Kazanimlar:
- Transfer fonksiyonu, kutup-sıfır ve kararlılık kavramlarını AI ile analiz edip yorumlayabilme
- PID parametre ayarını AI önerisiyle başlatıp simülasyon ve saha ayarıyla güvenli biçimde iyileştirebilme
- AI'ın kararlılık ve tepki iddialarını Bode/kök-yer eğrisi ve gerçek yanıtla doğrulayabilme
Bir motoru sabit hızda tutmak, bir fırını hedef sıcaklıkta dengelemek veya bir dronu havada sabit tutmak; hepsi kontrol sistemi problemidir. Kontrol tasarımı matematik yoğundur: transfer fonksiyonları, kutuplar, sıfırlar, kararlılık kriterleri ve PID ayarı. AI bu matematikte güçlü bir yardımcıdır; transfer fonksiyonunu sadeleştirir, kararlılık analizini açıklar, PID başlangıç değerleri önerir ve Python simülasyon kodu yazar. Ama kontrol sisteminde yanlış bir parametre yalnızca "kötü performans" değildir; salınım, aşırı aşım (overshoot) ve kararsızlık gerçek ekipmana zarar verebilir. Bu ünitede AI'ı kararlılık analizinde nasıl kullanacağınızı, PID ayarını neden simülasyon ve kademeli saha testiyle yapmanız gerektiğini ve AI'ın iddialarını Bode/kök-yer eğrisiyle nasıl doğrulayacağınızı işleyeceğiz.
Transfer Fonksiyonu, Kutup-Sıfır ve Kararlılık
Bir sistemin dinamik davranışı, transfer fonksiyonu G(s) ile ifade edilir. Paydanın kökleri (kutuplar) sistemin kararlılığını belirler: sürekli zaman sistemlerinde tüm kutuplar sol yarı düzlemde (reel kısım < 0) ise sistem kararlıdır. AI bir transfer fonksiyonunu sadeleştirebilir veya kutuplarını bulabilir, ama sonucu bağımsız kontrol etmek gerekir.
Örnek: G(s) = 1 / (s² + 3s + 2)Payda kökleri: s² + 3s + 2 = (s+1)(s+2) = 0Kutuplar: s = -1 ve s = -2 → ikisi de sol yarı düzlemde → KARARLIZaman sabitleri: τ1 = 1 s, τ2 = 0.5 s
İpucu: AI'a bir transfer fonksiyonunun kutuplarını buldurduğunuzda, karakteristik denklemi kendiniz de çarpanlara ayırın veya Python (numpy.roots) ile kökleri hesaplayın. AI cebirsel sadeleştirmede işaret ve katsayı hatası yapabilir; kararlılık kararı bu köklere bağlı olduğu için hata pahalıdır.
Kararlılık Kriterleri
Kutupları doğrudan bulmak zorsa, Routh-Hurwitz kriteri karakteristik denklemin katsayılarından kararlılığı belirler. AI bu tabloyu kurabilir; siz ilk sütunda işaret değişimi olup olmadığını (kararsızlık işareti) kontrol edersiniz. Frekans bölgesinde ise Bode diyagramındaki kazanç payı (gain margin) ve faz payı (phase margin) sistemin kararlılık marjını gösterir. Pozitif ve yeterli marjlar (tipik olarak faz payı > 45°) sağlıklı bir tasarıma işaret eder.
PID Ayarı: AI Önerisi Bir Başlangıçtır, Son Karar Değil
PID kontrolör üç terimden oluşur: oransal (Kp), integral (Ki) ve türev (Kd). AI, sistem modelinize göre başlangıç değerleri veya Ziegler-Nichols gibi yöntemlerle bir ayar önerebilir. Ancak bu değerler yalnızca bir başlangıç noktasıdır. Gerçek sistemde model tam doğru değildir; sürtünme, gecikme, doyma (saturation) ve ölçüm gürültüsü vardır.
PID terimi
Etkisi
Aşırıya kaçınca
Kp (oransal)
Hızlı tepki, hatayı azaltır
Salınım, kararsızlık
Ki (integral)
Kalıcı hatayı sıfırlar
Aşım, integral windup
Kd (türev)
Aşımı bastırır, sönümler
Gürültüyü yükseltir
Güvenli ayar yaklaşımı şudur: önce AI'ın önerisini simülasyonda deneyin, adım yanıtını (step response) çizin; sonra düşük riskli, sınırlı bir koşulda sahada kademeli uygulayın. Aşım, oturma süresi ve salınımı gözlemleyerek terimleri tek tek ayarlayın.
import numpy as npfrom scipy import signal# Sistem: G(s) = 1/(s^2 + 3s + 2), PID başlangıç değerleri AI'danKp, Ki, Kd = 10.0, 5.0, 2.0# PID: C(s) = Kp + Ki/s + Kd*snum_c = [Kd, Kp, Ki]den_c = [1, 0]# Açık çevrim ve kapalı çevrimG = signal.TransferFunction([1], [1, 3, 2])# ... açık çevrim çarpımı ve kapalı çevrim geri besleme kurulur# Kapalı çevrim adım yanıtını çiz, aşım ve oturma süresini ÖLÇt, y = signal.step(signal.TransferFunction([Kd,Kp,Ki],[1,3+Kd,2+Kp,Ki]))overshoot = (y.max() - y[-1]) / y[-1] * 100print(f"Aşım: %{overshoot:.1f}, kararlı deger: {y[-1]:.3f}")
Dikkat: AI'ın önerdiği PID değerlerini doğrudan tam çalışma koşulunda uygulamak, motor, valf veya ekipmanı ani aşım ve salınımla zorlayabilir. Her zaman önce simülasyon, sonra düşük riskli saha testi, sonra kademeli iyileştirme sırasını izleyin. Acil durdurma ve güvenli sınırların devrede olduğundan emin olun.
Zayıf Prompt / Güçlü Prompt
ZAYIF:"Bu motora PID ayarı ver."(Sonuç: bağlamsız üç sayı; sistemin dinamiğini ve kısıtlarını bilmeden.)GÜÇLÜ:"Transfer fonksiyonu G(s)=1/(s^2+3s+2) olan bir sistem için PID başlangıçdeğerleri öner. Şunları sağla:- Ziegler-Nichols veya benzeri yöntemi ve varsayımlarını açıkla.- Kapalı çevrim adım yanıtı için beklenen aşım ve oturma süresini tahmin et.- Bu değerlerin yalnızca simülasyon başlangıcı olduğunu, sahada kademeli ayar gerektiğini not düş.Model gerçek sistemden saparsa değerlerin değişeceğini vurgula."
AI'ın İddialarını Doğrulamak: Bode ve Kök-Yer Eğrisi
AI "bu ayar kararlı ve hızlı" dediğinde, bunu iki grafikle sınayın. Kök-yer eğrisi (root locus), kazanç değiştikçe kutupların nasıl hareket ettiğini gösterir; kutuplar sağ yarı düzleme geçiyorsa sistem kararsızlaşır. Bode diyagramı, kazanç ve faz payını verir. AI'ın önerdiği kazançta bu marjların hâlâ güvenli olduğunu gözle doğrulayın. En güçlü doğrulama ise gerçek sistemin adım yanıtını ölçüp simülasyonla karşılaştırmaktır; ikisi örtüşüyorsa modeliniz ve ayarınız güvenilirdir.
Mini Vaka
Bir otomasyon mühendisi, bir sıcaklık fırınına AI'dan aldığı PID değerlerini uyguluyor. Simülasyonda yanıt güzel görünüyor. Ama sahada fırın hedef sıcaklığın çok üstüne çıkıp salınıma giriyor. Nedeni: gerçek fırının ısınma gecikmesi (dead time) modelde yoktu; AI ideal, gecikmesiz bir model varsaymıştı. Mühendis, integral terimini düşürüp bir gecikme telafisi ekleyerek ve önce düşük set-point'te test ederek sistemi güvenle oturtuyor. Ders: AI'ın PID önerisi modelin kadar iyidir; gerçek gecikme, doyma ve sürtünme sahada ortaya çıkar ve kademeli ayar gerektirir.
Yaygın Hatalar
- Kutupları/kararlılığı bağımsız kontrol etmeden AI'ın cebirine güvenmek.
- PID değerlerini doğrudan tam çalışma koşulunda uygulamak.
- Modelde gecikme (dead time), doyma ve sürtünmeyi ihmal etmek.
- Türev terimini ölçüm gürültüsünü düşünmeden büyük seçmek (gürültü yükseltilir).
- Integral windup'ı ve doyma sınırlarını göz ardı etmek.
- Simülasyon "iyi" diye sahada test etmeden devreye almak.
Özetle
- Kararlılık kutupların yerine bağlıdır; sol yarı düzlem kararlı, sağ yarı düzlem kararsızdır.
- Routh-Hurwitz, Bode (kazanç/faz payı) ve kök-yer eğrisi kararlılığı doğrulama araçlarıdır.
- AI'ın PID önerisi bir başlangıç noktasıdır; simülasyon → düşük riskli saha → kademeli iyileştirme sırası izlenir.
- Her PID teriminin faydası ve aşırıya kaçınca riski bilinmelidir.
- AI'ın kararlılık iddiaları Bode/kök-yer eğrisi ve gerçek adım yanıtıyla sınanır.
- Gerçek sistemdeki gecikme ve doyma, ideal modelin ötesinde ayar gerektirir.
Uygulama görevi
Basit bir ikinci mertebe sistem seçin (veya kendi sisteminizin modelini kullanın). AI'dan transfer fonksiyonunun kutuplarını ve bir PID başlangıç ayarı isteyin. Sonra: (1) kutupları numpy.roots ile bağımsız doğrulayın, (2) kapalı çevrim adım yanıtını simüle edip aşım ve oturma süresini ölçün, (3) Kp, Ki, Kd'yi tek tek değiştirip yanıtın nasıl bozulduğunu gözlemleyin. AI önerisinin neden yalnızca bir başlangıç olduğunu kendi gözlemlerinizle açıklayın.