ತು s = -2 → ಎರಡೂ ಎಡ ಅರ್ಧ ಸಮತಲದಲ್ಲಿ → ಸ್ಥಿರ ಸಮಯ τ0, = 2 s = 5 ಸ್ಥಿರಾಂಕಗಳು: ರು

ಸಲಹೆ: ಒಮ್ಮೆ ನೀವು AI ವರ್ಗಾವಣೆ ಕಾರ್ಯದ ಧ್ರುವಗಳನ್ನು ಕಂಡುಕೊಂಡರೆ, ವಿಶಿಷ್ಟ ಸಮೀಕರಣವನ್ನು ನೀವೇ ಅಂಶ ಮಾಡಿ ಅಥವಾ ಪೈಥಾನ್ (numpy.roots) ನೊಂದಿಗೆ ಬೇರುಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ. ಬೀಜಗಣಿತದ ಸರಳೀಕರಣದಲ್ಲಿ AI ಚಿಹ್ನೆ ಮತ್ತು ಗುಣಾಂಕ ದೋಷಗಳನ್ನು ಮಾಡಬಹುದು; ಸ್ಥಿರತೆಯ ನಿರ್ಧಾರವು ಈ ಬೇರುಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುವುದರಿಂದ, ದೋಷವು ದುಬಾರಿಯಾಗಿದೆ.

ಸ್ಥಿರತೆಯ ಮಾನದಂಡ

ಧ್ರುವಗಳನ್ನು ನೇರವಾಗಿ ಕಂಡುಹಿಡಿಯುವುದು ಕಷ್ಟವಾಗಿದ್ದರೆ, ರೌತ್-ಹರ್ವಿಟ್ಜ್ ಮಾನದಂಡವು ವಿಶಿಷ್ಟ ಸಮೀಕರಣದ ಗುಣಾಂಕಗಳಿಂದ ಸ್ಥಿರತೆಯನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ. AI ಈ ಟೇಬಲ್ ಅನ್ನು ನಿರ್ಮಿಸಬಹುದು; ಮೊದಲ ಕಾಲಮ್‌ನಲ್ಲಿ ಚಿಹ್ನೆ ಬದಲಾವಣೆ (ಅನಿರ್ದಿಷ್ಟ ಚಿಹ್ನೆ) ಇದೆಯೇ ಎಂದು ನೀವು ಪರಿಶೀಲಿಸುತ್ತೀರಿ. ಆವರ್ತನ ಡೊಮೇನ್‌ನಲ್ಲಿ, ಬೋಡ್ ರೇಖಾಚಿತ್ರದಲ್ಲಿನ ಗೇನ್ ಮಾರ್ಜಿನ್ ಮತ್ತು ಹಂತದ ಅಂಚು ಸಿಸ್ಟಂನ ಸ್ಥಿರತೆಯ ಅಂಚನ್ನು ತೋರಿಸುತ್ತದೆ. ಧನಾತ್ಮಕ ಮತ್ತು ಸಾಕಷ್ಟು ಅಂಚುಗಳು (ಸಾಮಾನ್ಯವಾಗಿ ಹಂತದ ಅಂಚು > 45°) ಆರೋಗ್ಯಕರ ವಿನ್ಯಾಸವನ್ನು ಸೂಚಿಸುತ್ತವೆ.

PID ಟ್ಯೂನಿಂಗ್: AI ಶಿಫಾರಸು ಪೂರ್ವಭಾವಿಯಾಗಿದೆ, ಅಂತಿಮ ನಿರ್ಧಾರವಲ್ಲ

PID ನಿಯಂತ್ರಕವು ಮೂರು ಪದಗಳನ್ನು ಒಳಗೊಂಡಿದೆ: ಅನುಪಾತದ (Kp), ಸಮಗ್ರ (Ki) ಮತ್ತು ಉತ್ಪನ್ನ (Kd). AI ನಿಮ್ಮ ಸಿಸ್ಟಮ್ ಮಾದರಿಯ ಆಧಾರದ ಮೇಲೆ ಸೆಟ್ಟಿಂಗ್ ಅನ್ನು ಶಿಫಾರಸು ಮಾಡಬಹುದು, ಆರಂಭಿಕ ಮೌಲ್ಯಗಳು ಅಥವಾ Ziegler-Nichols ನಂತಹ ವಿಧಾನಗಳನ್ನು ಬಳಸಿ. ಆದಾಗ್ಯೂ, ಈ ಮೌಲ್ಯಗಳು ಕೇವಲ ಆರಂಭಿಕ ಹಂತವಾಗಿದೆ. ನೈಜ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ, ಮಾದರಿಯು ಸಂಪೂರ್ಣವಾಗಿ ನಿಖರವಾಗಿಲ್ಲ; ಘರ್ಷಣೆ, ವಿಳಂಬ, ಶುದ್ಧತ್ವ ಮತ್ತು ಅಳತೆ ಶಬ್ದಗಳಿವೆ.

PID ಪದ

ಪರಿಣಾಮ

ನೀವು ವಿಪರೀತಕ್ಕೆ ಹೋದಾಗ

ಕೆಪಿ (ಪ್ರಮಾಣಿತ)

ವೇಗದ ಪ್ರತಿಕ್ರಿಯೆ ದೋಷವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ

ಆಂದೋಲನ, ಅಸ್ಥಿರತೆ

ಚಿ (ಅವಿಭಾಜ್ಯ)

ಶಾಶ್ವತ ದೋಷವನ್ನು ಮರುಹೊಂದಿಸುತ್ತದೆ

ಓವರ್‌ಶೂಟ್, ಅವಿಭಾಜ್ಯ ವಿಂಡ್‌ಅಪ್

ಕೆಡಿ (ಉತ್ಪನ್ನ)

ಓವರ್‌ಶೂಟ್ ಅನ್ನು ನಿಗ್ರಹಿಸುತ್ತದೆ ಮತ್ತು ತೇವಗೊಳಿಸುತ್ತದೆ

ಶಬ್ದವನ್ನು ವರ್ಧಿಸಿ

ಸುರಕ್ಷಿತ ಟ್ಯೂನಿಂಗ್ ವಿಧಾನವೆಂದರೆ: ಮೊದಲು ಸಿಮ್ಯುಲೇಶನ್‌ನಲ್ಲಿ AI ನ ಸಲಹೆಯನ್ನು ಪ್ರಯತ್ನಿಸಿ, ಹಂತದ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಬರೆಯಿರಿ; ನಂತರ ಕ್ರಮೇಣ ಕಡಿಮೆ-ಅಪಾಯದ, ಸೀಮಿತ ಸ್ಥಿತಿಯಲ್ಲಿ ಕ್ಷೇತ್ರದಲ್ಲಿ ಅಳವಡಿಸಿ. ಪದಗಳನ್ನು ಒಂದೊಂದಾಗಿ ಹೊಂದಿಸಿ, ಓವರ್‌ಶೂಟ್, ಸಮಯ ಹೊಂದಿಸುವುದು ಮತ್ತು ಆಂದೋಲನವನ್ನು ಗಮನಿಸಿ.

scipy ಆಮದು ಸಿಗ್ನಲ್‌ನಿಂದ nppy ನಂತೆ ಆಮದು ಮಾಡಿ # ಸಿಸ್ಟಮ್: G(s) = 1/(s^2 + 3s + 2), PID ಆರಂಭಿಕ ಮೌಲ್ಯಗಳು AIdanKp, Ki, Kd = 10.0, 5.0, 2.0# PID: C(s) = Kp + Ki/s + Kd =*Kdum_c ಓಪನ್ ಲೂಪ್ ಮತ್ತು ಕ್ಲೋಸ್ಡ್ ಸೈಕಲ್G = signal.TransferFunction([1], [1, 3, 2])# ... ತೆರೆದ ಲೂಪ್ ಗುಣಾಕಾರ ಮತ್ತು ಮುಚ್ಚಿದ ಲೂಪ್ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಸ್ಥಾಪಿಸಲಾಗಿದೆ# ಪ್ಲಾಟ್ ಮುಚ್ಚಿದ ಲೂಪ್ ಹಂತದ ಪ್ರತಿಕ್ರಿಯೆ, MEASURE ಓವರ್‌ಶೂಟ್ ಮತ್ತು ಸೆಟ್ಲಿಂಗ್ ಸಮಯ, y = signal.step(signal.TransferFunction([Kd,Kp,Ki],[1,3+Kd,2+Kp,Ki]))ಓವರ್‌ಶೂಟ್ = (y.max() - y[-1]) / y[-1] * 100print(f"ಓವರ್‌ಶೂಟ್: %{ಓವರ್‌ಶೂಟ್: %{ಓವರ್‌ಶೂಟ್: 300 ಮೌಲ್ಯ

ಎಚ್ಚರಿಕೆ: AI ಶಿಫಾರಸು ಮಾಡಲಾದ PID ಮೌಲ್ಯಗಳನ್ನು ಪೂರ್ಣ ಆಪರೇಟಿಂಗ್ ಸ್ಥಿತಿಯಲ್ಲಿ ನೇರವಾಗಿ ಅನ್ವಯಿಸುವುದರಿಂದ ಮೋಟಾರ್, ವಾಲ್ವ್ ಅಥವಾ ಉಪಕರಣಗಳು ಹಠಾತ್ ಓವರ್‌ಶೂಟ್ ಮತ್ತು ಆಂದೋಲನದೊಂದಿಗೆ ಒತ್ತಡವನ್ನು ಉಂಟುಮಾಡಬಹುದು. ಯಾವಾಗಲೂ ಮೊದಲು ಸಿಮ್ಯುಲೇಶನ್ ಕ್ರಮವನ್ನು ಅನುಸರಿಸಿ, ನಂತರ ಕಡಿಮೆ ಅಪಾಯದ ಕ್ಷೇತ್ರ ಪರೀಕ್ಷೆ, ನಂತರ ಕ್ರಮೇಣ ಸುಧಾರಣೆ. ತುರ್ತು ನಿಲುಗಡೆ ಮತ್ತು ಸುರಕ್ಷಿತ ಮಿತಿಗಳನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಲಾಗಿದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ:"ಈ ಮೋಟರ್‌ಗೆ PID ಟ್ಯೂನಿಂಗ್ ನೀಡಿ."(ಫಲಿತಾಂಶ: ಸಂದರ್ಭವಿಲ್ಲದೆ ಮೂರು ಸಂಖ್ಯೆಗಳು; ಸಿಸ್ಟಮ್‌ನ ಡೈನಾಮಿಕ್ಸ್ ಮತ್ತು ನಿರ್ಬಂಧಗಳನ್ನು ತಿಳಿಯದೆ.)STRONG:"ವರ್ಗಾವಣೆ ಫಂಕ್ಷನ್‌ನೊಂದಿಗೆ ಸಿಸ್ಟಮ್‌ಗೆ PID ಆರಂಭಿಕ ಮೌಲ್ಯಗಳನ್ನು ಸೂಚಿಸಿ ಕ್ಲೋಸ್ಡ್-ಲೂಪ್ ಹಂತದ ಪ್ರತಿಕ್ರಿಯೆಗಾಗಿ ಓವರ್‌ಶೂಟ್ ಮತ್ತು ಸೆಟ್ಲಿಂಗ್ ಸಮಯ.- ಈ ಮೌಲ್ಯಗಳು ಕೇವಲ ಸಿಮ್ಯುಲೇಶನ್ ಪ್ರಾರಂಭವಾಗಿದೆ "ಕ್ಷೇತ್ರದಲ್ಲಿ ಕ್ರಮೇಣ ಹೊಂದಾಣಿಕೆಯ ಅಗತ್ಯವಿದೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ. ಮಾದರಿಯು ನೈಜ ವ್ಯವಸ್ಥೆಯಿಂದ ವಿಚಲನಗೊಂಡರೆ, ಮೌಲ್ಯಗಳು ಬದಲಾಗುತ್ತವೆ ಎಂದು ಒತ್ತಿಹೇಳುತ್ತದೆ.

AI ನ ಹಕ್ಕುಗಳನ್ನು ಮೌಲ್ಯೀಕರಿಸಲಾಗುತ್ತಿದೆ: ಬೋಡ್ ಮತ್ತು ರೂಟ್-ಲೋಕಸ್ ಕರ್ವ್

"ಈ ಸೆಟ್ಟಿಂಗ್ ಸ್ಥಿರವಾಗಿದೆ ಮತ್ತು ವೇಗವಾಗಿದೆ" ಎಂದು AI ಹೇಳಿದಾಗ, ಇದನ್ನು ಎರಡು ಗ್ರಾಫ್‌ಗಳೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿ. ಗಳಿಕೆ ಬದಲಾದಂತೆ ಧ್ರುವಗಳು ಹೇಗೆ ಚಲಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ರೂಟ್ ಲೋಕಸ್ ತೋರಿಸುತ್ತದೆ; ಧ್ರುವಗಳು ಬಲ ಅರ್ಧ ಸಮತಲಕ್ಕೆ ಚಲಿಸಿದರೆ, ವ್ಯವಸ್ಥೆಯು ಅಸ್ಥಿರವಾಗುತ್ತದೆ. ಬೋಡ್ ರೇಖಾಚಿತ್ರವು ಲಾಭ ಮತ್ತು ಹಂತದ ಅಂಚುಗಳನ್ನು ನೀಡುತ್ತದೆ. AI ಸೂಚಿಸಿದ ಲಾಭದಲ್ಲಿ ಈ ಅಂಚುಗಳು ಇನ್ನೂ ಸುರಕ್ಷಿತವಾಗಿವೆ ಎಂದು ದೃಷ್ಟಿಗೋಚರವಾಗಿ ಪರಿಶೀಲಿಸಿ. ನೈಜ ಸಿಸ್ಟಮ್‌ನ ಹಂತದ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಅಳೆಯುವುದು ಮತ್ತು ಅದನ್ನು ಸಿಮ್ಯುಲೇಶನ್‌ನೊಂದಿಗೆ ಹೋಲಿಸುವುದು ಪ್ರಬಲ ಪರಿಶೀಲನೆಯಾಗಿದೆ; ಎರಡು ಹೊಂದಾಣಿಕೆಯಾದರೆ, ನಿಮ್ಮ ಮಾದರಿ ಮತ್ತು ಸೆಟ್ಟಿಂಗ್ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿರುತ್ತದೆ.

ಮಿನಿ ಕೇಸ್

ಯಾಂತ್ರೀಕೃತಗೊಂಡ ಇಂಜಿನಿಯರ್ AI ನಿಂದ ತಾಪಮಾನದ ಕುಲುಮೆಗೆ PID ಮೌಲ್ಯಗಳನ್ನು ಅನ್ವಯಿಸುತ್ತಾನೆ. ಸಿಮ್ಯುಲೇಶನ್‌ನಲ್ಲಿ ಪ್ರತಿಕ್ರಿಯೆ ಉತ್ತಮವಾಗಿ ಕಾಣುತ್ತದೆ. ಆದರೆ ಕ್ಷೇತ್ರದಲ್ಲಿ, ಕುಲುಮೆಯು ಗುರಿಯ ಉಷ್ಣಾಂಶಕ್ಕಿಂತ ಚೆನ್ನಾಗಿ ಹೋಗುತ್ತದೆ ಮತ್ತು ಆಂದೋಲನಗೊಳ್ಳಲು ಪ್ರಾರಂಭಿಸುತ್ತದೆ. ಕಾರಣ: ನಿಜವಾದ ಒಲೆಯಲ್ಲಿ ತಾಪನ ವಿಳಂಬ (ಸತ್ತ ಸಮಯ) ಮಾದರಿಯಲ್ಲಿ ಇರಲಿಲ್ಲ; AI ಆದರ್ಶ, ಮಂದಗತಿ-ಮುಕ್ತ ಮಾದರಿಯನ್ನು ಊಹಿಸಿದೆ. ಇಂಜಿನಿಯರ್ ಸಮಗ್ರ ಪದವನ್ನು ಕೈಬಿಡುವ ಮೂಲಕ, ವಿಳಂಬ ಪರಿಹಾರವನ್ನು ಸೇರಿಸುವ ಮೂಲಕ ಮತ್ತು ಕಡಿಮೆ ಸೆಟ್-ಪಾಯಿಂಟ್‌ನಲ್ಲಿ ಮೊದಲು ಪರೀಕ್ಷಿಸುವ ಮೂಲಕ ಸಿಸ್ಟಮ್‌ಗೆ ಸುರಕ್ಷಿತವಾಗಿ ಹೊಂದಿಕೊಳ್ಳುತ್ತಾನೆ. ಪಾಠ: AI ನ PID ಶಿಫಾರಸು ನಿಮ್ಮ ಮಾದರಿಯಷ್ಟೇ ಉತ್ತಮವಾಗಿದೆ; ಕ್ಷೇತ್ರದಲ್ಲಿ ನಿಜವಾದ ವಿಳಂಬ, ಶುದ್ಧತ್ವ ಮತ್ತು ಘರ್ಷಣೆ ಸಂಭವಿಸುತ್ತದೆ ಮತ್ತು ಕ್ರಮೇಣ ಹೊಂದಾಣಿಕೆ ಅಗತ್ಯವಿರುತ್ತದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಧ್ರುವೀಯತೆ/ಸ್ಥಿರತೆಯನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಪರಿಶೀಲಿಸದೆ AI ಯ ಬೀಜಗಣಿತದ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ.
• ಪೂರ್ಣ ಆಪರೇಟಿಂಗ್ ಸ್ಥಿತಿಯಲ್ಲಿ ನೇರವಾಗಿ PID ಮೌಲ್ಯಗಳನ್ನು ಅನ್ವಯಿಸುವುದು.
• ಮಾದರಿಯಲ್ಲಿ ಸತ್ತ ಸಮಯ, ಶುದ್ಧತ್ವ ಮತ್ತು ಘರ್ಷಣೆಯನ್ನು ನಿರ್ಲಕ್ಷಿಸುವುದು.
• ಮಾಪನ ಶಬ್ದವನ್ನು ಪರಿಗಣಿಸದೆ ವ್ಯುತ್ಪನ್ನ ಪದವನ್ನು ದೊಡ್ಡದಾಗಿ ಆರಿಸುವುದು (ಶಬ್ದ ವರ್ಧಿಸುತ್ತದೆ).
• ಸಮಗ್ರ ಗಾಳಿ ಮತ್ತು ಶುದ್ಧತ್ವ ಮಿತಿಗಳನ್ನು ನಿರ್ಲಕ್ಷಿಸಲಾಗುತ್ತಿದೆ.
• ಸಿಮ್ಯುಲೇಶನ್ "ಒಳ್ಳೆಯದು" ಎಂಬ ಕಾರಣದಿಂದ ಅದನ್ನು ಕ್ಷೇತ್ರದಲ್ಲಿ ಪರೀಕ್ಷಿಸದೆಯೇ ನಿಯೋಜಿಸಲಾಗುತ್ತಿದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

• ಸ್ಥಿರತೆಯು ಧ್ರುವಗಳ ಸ್ಥಳವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ; ಎಡ ಅರ್ಧ ಸಮತಲವು ಸ್ಥಿರವಾಗಿದೆ, ಬಲ ಅರ್ಧ ಸಮತಲವು ಅಸ್ಥಿರವಾಗಿದೆ.
• ರೌತ್-ಹರ್ವಿಟ್ಜ್, ಬೋಡ್ (ಗಳಿಕೆ/ಹಂತದ ಅಂಚು) ಮತ್ತು ರೂಟ್-ಲೋಕಸ್ ಸ್ಥಿರತೆಯು ಪರಿಶೀಲನಾ ಸಾಧನಗಳಾಗಿವೆ.
• AI ನ PID ಶಿಫಾರಸು ಒಂದು ಆರಂಭಿಕ ಹಂತವಾಗಿದೆ; ಅನುಕ್ರಮವು ಅನುಸರಿಸುತ್ತದೆ: ಸಿಮ್ಯುಲೇಶನ್ → ಕಡಿಮೆ ಅಪಾಯದ ಸೈಟ್ → ಕ್ರಮೇಣ ಸುಧಾರಣೆ.
• ಪ್ರತಿ PID ಪದವನ್ನು ಮಿತಿಮೀರಿ ಮಾಡುವ ಪ್ರಯೋಜನ ಮತ್ತು ಅಪಾಯವನ್ನು ತಿಳಿದಿರಬೇಕು.
• AI ಯ ಸ್ಥಿರತೆಯ ಹಕ್ಕುಗಳನ್ನು ಬೋಡ್/ರೂಟ್-ಲೋಕಸ್ ಕರ್ವ್ ಮತ್ತು ನೈಜ ಹಂತದ ಪ್ರತಿಕ್ರಿಯೆಯೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಲಾಗುತ್ತದೆ.
• ನೈಜ ವ್ಯವಸ್ಥೆಯಲ್ಲಿನ ಸುಪ್ತತೆ ಮತ್ತು ಶುದ್ಧತ್ವವು ಆದರ್ಶ ಮಾದರಿಯನ್ನು ಮೀರಿ ಶ್ರುತಿ ಅಗತ್ಯವಿರುತ್ತದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಸರಳವಾದ ಎರಡನೇ-ಕ್ರಮದ ವ್ಯವಸ್ಥೆಯನ್ನು ಆರಿಸಿ (ಅಥವಾ ನಿಮ್ಮ ಸ್ವಂತ ವ್ಯವಸ್ಥೆಯ ಮಾದರಿಯನ್ನು ಬಳಸಿ). ವರ್ಗಾವಣೆ ಕಾರ್ಯದ ಧ್ರುವೀಯತೆಗಳು ಮತ್ತು PID ಆರಂಭಿಕ ಸೆಟ್ಟಿಂಗ್‌ಗಾಗಿ AI ಅನ್ನು ಕೇಳಿ. ನಂತರ: (1) ಸ್ವತಂತ್ರವಾಗಿ numpy.roots ನೊಂದಿಗೆ ಧ್ರುವೀಯತೆಯನ್ನು ಪರಿಶೀಲಿಸಿ, (2) ಕ್ಲೋಸ್ಡ್-ಲೂಪ್ ಹಂತದ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಅನುಕರಿಸಿ ಮತ್ತು ಓವರ್‌ಶೂಟ್ ಮತ್ತು ಸೆಟ್ಲಿಂಗ್ ಸಮಯವನ್ನು ಅಳೆಯಿರಿ, (3) Kp, Ki, Kd ಅನ್ನು ಒಂದೊಂದಾಗಿ ಬದಲಿಸಿ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆಯು ಹೇಗೆ ಹದಗೆಡುತ್ತದೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ. AI ಶಿಫಾರಸು ಏಕೆ ಪ್ರಾರಂಭವಾಗಿದೆ ಎಂಬುದನ್ನು ನಿಮ್ಮ ಸ್ವಂತ ಅವಲೋಕನಗಳೊಂದಿಗೆ ವಿವರಿಸಿ.