கட்டுப்பாட்டு அமைப்புகள் வடிவமைப்பு ஆதரவு

ஆதாயங்கள்:

• AI உடன் பரிமாற்ற செயல்பாடு, துருவ-பூஜ்யம் மற்றும் ஸ்திரத்தன்மை கருத்துகளை பகுப்பாய்வு செய்து விளக்குவதற்கான திறன்
• AI பரிந்துரையுடன் PID அளவுரு அமைப்பைத் தொடங்கும் திறன் மற்றும் உருவகப்படுத்துதல் மற்றும் புல அமைப்பு மூலம் பாதுகாப்பாக மேம்படுத்துதல்
• Bode/root locus மற்றும் உண்மையான பதில் மூலம் AI இன் நிலைத்தன்மை மற்றும் பதிலளிக்கக்கூடிய உரிமைகோரல்களை சரிபார்க்கும் திறன்

நிலையான வேகத்தில் ஒரு இயந்திரத்தை வைத்திருத்தல், ஒரு இலக்கு வெப்பநிலையில் உலையை சமநிலைப்படுத்துதல் அல்லது ஒரு ட்ரோனை காற்றில் நிலையாக வைத்திருப்பது; அவை அனைத்தும் கட்டுப்பாட்டு அமைப்பு சிக்கல்கள். கட்டுப்பாட்டு வடிவமைப்பு கணிதம் தீவிரமானது: பரிமாற்ற செயல்பாடுகள், துருவங்கள், பூஜ்ஜியங்கள், நிலைத்தன்மை அளவுகோல்கள் மற்றும் PID ட்யூனிங். இந்த கணிதத்தில் AI ஒரு சக்திவாய்ந்த உதவி; பரிமாற்ற செயல்பாட்டை எளிதாக்குகிறது, நிலைப்புத்தன்மை பகுப்பாய்வை விளக்குகிறது, PID ஆரம்ப மதிப்புகளை பரிந்துரைக்கிறது மற்றும் பைதான் உருவகப்படுத்துதல் குறியீட்டை எழுதுகிறது. ஆனால் கட்டுப்பாட்டு அமைப்பில் ஒரு தவறான அளவுரு "மோசமான செயல்திறன்" மட்டுமல்ல; அலைவு, ஓவர்ஷூட் மற்றும் உறுதியற்ற தன்மை உண்மையான உபகரணங்களை சேதப்படுத்தும். இந்த யூனிட்டில், நிலைப்புத்தன்மை பகுப்பாய்வில் AI ஐ எவ்வாறு பயன்படுத்துவது, நீங்கள் ஏன் PID ஐ சிமுலேஷன் மற்றும் கேஸ்கேட் ஃபீல்ட் டெஸ்டிங் மூலம் டியூன் செய்ய வேண்டும் மற்றும் Bode/root-locus வளைவு மூலம் AI இன் உரிமைகோரல்களை எவ்வாறு சரிபார்ப்பது என்பதை நாங்கள் விவரிப்போம்.

பரிமாற்ற செயல்பாடு, துருவமுனைப்பு-பூஜ்யம் மற்றும் நிலைத்தன்மை

ஒரு அமைப்பின் மாறும் நடத்தை G(கள்) பரிமாற்ற செயல்பாடு மூலம் வெளிப்படுத்தப்படுகிறது. வகுப்பின் வேர்கள் (துருவங்கள்) அமைப்பின் நிலைத்தன்மையை தீர்மானிக்கின்றன: தொடர்ச்சியான நேர அமைப்புகளில், அனைத்து துருவங்களும் இடது அரை விமானத்தில் இருந்தால் கணினி நிலையானது (உண்மையான பகுதி <0). AI ஒரு பரிமாற்றச் செயல்பாட்டை எளிமையாக்கவோ அல்லது துருவப்படுத்தவோ முடியும், ஆனால் முடிவை சுயாதீனமாகச் சரிபார்க்க வேண்டியது அவசியம்.

எடுத்துக்காட்டு: G(s) = 1 / (s² + 3s + 2) வகுக்கும் வேர்கள்: s² + 3s + 2 = (s+1)(s+2) = 0Poles: s = -1 மற்றும் s = -2 → இரண்டும் இடது பாதித் தளத்தில் → நிலையான τ0 τ1 மாறிலிகள்: 1 s² + 3s + 2 கள்

உதவிக்குறிப்பு: AI ஆனது பரிமாற்றச் செயல்பாட்டின் துருவங்களைக் கண்டறிந்ததும், சிறப்பியல்பு சமன்பாட்டை நீங்களே காரணியாக்குங்கள் அல்லது பைதான் (numpy.roots) மூலம் வேர்களைக் கணக்கிடுங்கள். AI இயற்கணித எளிமைப்படுத்தலில் குறி மற்றும் குணகப் பிழைகளைச் செய்யலாம்; நிலைத்தன்மை முடிவு இந்த வேர்களைப் பொறுத்தது என்பதால், பிழை விலை உயர்ந்தது.

ஸ்திரத்தன்மை அளவுகோல்கள்

துருவங்களை நேரடியாகக் கண்டறிவது கடினமாக இருந்தால், Routh-Hurwitz அளவுகோல் பண்புச் சமன்பாட்டின் குணகங்களிலிருந்து நிலைத்தன்மையைத் தீர்மானிக்கிறது. AI இந்த அட்டவணையை உருவாக்க முடியும்; முதல் நெடுவரிசையில் அடையாள மாற்றம் (முடிவு அடையாளம்) உள்ளதா என்பதைச் சரிபார்க்கவும். அதிர்வெண் களத்தில், போட் வரைபடத்தில் உள்ள ஆதாய விளிம்பு மற்றும் கட்ட விளிம்பு ஆகியவை கணினியின் நிலைத்தன்மை விளிம்பைக் காட்டுகின்றன. நேர்மறை மற்றும் போதுமான விளிம்புகள் (பொதுவாக கட்ட விளிம்பு > 45°) ஆரோக்கியமான வடிவமைப்பைக் குறிக்கிறது.

PID ட்யூனிங்: AI பரிந்துரை என்பது ஆரம்பநிலை, இறுதி முடிவு அல்ல

PID கட்டுப்படுத்தி மூன்று சொற்களைக் கொண்டுள்ளது: விகிதாசார (Kp), ஒருங்கிணைந்த (Ki) மற்றும் வழித்தோன்றல் (Kd). ஆரம்ப மதிப்புகள் அல்லது Ziegler-Nichols போன்ற முறைகளைப் பயன்படுத்தி, உங்கள் கணினி மாதிரியின் அடிப்படையில் ஒரு அமைப்பை AI பரிந்துரைக்கலாம். இருப்பினும், இந்த மதிப்புகள் ஒரு தொடக்க புள்ளி மட்டுமே. உண்மையான அமைப்பில், மாதிரி முற்றிலும் துல்லியமாக இல்லை; உராய்வு, தாமதம், செறிவு மற்றும் அளவீட்டு இரைச்சல் ஆகியவை உள்ளன.

PID சொல்

விளைவு

நீங்கள் உச்சநிலைக்குச் செல்லும்போது

Kp (விகிதாசார)

விரைவான பதில் பிழையைக் குறைக்கிறது

அலைவு, உறுதியற்ற தன்மை

சி (ஒருங்கிணைந்த)

நிரந்தர பிழையை மீட்டமைக்கிறது

ஓவர்ஷூட், ஒருங்கிணைந்த விண்டப்

Kd (வழித்தோன்றல்)

ஓவர்ஷூட்டை அடக்குகிறது மற்றும் குறைக்கிறது

சத்தத்தை பெருக்கவும்

பாதுகாப்பான டியூனிங் அணுகுமுறை: முதலில் உருவகப்படுத்துதலில் AI இன் பரிந்துரையை முயற்சிக்கவும், படி பதிலை வரையவும்; பின்னர் படிப்படியாக குறைந்த ஆபத்து, வரையறுக்கப்பட்ட நிலையில் துறையில் செயல்படுத்த. ஓவர்ஷூட், நேரம் மற்றும் அலைவு ஆகியவற்றைக் கவனித்து, விதிமுறைகளை ஒவ்வொன்றாகச் சரிசெய்யவும்.

scipy இறக்குமதி சிக்னலில் இருந்து நம்பியை np ஆக இறக்குமதி செய் ஓபன் லூப் மற்றும் மூடிய சுழற்சிG = சமிக்ஞை. பரிமாற்றச் செயல்பாடு([1], [1, 3, 2])# ... ஓப்பன் லூப் பெருக்கல் மற்றும் மூடிய லூப் பின்னூட்டம் நிறுவப்பட்டது# ப்ளாட் க்ளோஸ் லூப் ஸ்டெப் ரெஸ்பான்ஸ், MEASURE overshoot and settling time, y = signal.step(signal.TransferFunction([Kd,Kp,Ki],[1,3+Kd,2+Kp,Ki]))ஓவர்ஷூட் = (y.max() - y[-1]) / y[-1] * 100print(f"Overshoot: %{overshoot: %{overshoot: 3-stable], stable]

எச்சரிக்கை: AI பரிந்துரைக்கப்பட்ட PID மதிப்புகளை முழு இயக்க நிலையில் நேரடியாகப் பயன்படுத்துவது, திடீர் ஓவர்ஷூட் மற்றும் ஊசலாட்டத்துடன் மோட்டார், வால்வு அல்லது உபகரணங்களுக்கு அழுத்தம் கொடுக்கலாம். முதலில் உருவகப்படுத்துதலின் வரிசையை எப்போதும் பின்பற்றவும், பின்னர் குறைந்த ஆபத்து புல சோதனை, பின்னர் படிப்படியான முன்னேற்றம். அவசரகால நிறுத்தம் மற்றும் பாதுகாப்பான வரம்புகள் செயல்படுத்தப்பட்டுள்ளதா என்பதை உறுதிப்படுத்தவும்.

பலவீனமான ப்ராம்ட் / ஸ்ட்ராங் ப்ராம்ட்

பலவீனம்:"இந்த மோட்டருக்கு PID ட்யூனிங்கைக் கொடுங்கள்."(முடிவு: சூழல் இல்லாமல் மூன்று எண்கள்; கணினியின் இயக்கவியல் மற்றும் கட்டுப்பாடுகள் தெரியாமல்.)STRONG:"பரிமாற்ற செயல்பாடு G(s)=1/(s^2+3s+2) கொண்ட கணினிக்கான PID ஆரம்ப மதிப்புகளைப் பரிந்துரைக்கவும். வழங்கவும்:- Ziegler-Nichols-ஐ ஒத்த முறைகளை விளக்கவும். க்ளோஸ்-லூப் ஸ்டெப் ரெஸ்பான்ஸிற்கான ஓவர்ஷூட் மற்றும் செட்டில்லிங் டைம்.- இந்த மதிப்புகள் சிமுலேஷன் தொடக்கம் மட்டுமே "புலத்தில் படிப்படியான சரிசெய்தல் தேவை என்பதை நினைவில் கொள்ளவும். மாதிரி உண்மையான அமைப்பிலிருந்து விலகினால், மதிப்புகள் மாறும் என்பதை வலியுறுத்துங்கள்."

AI இன் உரிமைகோரல்களை சரிபார்க்கிறது: போடே மற்றும் ரூட்-லோகஸ் வளைவு

"இந்த அமைப்பு நிலையானது மற்றும் வேகமானது" என்று AI கூறும்போது, இதை இரண்டு வரைபடங்கள் மூலம் சோதிக்கவும். ஆதாயம் மாறும்போது துருவங்கள் எவ்வாறு நகரும் என்பதை ரூட் லோகஸ் காட்டுகிறது; துருவங்கள் வலது அரை விமானத்திற்கு நகர்ந்தால், கணினி நிலையற்றதாக மாறும். போடே வரைபடம் ஆதாயம் மற்றும் கட்ட விளிம்பைக் கொடுக்கிறது. AI பரிந்துரைக்கப்பட்ட ஆதாயத்தில் இந்த விளிம்புகள் இன்னும் பாதுகாப்பாக உள்ளன என்பதை பார்வைக்கு சரிபார்க்கவும். உண்மையான அமைப்பின் படி பதிலை அளந்து அதை உருவகப்படுத்துதலுடன் ஒப்பிடுவதே வலுவான சரிபார்ப்பு ஆகும்; இரண்டும் பொருந்தினால், உங்கள் மாதிரி மற்றும் அமைப்பு நம்பகமானதாக இருக்கும்.

மினி கேஸ்

ஒரு ஆட்டோமேஷன் பொறியாளர் AI இலிருந்து வெப்பநிலை உலை வரை PID மதிப்புகளைப் பயன்படுத்துகிறார். உருவகப்படுத்துதலில் பதில் நன்றாக இருக்கிறது. ஆனால் வயலில், உலை இலக்கு வெப்பநிலையை விட நன்றாகச் சென்று ஊசலாடத் தொடங்குகிறது. காரணம்: உண்மையான அடுப்பின் வெப்பம் தாமதம் (இறந்த நேரம்) மாதிரியில் இல்லை; AI ஒரு சிறந்த, பின்னடைவு இல்லாத மாதிரியைக் கருதியது. பொறியாளர் ஒருங்கிணைந்த காலத்தைக் கைவிடுவதன் மூலம் கணினியைப் பாதுகாப்பாகப் பொருத்துகிறார், தாமத இழப்பீட்டைச் சேர்த்து, முதலில் குறைந்த செட்-பாயின்ட்டில் சோதனை செய்கிறார். பாடம்: AI இன் PID பரிந்துரை உங்கள் மாதிரியைப் போலவே சிறந்தது; உண்மையான பின்னடைவு, செறிவு மற்றும் உராய்வு ஆகியவை புலத்தில் ஏற்படுகின்றன மற்றும் படிப்படியாக சரிசெய்தல் தேவைப்படுகிறது.

பொதுவான தவறுகள்

• துருவமுனைப்பு/நிலைத்தன்மையை சுயாதீனமாக சரிபார்க்காமல் AI இன் இயற்கணிதத்தை நம்பியிருப்பது.
• முழு இயக்க நிலையில் நேரடியாக PID மதிப்புகளைப் பயன்படுத்துதல்.
• மாதிரியில் இறந்த நேரம், செறிவு மற்றும் உராய்வு ஆகியவற்றை புறக்கணித்தல்.
• அளவீட்டு இரைச்சலைக் கருத்தில் கொள்ளாமல் பெரிய டெரிவேடிவ் காலத்தைத் தேர்ந்தெடுப்பது (சத்தம் பெருக்கப்படுகிறது).
• ஒருங்கிணைந்த காற்று மற்றும் செறிவூட்டல் வரம்புகளை புறக்கணித்தல்.
• உருவகப்படுத்துதல் "நல்லது" என்பதால் புலத்தில் சோதனை செய்யாமல் அதை இயக்குகிறது.

சுருக்கமாக

• நிலைத்தன்மை துருவங்களின் இருப்பிடத்தைப் பொறுத்தது; இடது பாதித் தளம் நிலையானது, வலது பாதித் தளம் நிலையற்றது.
• Routh-Hurwitz, Bode (gain/phase margin) மற்றும் root-locus stability ஆகியவை சரிபார்ப்புக் கருவிகள்.
• AI இன் PID பரிந்துரை ஒரு தொடக்கப் புள்ளியாகும்; வரிசை பின்வருமாறு: உருவகப்படுத்துதல் → குறைந்த ஆபத்து தளம் → படிப்படியான முன்னேற்றம்.
• ஒவ்வொரு PID காலத்தையும் மிகைப்படுத்துவதன் நன்மை மற்றும் ஆபத்து அறியப்பட வேண்டும்.
• AI இன் நிலைத்தன்மை உரிமைகோரல்கள் Bode/root-locus curve மற்றும் உண்மையான படி பதில் மூலம் சோதிக்கப்படுகின்றன.
• உண்மையான அமைப்பில் உள்ள தாமதம் மற்றும் செறிவூட்டலுக்கு சிறந்த மாதிரிக்கு அப்பால் டியூனிங் தேவைப்படுகிறது.

விண்ணப்ப பணி

எளிய இரண்டாம்-வரிசை அமைப்பைத் தேர்வு செய்யவும் (அல்லது உங்கள் சொந்த அமைப்பின் மாதிரியைப் பயன்படுத்தவும்). பரிமாற்ற செயல்பாட்டின் துருவமுனைப்பு மற்றும் PID ஆரம்ப அமைப்பை AIயிடம் கேளுங்கள். பிறகு: (1) numpy.roots மூலம் துருவமுனைப்பை சுயாதீனமாக சரிபார்க்கவும், (2) மூடிய-லூப் படி பதிலை உருவகப்படுத்தவும் மற்றும் ஓவர்ஷூட் மற்றும் செட்டில் செய்யும் நேரத்தை அளவிடவும், (3) Kp, Ki, Kd ஆகியவற்றை ஒவ்வொன்றாக மாற்றவும் மற்றும் பதில் எவ்வாறு மோசமடைகிறது என்பதைக் கவனிக்கவும். AI பரிந்துரை ஏன் ஒரு ஆரம்பம் மட்டுமே என்பதை உங்கள் சொந்த அவதானிப்புகளுடன் விளக்குங்கள்.