നിയന്ത്രണ അൽഗോരിതങ്ങൾ: PID, AI പിന്തുണയുള്ള ട്യൂണിംഗ്

നേട്ടങ്ങൾ:

• PID കൺട്രോളറിൻ്റെ P, I, D നിബന്ധനകളും ഇഫക്റ്റുകളും ശരിയായ സന്ദർഭത്തിൽ AI-ലേക്ക് വിശദീകരിക്കാനും പ്രയോഗിക്കാനുമുള്ള കഴിവ്
• AI-യുടെ സഹായത്തോടെ പടിപടിയായി സീഗ്ലർ-നിക്കോൾസും പരീക്ഷണ ട്യൂണിംഗ് രീതികളും നടപ്പിലാക്കാനുള്ള കഴിവ്
• ഇൻ്റഗ്രൽ വിൻഡപ്പ്, AI ശുപാർശകളിലെ ഡെറിവേറ്റീവ് നോയ്സ് പോലുള്ള PID ട്രാപ്പുകൾ തിരിച്ചറിയാനും ഇല്ലാതാക്കാനുമുള്ള കഴിവ്

ഒരു ഓവനിലെ താപനില സ്ഥിരമായി നിലനിർത്തുക, ഒരു മോട്ടോറിൻ്റെ വേഗത ആവശ്യമുള്ള മൂല്യത്തിൽ ഓടിക്കുക, ഡ്രോണിൻ്റെ ആംഗിൾ ബാലൻസ് ചെയ്യുക; എല്ലാവരുടെയും ഹൃദയത്തിൽ ഒരു നിയന്ത്രണ അൽഗോരിതം ആണ്. ഇതിൽ ഏറ്റവും സാധാരണമായത് വ്യവസായത്തിൻ്റെ നട്ടെല്ലായ PID കൺട്രോളറാണ്. PID; ഇത് ലളിതവും കരുത്തുറ്റതും വൈവിധ്യമാർന്ന പ്രശ്നങ്ങളിൽ പ്രവർത്തിക്കുന്നതുമാണ്. എന്നാൽ "ലളിതം" എന്നാൽ "ട്യൂൺ ചെയ്യാൻ എളുപ്പം" എന്നല്ല അർത്ഥമാക്കുന്നത്: തെറ്റായി സജ്ജീകരിച്ച PID ആന്ദോളനം ചെയ്യുകയോ ഓവർഷൂട്ട് ചെയ്യുകയോ വൈകി ഇരിക്കുകയോ പൂർണ്ണമായും അസ്ഥിരമാവുകയോ ചെയ്യും. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഇവിടെ ഒരു വിലപ്പെട്ട സഹായിയാണ്: ഇത് PID നിബന്ധനകൾ വിശദീകരിക്കുന്നു, ട്യൂണിംഗ് രീതികളിലൂടെ ഗൈഡ് ചെയ്യുന്നു, സാധാരണ അപകടങ്ങൾ കണ്ടുപിടിക്കുന്നു, ട്യൂണിംഗ് കോഡ് എഴുതുന്നു. എന്നിരുന്നാലും, നിങ്ങളുടെ സിസ്റ്റത്തിൻ്റെ ശാരീരിക സ്വഭാവം നോക്കിയാണ് അന്തിമ ക്രമീകരണം നടത്തുന്നത്, സ്ഥിരത തീരുമാനം എഞ്ചിനീയർക്കുള്ളതാണ്. AI ഉപയോഗിച്ച് PID ട്രാപ്പുകൾ എങ്ങനെ ഇൻസ്റ്റാൾ ചെയ്യാമെന്നും ട്യൂൺ ചെയ്യാമെന്നും പരിശോധിച്ചുറപ്പിക്കാമെന്നും ഈ യൂണിറ്റിൽ ഞങ്ങൾ കവർ ചെയ്യുന്നു.

PID-യുടെ മൂന്ന് നിബന്ധനകൾ

പിശക് സിഗ്നലിനോട് PID പ്രതികരിക്കുന്നു (e = ടാർഗെറ്റ് - അളന്നത്) മൂന്ന് തരത്തിൽ:

കാലാവധി

അവൻ എന്താണ് നോക്കുന്നത്?

പ്രഭാവം

അങ്ങേയറ്റം

പി (ആനുപാതികം)

നിലവിലെ പിശക്

വേഗത്തിലുള്ള പ്രതികരണം

ആന്ദോളനം, സ്ഥിരമായ പിശക്

ഞാൻ (അവിഭാജ്യ)

സഞ്ചിത കഴിഞ്ഞ പിശക്

സ്ഥിരമായ പിശക് പുനഃസജ്ജമാക്കുന്നു

ഓവർഷൂട്ട്, വിൻഡ്അപ്പ്, ആന്ദോളനം

ഡി (ഡെറിവേറ്റീവ്)

പിശക് മാറ്റത്തിൻ്റെ നിരക്ക്

ഡാംപിംഗ് ഓവർഷൂട്ട് കുറയ്ക്കുന്നു

ശബ്ദം വർദ്ധിപ്പിക്കുക

വാക്കാലുള്ള സംഗ്രഹം: "ഞാൻ ഇപ്പോൾ എത്ര ദൂരെയാണ്", ഞാൻ "എത്ര കാലമായി ഞാൻ അകലെയാണ്", ഡി "എത്ര വേഗത്തിൽ ഞാൻ സമീപിക്കുന്നു" എന്നീ ചോദ്യങ്ങൾക്ക് പി പ്രതികരിക്കുന്നു. ഒരു നല്ല കൺട്രോളർ ഇവ മൂന്നും ബാലൻസ് ചെയ്യുന്നു.

ക്ലാസ് PID: def __init__(self, Kp, Ki, Kd, output_min=-100, output_max=100): self.Kp, self.Ki, self.Kd = Kp, Ki, Kd self.out_min, self.out_max = output_min, output_max self.integral.0 self.0 prev.0 = 0 കണക്കാക്കുക (സ്വയം, ലക്ഷ്യം, അളന്നു, dt): പിശക് = ലക്ഷ്യം - അളന്ന # P p = self.Kp * പിശക് # I -- self.integral with windup protection += പിശക് * dt i = self.Ki * self.integral # D -- derivative noise sensitive d = self.Kd * (പിശക് = സ്വയം. മുമ്പത്തെ പിശക് p + i + d # ഔട്ട്‌പുട്ട് പൂരിതമാക്കുക, ഔട്ട്‌പുട്ട് > self.output_max ആണെങ്കിൽ വിൻഡ്അപ്പ് പരിമിതപ്പെടുത്തുക: output = self.out_max self.integral -= പിശക് * dt # anti-windup: ഇൻ്റഗ്രൽ എലിഫ് ഔട്ട്‌പുട്ട് പഴയപടിയാക്കുക < self.output_min: output = self.output_min self.integral -= ഔട്ട്‌പുട്ട് റിട്ടേൺ -= പിശക് *dt

ഈ കോഡ് ഒരു "പരിശീലന PID" അല്ല, മറിച്ച് പ്രൊഡക്ഷൻ ലോജിക്കിന് അടുത്തുള്ള ഒരു അസ്ഥികൂടമാണ്: അതിൽ ഔട്ട്പുട്ട് സാച്ചുറേഷനും ആൻ്റി-വിൻഡപ്പും ഉൾപ്പെടുന്നു. AI നൽകുന്ന നിരവധി ലളിതമായ PID-കൾ ഈ രണ്ട് പരിരക്ഷകളെയും മറികടക്കുന്നു; അവയില്ലാതെ, ആക്യുവേറ്റർ അതിൻ്റെ പരിധിയിലെത്തുമ്പോൾ, ഇൻ്റഗ്രൽ വീർക്കുകയും സിസ്റ്റം അപ്രതീക്ഷിതമായി ഓവർഷൂട്ട് ചെയ്യുകയും ചെയ്യും.

നുറുങ്ങ്: AI-യോട് PID ആവശ്യപ്പെടുമ്പോൾ, "ഔട്ട്‌പുട്ട് സാച്ചുറേഷനും ആൻ്റി-വിൻഡപ്പും ചേർക്കുക, ഡെറിവേറ്റീവ് ടേമിലേക്ക് അളക്കുമ്പോൾ ഡെറിവേറ്റീവ് പ്രയോഗിക്കുക" എന്ന് പറയുക. ഈ മൂന്ന് കൂട്ടിച്ചേർക്കലുകൾ പാഠപുസ്തക PID-യെ ഫീൽഡ് PID-ലേക്ക് പരിവർത്തനം ചെയ്യുന്നു.

ഇൻ്റഗ്രൽ വിൻഡപ്പും ഡെറിവേറ്റീവ് നോയിസും

PID പരാജയത്തിൻ്റെ ഏറ്റവും സാധാരണമായ കാരണങ്ങൾ രണ്ട് ക്ലാസിക് കെണികളാണ്:

ഇൻ്റഗ്രൽ വിൻഡപ്പ്: ആക്യുവേറ്റർ പൂരിതമാകുമ്പോൾ (ഉദാ. മോട്ടോർ ഇതിനകം പൂർണ്ണ ശക്തിയിലാണ്) പിശക് നിലനിൽക്കുകയും അവിഭാജ്യ പദം വളരുകയും ചെയ്യുന്നു. സിസ്റ്റം ലക്ഷ്യത്തിലെത്തുമ്പോൾ ഈ പെരുപ്പിച്ച ഇൻ്റഗ്രൽ ഒരു വലിയ ഓവർഷൂട്ടിലേക്ക് നയിക്കുന്നു. പരിഹാരം: ഔട്ട്‌പുട്ട് പൂരിതമാകുമ്പോൾ ഇൻ്റഗ്രൽ നിർത്തുകയോ റോൾ ചെയ്യുകയോ ചെയ്യുക (ആൻ്റി-വിൻഡപ്പ്, മുകളിലെ കോഡിൽ പ്രദർശിപ്പിച്ചിരിക്കുന്നു).

ഡെറിവേറ്റീവ് നോയ്സ്: ഡി പദം പിശകിൻ്റെ ഡെറിവേറ്റീവ് എടുക്കുന്നു; ഒരു നോയിസ് മെഷർമെൻ്റിൻ്റെ ഡെറിവേറ്റീവ് കൂടുതൽ ശബ്ദമുണ്ടാക്കുകയും ആക്യുവേറ്ററിനെ വൈബ്രേറ്റ് ചെയ്യുകയും ചെയ്യും. പരിഹാരങ്ങൾ: മെഷർമെൻ്റിൽ നിന്ന് ഡെറിവേറ്റീവ് എടുക്കൽ (പിശകിന് പകരം അളവെടുപ്പിൻ്റെ ഡെറിവേറ്റീവ്), ഡെറിവേറ്റീവ് പദത്തിലേക്ക് ഒരു ലോ പാസ് ഫിൽട്ടർ ചേർക്കുന്നു.

# ഡെറിവേറ്റീവ് നോയിസ് കുറയ്ക്കുന്നു: മെഷർമെൻ്റ് ഡെറിവേറ്റീവ് + ഫിൽറ്റർഡ്_റോ = -(അളന്നത് - self.previous_measured) / dt പിശകിന് പകരം

ഈ പോരായ്മകൾ തിരിച്ചറിയുന്നതിൽ AI മികച്ചതാണ്; "എൻ്റെ PID ലക്ഷ്യത്തിലെത്തുമ്പോൾ അത് വളരെയധികം മറികടക്കുന്നു" എന്ന് നിങ്ങൾ പറയുകയാണെങ്കിൽ, അത് വിൻഡ്അപ്പ് ശുപാർശ ചെയ്യുന്നു. എന്നാൽ നിങ്ങളുടെ സിസ്റ്റത്തിൽ ഫിക്സ് പ്രവർത്തിക്കുന്നുണ്ടോ എന്ന് അളക്കുന്നതിലൂടെ നിങ്ങൾ സ്ഥിരീകരിക്കുന്നു.

സീഗ്ലർ-നിക്കോൾസുമായി ക്രമീകരണം

ആദ്യം മുതൽ നേട്ടങ്ങൾ (Kp, Ki, Kd) കണ്ടെത്തുന്നതിനുള്ള ഒരു ക്ലാസിക് രീതി സീഗ്ലർ-നിക്കോൾസ് ആണ്. അതിൻ്റെ സാരാംശം: പിയിൽ മാത്രം ആരംഭിച്ച് സിസ്റ്റം സുസ്ഥിരമായ ആന്ദോളനത്തിലേക്ക് പോകുന്നതുവരെ Kp വർദ്ധിപ്പിക്കുന്നു; ഈ ഘട്ടത്തിലെ ക്രിട്ടിക്കൽ ഗെയിൻ കുയും ആന്ദോളന കാലയളവ് Tu ഉപയോഗിച്ച് പട്ടികയിൽ നിന്ന് Kp, Ki, Kd കണക്കാക്കുക.

കൺട്രോളർ

kp

ടി

ടിഡി

പി.

0.5·കു

–

–

പി.ഐ.

0.45·കു

Tu/1.2

–

PID

0.6·കു

Tu/2

Tu/8

Ziegler-Nichols ചുവടുകൾ (AI നിർമ്മിക്കാനുള്ള പദ്ധതി):1. Ki=0, Kd=0 എടുക്കുക. P.2 പ്രവർത്തിപ്പിക്കുക. സുസ്ഥിരവും സുസ്ഥിരവുമായ ആന്ദോളനം ആരംഭിക്കുന്നത് വരെ പതുക്കെ Kp വർദ്ധിപ്പിക്കുക.3. ഈ Kp = Ku (നിർണ്ണായക നേട്ടം), ആന്ദോളന കാലയളവ് = Tu.4. പട്ടികയിൽ നിന്ന് Kp, Ti, Td എന്നിവ കണക്കാക്കുക; കി = Kp/Ti, Kd = Kp*Td.5. ഈ മൂല്യങ്ങളിൽ നിന്ന് ആരംഭിക്കുക, തുടർന്ന് പരീക്ഷണാത്മക മാറ്റങ്ങൾ വരുത്തുക.

മുന്നറിയിപ്പ്: Ziegler-Nichols സിസ്റ്റത്തെ അതിൻ്റെ സ്ഥിരത പരിധിയിലേക്ക് മനപ്പൂർവ്വം കൊണ്ടുവരുന്നു (സുസ്ഥിരമായ ആന്ദോളനം). യഥാർത്ഥ ഹാർഡ്‌വെയറിൽ ഇത് ചെയ്യുമ്പോൾ മെക്കാനിക്കൽ സ്ട്രെയിൻ, ഓവർകറൻ്റ്, അപകടം എന്നിവ ഉണ്ടാകാനുള്ള സാധ്യതയുണ്ട്; കഴിയുമെങ്കിൽ, ആദ്യം സിമുലേഷനിൽ ചെയ്യുക, തുടർന്ന് കുറഞ്ഞ പവർ ലിമിറ്റിലും ഹാർഡ്‌വെയറിൽ ഇ-സ്റ്റോപ്പിലും പ്രവർത്തിക്കുക. AI നിർദ്ദേശിച്ച Ku ഒരു ആരംഭ പോയിൻ്റാണ്, അത് നിങ്ങളുടെ സിസ്റ്റത്തിൽ അളക്കുകയും പരിശോധിച്ചുറപ്പിക്കുകയും ചെയ്യുന്നു.

AI-അസിസ്റ്റഡ് ഡയഗ്നോസ്റ്റിക്സ്

AI-യെ വിവരിക്കുന്നതിലൂടെ നിങ്ങൾക്ക് PID സ്വഭാവം നിർണ്ണയിക്കാനാകും. ലക്ഷണം → സാധ്യമായ കാരണം മാപ്പിംഗ്:

ലക്ഷണം

സാധ്യമായ കാരണം

AI നിർദ്ദേശിക്കുന്ന ദിശ

പതുക്കെ ഇരിപ്പ്

കെപി/കി കുറവ്

കെപി വർദ്ധിപ്പിക്കുക

സ്ഥിരമായ പിശക്

ഞാൻ ഇല്ല അല്ലെങ്കിൽ വളരെ കുറവാണ്

കി ചേർക്കുക/വർദ്ധിപ്പിക്കുക

ഓവർഷൂട്ട് + ആന്ദോളനം

കെപി/കി ഉയർന്നത്, ഡി ഇല്ല

Kd ചേർക്കുക, കി കുറയ്ക്കുക

ആക്യുവേറ്റർ കുലുങ്ങുന്നു

ഡെറിവേറ്റീവ് നോയ്സ്

ഡി ഫിൽട്ടർ ചെയ്യുക/കുറയ്ക്കുക

നിങ്ങൾ വലിയ പരിധിയിലെത്തുമ്പോൾ

അവിഭാജ്യ വിൻഡ്അപ്പ്

ആൻ്റി-വിൻഡപ്പ് ചേർക്കുക

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായത്:"പിഐഡി നേട്ടങ്ങൾ നൽകുക."(ഏത് സിസ്റ്റം? പെരുമാറ്റം എങ്ങനെയുണ്ട്? എന്തെങ്കിലും അളവുകൾ ഉണ്ടോ? ക്രമരഹിതമായ നമ്പറുകൾ വരുന്നു.)STRONG:"ഞാൻ DC മോട്ടോർ സ്പീഡ് കൺട്രോളിനായി PID ക്രമീകരിക്കുകയാണ്. നിലവിൽ, Kp=2, Ki=0.5, Kd=0. ഇത് സ്റ്റെപ്പ് ഇൻപുട്ടിൽ 35% കവിയുന്നു, അത് രണ്ടാം ലക്ഷ്യത്തിലെത്താൻ വളരെ സമയമെടുക്കും. ഒരു വലിയ ലക്ഷ്യത്തിലെത്താൻ സമയമെടുക്കും. 100 ഹെർട്സ് ഈ ലക്ഷണങ്ങളിൽ നിന്ന് സാധ്യമായ കാരണങ്ങൾ പട്ടികപ്പെടുത്തുക, അത് "ഞാൻ ഏത് ദിശ മാറ്റണമെന്ന് നിർദ്ദേശിക്കുകയും ഓവർഷൂട്ട് ഒരു അവിഭാജ്യ വിൻഡപ്പാണോ എന്ന് എങ്ങനെ പരിശോധിക്കണമെന്ന് എന്നോട് പറയുകയും ചെയ്യുക."

മിനി കേസ്

കൺട്രോൾ എഞ്ചിനീയർ കെരെം ഒരു എക്‌സ്‌ട്രൂഡറിൻ്റെ താപനില നിയന്ത്രണം ക്രമീകരിക്കുന്നു. AI നിർദ്ദേശിച്ച നേട്ടങ്ങൾക്കൊപ്പം, സിസ്റ്റം വേഗത്തിൽ ലക്ഷ്യത്തിലെത്തുന്നു, എന്നാൽ ഓരോ സെറ്റ് മാറ്റത്തിലും അത് ഒരു വലിയ ഓവർഷൂട്ട് ഉണ്ടാക്കുകയും പതുക്കെ സ്ഥിരത കൈവരിക്കുകയും ചെയ്യുന്നു. കെറെം രോഗലക്ഷണം AI-യോട് വിശദീകരിക്കുന്നു; ഹീറ്റർ കുറച്ച് സമയത്തേക്ക് പൂർണ്ണ ശക്തിയിൽ (പൂരിതമായി) തുടരുന്നതിനാൽ ഇൻ്റഗ്രൽ വിൻഡ്അപ്പിനെ AI സംശയിക്കുന്നു. കെറെം പിഐഡി കോഡിലേക്ക് ആൻ്റി-വിൻഡപ്പ് ചേർക്കുന്നു, ഓവർഷൂട്ട് ഗണ്യമായി കുറയുന്നു. എന്നാൽ ഇപ്പോൾ ഹീറ്റർ ഔട്ട്ലെറ്റിൽ ഒരു ചെറിയ ഫ്ലിക്കർ ഉണ്ട്; താപനില സെൻസർ ശബ്‌ദം വർദ്ധിപ്പിക്കുന്ന ഡി പദമാണ് അദ്ദേഹം ഇതിന് ആട്രിബ്യൂട്ട് ചെയ്യുന്നത് കൂടാതെ ഡെറിവേറ്റീവിലേക്ക് ഒരു ലോ-പാസ് ഫിൽട്ടർ ചേർക്കുന്നു. അവസാനമായി, ഇത് സീഗ്ലർ-നിക്കോൾസുമായുള്ള നേട്ടങ്ങളെ ഏകദേശം സാധൂകരിക്കുകയും പരീക്ഷണാത്മക ഫൈൻ ട്യൂണിംഗ് നടത്തുകയും ചെയ്യുന്നു. AI അതിവേഗ രോഗനിർണയം നടത്തി; എന്നാൽ ഓരോ തിരുത്തലും കെരെം സ്ഥിരീകരിച്ചു, യഥാർത്ഥ സ്റ്റെപ്പ് പ്രതികരണം അളന്നു - വിൻഡ്അപ്പ് ശരിയാക്കിയതാണോ അതോ മിന്നിമറയുന്നതോ ആയാലും, അത് ഗ്രാഫിക്കായി മാത്രമേ കാണാൻ കഴിയൂ.

സാധാരണ തെറ്റുകൾ

• PID-യിലേക്ക് ഔട്ട്‌പുട്ട് സാച്ചുറേഷനും ആൻ്റി-വിൻഡപ്പും ചേർക്കുന്നതിൽ പരാജയപ്പെടുകയും ആക്യുവേറ്റർ പരിധിയിൽ വലിയ ഓവർഷൂട്ട് അനുഭവപ്പെടുകയും ചെയ്യുന്നു.
• നോയിസ് മെഷർമെൻ്റിൻ്റെ ഡെറിവേറ്റീവിൽ നിന്ന് ഡെറിവേറ്റീവ് എടുക്കുകയും ആക്യുവേറ്ററിനെ വൈബ്രേറ്റ് ചെയ്യുകയും ചെയ്യുന്നു.
• dt സ്ഥിരമാണെന്ന് കരുതുക, അതേസമയം സാമ്പിൾ കാലയളവ് വ്യത്യാസപ്പെടുന്നു.
• സുരക്ഷാ മുൻകരുതലുകൾ ഇല്ലാതെ ഹാർഡ്‌വെയറിൽ Ziegler-Nichols ആന്ദോളന പരിശോധന നടത്തുന്നു.
• സിസ്റ്റം-നിർദ്ദിഷ്‌ട പരിശോധന കൂടാതെ AI- സൃഷ്‌ടിച്ച വരുമാനം "അവസാനം" ആയി സ്വീകരിക്കുന്നു.
• വളരെ വലിയ ഘട്ടങ്ങളിലൂടെ ഒരൊറ്റ നേട്ടം മാറ്റുകയും സിസ്റ്റത്തെ അസ്ഥിരതയിലേക്ക് തള്ളുകയും ചെയ്യുന്നു.

ചുരുക്കത്തിൽ

• PID; ഇത് P (നിലവിലെ പിശക്), I (സഞ്ചിത പിശക്), D (പിശക് മാറ്റത്തിൻ്റെ നിരക്ക്) എന്നിവയുമായി പ്രതികരിക്കുന്നു.
• ഫീൽഡ് PID-ൽ ഔട്ട്‌പുട്ട് സാച്ചുറേഷൻ, ആൻ്റി-വിൻഡപ്പ്, ഡെറിവേറ്റീവ് ഫിൽട്ടർ എന്നിവ ഉൾപ്പെടുത്തണം.
• ഇൻ്റഗ്രൽ വിൻഅപ്പ് വലിയ ഓവർഷൂട്ട്, ഡെറിവേറ്റീവ് നോയ്സ് ആക്യുവേറ്റർ വൈബ്രേഷന് കാരണമാകുന്നു.
• സീഗ്ലർ-നിക്കോൾസ് നേട്ടത്തിന് തുടക്കം നൽകുന്നു; ഹാർഡ്‌വെയറിലെ സുരക്ഷാ സംവിധാനങ്ങളോടെയാണ് ഇത് നടപ്പിലാക്കുന്നത്.
• ലക്ഷണം മുതൽ കാരണം വരെ രോഗനിർണയത്തിൽ AI അതിവേഗമാണ്; അളവ് ഉപയോഗിച്ച് തിരുത്തൽ സ്ഥിരീകരിക്കുന്നു.
• dt യഥാർത്ഥ അളന്നു; ചെറിയ ഘട്ടങ്ങളിലൂടെയും നിരീക്ഷണങ്ങളിലൂടെയും വരുമാന മാറ്റങ്ങൾ വരുത്തുന്നു.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു സിസ്റ്റം (യഥാർത്ഥ മോട്ടോർ/ഹീറ്റർ അല്ലെങ്കിൽ പൈത്തണിലെ ലളിതമായ ആദ്യ/രണ്ടാം ഓർഡർ മോഡൽ) തിരഞ്ഞെടുക്കുക, കൂടാതെ സാച്ചുറേഷൻ + ആൻ്റി-വിൻഡപ്പ് ഉള്ള ഒരു PID ക്ലാസ് സൃഷ്ടിക്കാൻ AI-യെ ആവശ്യപ്പെടുക. തുടർന്ന്: (1) പിയിൽ മാത്രം ആരംഭിച്ച് കെപി വർദ്ധിപ്പിച്ച് ആന്ദോളന സ്വഭാവം നിരീക്ഷിക്കുക, (2) സ്ഥിരമായ പിശക് ഇല്ലാതാക്കാൻ കി ചേർക്കുക, ഓവർഷൂട്ട് എങ്ങനെ വർദ്ധിക്കുന്നുവെന്ന് കാണുക, (3) ആൻ്റി-വിൻഡപ്പ് ഓണും ഓഫും ആക്കി വലിയ ഓവർഷൂട്ടിലെ പ്രഭാവം താരതമ്യം ചെയ്യുക. ഓരോ ഘട്ടത്തിലും സ്റ്റെപ്പ് പ്രതികരണം പ്ലോട്ട് ചെയ്യുക, ഏത് സ്വഭാവത്തിൽ മാറ്റം വരുത്തുന്നു എന്ന് ശ്രദ്ധിക്കുക. Ziegler-Nichols-ൽ നിന്നുള്ള നേട്ടങ്ങൾ നിങ്ങൾ സ്വയം കണ്ടെത്തിയ നേട്ടങ്ങളുമായി താരതമ്യം ചെയ്യുക.