در این مطلب، ویدئو TCLab: Arduino PID Control در پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:14:48
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:02,580
به خوبی یک کنترلر PID را در
2
00:00:02,580 –> 00:00:04,680
آزمایشگاه کنترل دما پیاده سازی کنید در این مورد
3
00:00:04,680 –> 00:00:08,849
این یک دستگاه آردوینو ساده است که
4
00:00:08,849 –> 00:00:11,219
دارای گرمکن و سنسور دما است و
5
00:00:11,219 –> 00:00:15,120
ما قصد داریم از بخاری برای
6
00:00:15,120 –> 00:00:17,490
تنظیم دما با استفاده از الگوریتم کنترل PID استفاده
7
00:00:17,490 –> 00:00:19,770
کنیم کمی اطلاعات بیشتر
8
00:00:19,770 –> 00:00:22,320
در این لینک موجود است و
9
00:00:22,320 –> 00:00:23,910
من این پیوند را در توضیحات ویدیو قرار
10
00:00:23,910 –> 00:00:28,080
خواهم داد و اجازه دهید
11
00:00:28,080 –> 00:00:30,570
کمی بیشتر در مورد این موضوع که
12
00:00:30,570 –> 00:00:32,610
با کنترلر PID که قبلاً
13
00:00:32,610 –> 00:00:35,329
14
00:00:35,329 –> 00:00:38,370
انتگرال متناسب و انتگرال تناسبی را پوشش داده ایم و سپس این مورد
15
00:00:38,370 –> 00:00:40,140
نهایی را بررسی کنیم مشتق انتگرال بخش خواهد بود،
16
00:00:40,140 –> 00:00:42,540
بنابراین ما این
17
00:00:42,540 –> 00:00:44,730
عبارت نهایی را دقیقاً در اینجا اضافه می کنیم یا
18
00:00:44,730 –> 00:00:47,250
مشتق دما
19
00:00:47,250 –> 00:00:49,829
را می گیریم و سپس آن را در بهره کنترل کننده خود ضرب می کنیم و
20
00:00:49,829 –> 00:00:53,789
همچنین این تاو D ثابت زمانی مشتق
21
00:00:53,789 –> 00:00:57,410
بسیار خوب است، بنابراین فقط کمی
22
00:00:57,410 –> 00:01:00,809
اطلاعات بیشتر در این مورد مجدداً نمیتوانیم از
23
00:01:00,809 –> 00:01:03,149
شکل پیوسته انتگرال استفاده
24
00:01:03,149 –> 00:01:06,869
کنیم، بنابراین یک فرم گسسته ایجاد میکنیم در عوض
25
00:01:06,869 –> 00:01:08,880
اشکال دیگری از این معادله PID وجود دارد،
26
00:01:08,880 –> 00:01:11,850
مانند بسیاری از فرمهای فلسفه b. ما
27
00:01:11,850 –> 00:01:13,740
فقط به یک استاندارد ساده پایبند میشویم
28
00:01:13,740 –> 00:01:16,670
و سپس عبارت مشتق خود را نیز تقریب
29
00:01:16,670 –> 00:01:19,080
میزنیم، زیرا
30
00:01:19,080 –> 00:01:21,000
مشتق آنی نداریم، یک
31
00:01:21,000 –> 00:01:23,340
تقریب تفاضل محدود در
32
00:01:23,340 –> 00:01:25,229
واقعیت انجام میدهیم، این به خوبی کار نمیکند،
33
00:01:25,229 –> 00:01:27,570
زیرا اگر شما با
34
00:01:27,570 –> 00:01:30,119
افزایش دما به صورت محلی، مشتق
35
00:01:30,119 –> 00:01:32,369
بسیار تغییر می کند، بنابراین ما
36
00:01:32,369 –> 00:01:34,500
معمولاً می خواهیم فیلترها یا
37
00:01:34,500 –> 00:01:37,280
چیزهای دیگر را پیاده سازی کنیم، اما فقط این کار را انجام می
38
00:01:37,280 –> 00:01:40,500
دهیم، فقط این یکی را فعلا پیاده سازی می کنیم،
39
00:01:40,500 –> 00:01:43,140
فقط می دانیم که مشکلاتی وجود دارد.
40
00:01:43,140 –> 00:01:44,909
اصطلاح مشتق شده
41
00:01:44,909 –> 00:01:47,130
به خصوص چگونه اگر نویز یا
42
00:01:47,130 –> 00:01:50,240
نوسانات تصادفی در اندازه گیری های خود دارید،
43
00:01:50,240 –> 00:01:53,729
خوب است، بنابراین اشکال فیلترهای مختلفی وجود دارد،
44
00:01:53,729 –> 00:01:57,810
اجازه دهید فقط از طریق آن پایین بیایم، ما همچنین
45
00:01:57,810 –> 00:02:01,770
برای این مورد فقط یک تابع PID داریم
46
00:02:01,770 –> 00:02:05,549
که می توانید از آن استفاده کنید و این به شما کمک می کند تا از
47
00:02:05,549 –> 00:02:09,060
کد استفاده مجدد کنید. شما مجبور نیستید
48
00:02:09,060 –> 00:02:12,060
هر بار که کنترلر PID را برنامه ریزی کنید،
49
00:02:12,060 –> 00:02:13,590
بسته های دیگری
50
00:02:13,590 –> 00:02:18,870
مانند PID ساده در پایتون وجود دارد که می توانید آنها را با
51
00:02:18,870 –> 00:02:21,360
پیپ نصب کنید و از آن استفاده کنید.
52
00:02:21,360 –> 00:02:23,069
53
00:02:23,069 –> 00:02:25,590
nction در دسترس شماست تا
54
00:02:25,590 –> 00:02:29,400
بتوانید هر بار خودتان کد را به جای برنامه نویسی مجددا استفاده
55
00:02:29,400 –> 00:02:32,790
کنید، اما در اینجا ما
56
00:02:32,790 –> 00:02:34,650
عبارت های انتگرال و مشتق متناسب
57
00:02:34,650 –> 00:02:37,860
را داریم و سپس خروجی ما فقط
58
00:02:37,860 –> 00:02:41,160
جمع آن ها با هم است و سپس ما
59
00:02:41,160 –> 00:02:45,239
Win-up را نیز پیاده سازی و تنظیم مجدد می کنیم. به طوری
60
00:02:45,239 –> 00:02:47,579
که اگر خارج از حد خروجی کم
61
00:02:47,579 –> 00:02:49,950
یا خروجی زیاد باشیم،
62
00:02:49,950 –> 00:02:53,880
عبارت انتگرال را به درستی افزایش نمیدهد و
63
00:02:53,880 –> 00:02:56,810
سپس میخواهیم
64
00:02:56,810 –> 00:03:01,470
تنظیم تهاجمی I am C را برای این کار اجرا کنیم و
65
00:03:01,470 –> 00:03:03,870
در اینجا همبستگیهای تنظیم وجود دارد
66
00:03:03,870 –> 00:03:05,879
.
67
00:03:05,879 –> 00:03:10,799
همانطور که این را اجرا می کنیم، این
68
00:03:10,799 –> 00:03:14,250
را به کناری می گذارم تا بتوانیم همبستگی های تنظیم را ببینیم
69
00:03:14,250 –> 00:03:17,129
و بیایید جلوتر برویم و این را بیاوریم
70
00:03:17,129 –> 00:03:20,970
و کد شروع خود را دریافت کنیم، بنابراین اگر به اینجا آمدیم،
71
00:03:20,970 –> 00:03:24,030
72
00:03:24,030 –> 00:03:27,450
اسکریپت کنترل PID شروع را مشاهده می کنیم. و شما کد را
73
00:03:27,450 –> 00:03:30,209
فقط با نواحی برای پر کردن با این
74
00:03:30,209 –> 00:03:32,519
تابع PID خواهید دید، بنابراین من این
75
00:03:32,519 –> 00:03:35,760
کد دریافت را در پایین سمت راست انتخاب میکنم و سپس آن را
76
00:03:35,760 –> 00:03:40,980
کپی میکنم و سپس اجازه دهید وارد اینجا شویم
77
00:03:40,980 –> 00:03:44,970
و خوب دوباره از ابتدا شروع کنیم.
78
00:03:44,970 –> 00:03:47,609
از نظر پیاده سازی
79
00:03:47,609 –> 00:03:51,560
کنترلر، بنابراین بیایید مقادیر تنظیم PID خود را پیاده سازی کنیم،
80
00:03:51,560 –> 00:03:56,340
شما از
81
00:03:56,340 –> 00:03:59,579
بخش های قبلی در مورد مدل سازی می دانید، ما سودی
82
00:03:59,579 –> 00:04:05,060
در حدود 0.9 a Tau داشتیم.
83
00:04:05,060 –> 00:04:09,180
84
00:04:09,180 –> 00:04:14,220
py کنترل شده بله،
85
00:04:14,220 –> 00:04:16,168
با برجسته کردن نحو بهتر است و
86
00:04:16,168 –> 00:04:21,298
سپس ما تتا P را داشتیم که اوه
87
00:04:21,298 –> 00:04:25,830
باید باشم این یک تاو P و تتا P است
88
00:04:25,830 –> 00:04:26,750
89
00:04:26,750 –> 00:04:30,770
و حدود 15 ثانیه مشکلی ندارد، بنابراین
90
00:04:30,770 –> 00:04:33,350
ما وجود دارد تقریبی مرتبه اول ما
91
00:04:33,350 –> 00:04:36,650
به اضافه زمان مرده مدل و سپس ما
92
00:04:36,650 –> 00:04:38,810
برخی از همبستگیهای تنظیم را در اینجا داریم، ما
93
00:04:38,810 –> 00:04:40,550
فقط با تنظیم تهاجمی شروع
94
00:04:40,550 –> 00:04:44,570
میکنیم، بنابراین میخواهیم یک مقدار Tau C
95
00:04:44,570 –> 00:04:46,040
در اینجا داشته باشیم و همچنین
96
00:04:46,040 –> 00:04:51,040
tau C برابر با حداکثر
97
00:04:51,040 –> 00:04:57,430
0.1 برابر تاو P و سپس نیز خواهد بود. 0.8 برابر
98
00:04:57,430 –> 00:05:00,260
تتا P، بنابراین حداکثر
99
00:05:00,260 –> 00:05:04,910
عشق آنها را میگیرد، بنابراین به نظر میرسد که نقطه 1
100
00:05:04,910 –> 00:05:07,990
برابر تاو P حدود 17.5
101
00:05:07,990 –> 00:05:11,540
در مقابل نقطه 8 برابر تتا P خواهد بود، به
102
00:05:11,540 –> 00:05:13,310
نظر میرسد که حدوداً 11 خواهد بود،
103
00:05:13,310 –> 00:05:17,000
بنابراین یک عدد خواهد بود. تاو C حدوداً 17.5 خواهد بود،
104
00:05:17,000 –> 00:05:23,060
خوب اجازه دهید به ادامه مطلب برویم مورد
105
00:05:23,060 –> 00:05:26,630
بعدی این مقدار kc ما است و بنابراین ما
106
00:05:26,630 –> 00:05:33,950
1 را تقسیم بر KP خواهیم داشت و
107
00:05:33,950 –> 00:05:38,930
سپس در tau P به اضافه 0.5 ضربدر
108
00:05:38,930 –> 00:05:43,669
تتا P ضرب می کنیم و سپس بر تاو C تقسیم می
109
00:05:43,669 –> 00:05:49,870
کنیم که 17.5 به اضافه 0.5 برابر تتا P
110
00:05:49,870 –> 00:05:54,050
همه است. درست اینجا مقدار kc
111
00:05:54,050 –> 00:05:57,080
ما است که بازی کنترلر ما است و این برای تنظیم تهاجمی IMC است،
112
00:05:57,080 –> 00:06:01,540
بیایید به تاو برویم،
113
00:06:01,540 –> 00:06:07,150
خوب این یکی تاو P
114
00:06:07,150 –> 00:06:14,810
به اضافه 0.5 برابر تتا P است، خوب است و سپس
115
00:06:14,810 –> 00:06:17,860
تاو ما
116
00:06:18,140 –> 00:06:21,620
اوکی است و این تاو P بار خواهد بود.
117
00:06:21,620 –> 00:06:29,110
تتا P تقسیم بر دو برابر tau P به اضافه
118
00:06:29,110 –> 00:06:32,870
تتا P بسیار خوب، بنابراین
119
00:06:32,870 –> 00:06:36,770
اگر ما فقط چاپ کنیم این همبستگی ها وجود دارد، اجازه دهید
120
00:06:36,770 –> 00:06:43,150
من فقط KC را درست انجام دهم این مقدار KC ما است
121
00:06:43,150 –> 00:06:49,340
و سپس ما نیز tau را چاپ خواهیم کرد، فقط می
122
00:06:49,340 –> 00:06:51,230
توانم آنها را بعد از اجرا بررسی کنم فقط
123
00:06:51,230 –> 00:06:52,730
مطمئن شوید
124
00:06:52,730 –> 00:06:56,630
که چیزی کاملا غیر واقعی دریافت نمیکنیم، اگر
125
00:06:56,630 –> 00:07:03,830
کمی هوا را در ریاضی ایجاد کنیم،
126
00:07:03,830 –> 00:07:07,850
میرویم KC tau I و tau T خوب است،
127
00:07:07,850 –> 00:07:10,010
بنابراین ما ثابتهای تنظیم خود را داریم، حالا
128
00:07:10,010 –> 00:07:12,370
بیایید کنترلکننده PID خود را پیادهسازی
129
00:07:12,370 –> 00:07:15,740
کنیم. برخی از ورودیها اینجا هستند، بنابراین
130
00:07:15,740 –> 00:07:18,500
من فقط این یکی را کپی میکنم زیرا ما
131
00:07:18,500 –> 00:07:24,110
میخواهیم آن را در زیر صدا بزنیم، بنابراین اجازه
132
00:07:24,110 –> 00:07:30,500
دهید خوب باشد، این
133
00:07:30,500 –> 00:07:34,310
برابر خواهد بود و چند
134
00:07:34,310 –> 00:07:37,910
چیز را برمیگرداند، بنابراین باید به اینجا برگردم،
135
00:07:37,910 –> 00:07:41,060
این چیزی است که ما برمیگردانیم Oh P و
136
00:07:41,060 –> 00:07:47,510
سپس P I و D کاملاً درست است، بنابراین
137
00:07:47,510 –> 00:07:50,990
بیایید فقط P I و D را به خوبی برگردانیم،
138
00:07:50,990 –> 00:07:54,770
بنابراین بیایید ببی