KINGSTON-115/llm-pid-tuner

这是什么

LLM‑PID‑Tuner 是一个桌面工具，通过让大语言模型（LLM）建议新的 P、I、D 值，帮助您调节物理系统（加热板、电机、烤箱等）的 PID 控制器。它可以在三种模式下工作：

硬件模式 – 通过串口读取 Arduino/ESP32（或其他 MCU）的实时 CSV 数据，将数据发送给 LLM，接收新的 PID 设定点并写回开发板。
本地模拟器 – 运行 Python 热系统模型（simulator.py），无需硬件即可查看调参循环。
MATLAB/Simulink 模式 – 通过 MATLAB 引擎驱动 Simulink PID 模块，让 LLM 进行调参。该程序为初学者提供了现成的 Windows .exe，但源码也可以直接用 Python 运行。

适用人群

已经拥有 PID 控制设备，但难以找到合适增益的爱好者或工程师。
希望在投入硬件之前尝试 LLM 驱动的控制回路优化的任何人。
熟悉简单串行 CSV 协议或 Simulink 模型的用户。

它能做什么（以及不能做什么）

能力	详情
实时 PID 建议	读取传感器/执行器数据，评估性能（误差、超调、稳态），请求 LLM 提供新的 PID 设定点，应用安全限制，如果性能下降可以回滚。
可视化	桌面 UI（或 TUI）显示实时曲线、当前 PID 值，并允许您即时更改设定点（`t` 键）。
硬件集成	使用一个精简的 Arduino/ESP32 固件（`firmware.cpp`），通过串口流式传输 `timestamp_ms,setpoint,input,pwm,error,p,i,d`。
仿真	`simulator.py` 模拟热系统，无需开发板即可测试整个回路。
Simulink 支持	调用 MATLAB 引擎运行 Simulink 模型，读取输出信号并调整 PID 模块。
离线使用	通过将 `LLM_API_BASE_URL` 指向本地服务器，可与任何兼容 OpenAI 的本地模型（Ollama、LM Studio 等）配合使用。
不是魔法按钮控制器	它不保证完美控制、不取代安全电路，也不能单独产生基准级性能。

快速入门

从最新版本下载 Windows 可执行文件（llm‑pid‑tuner.exe）。
连接运行所提供的 firmware.cpp 的开发板（或任何遵循相同 CSV 串行格式的设备）。在 config.json 中将 SERIAL_PORT 设置为 AUTO 或实际的 COM 端口。

编辑 config.json – 至少填写 LLM 字段：

{
  "LLM_API_KEY": "sk‑your‑key",
  "LLM_API_BASE_URL": "https://api.openai.com/v1",
  "LLM_MODEL_NAME": "gpt-4o",
  "LLM_PROVIDER": "openai"
}

（通过更改 URL 并保持 openai 作为提供者，您也可以使用本地模型。）

运行 exe – 选择硬件模式，让它扫描串口，并观察 UI 绘制响应。
观察 – 工具会自动请求新的 PID 值、执行限制，并在新参数使系统恶化时回滚。当误差、超调、稳态标准连续几轮满足时，调参停止。

如果没有硬件，请运行模拟器代替： pip install -r requirements.txt && python simulator.py。

架构一览

+-------------------+        +-------------------+        +-------------------+
| Local simulator   |  API   | LLM / AI tuner    |  API   | Real hardware     |
| (simulator.py)    |<------>| (tuner.py)        |<------>| (firmware.cpp)    |
+-------------------+        +-------------------+        +-------------------+

模拟器：一个热系统 Python 模型，输出与固件相同的 CSV 流。
调参器：核心循环 – 读取数据 → 评估 → 调用 LLM → 应用安全措施 → 写入新 PID。
固件：实现 CSV 协议并运行 PID 控制器的极简 Arduino/ESP32 草图。
桌面启动器（launcher.py）让您选择硬件或仿真，并在 GUI 和 TUI 之间切换。
辅助脚本：doctor.py（环境检查）、system_id.py（阶跃响应辨识）、pid_safety.py（限制执行）、benchmark.py（开发测试）。

配置工具

config.json – 主配置文件；首次运行时自动生成。
主要部分：
- 串口：SERIAL_PORT、BAUD_RATE、HARDWARE_PROFILE（默认 generic_serial_csv）。
- LLM：API 密钥、基础 URL、模型名称、提供者（openai、anthropic、openai_claude、orcarouter 等）。
- 调参行为：阈值，如 GOOD_ENOUGH_AVG_ERROR、GOOD_ENOUGH_OVERSHOOT、REQUIRED_STABLE_ROUNDS。
- Simulink：.slx 文件、PID 模块、输出信号、可选的 MATLAB 根目录路径。
- 可选：代理设置、CSV 导出路径、自定义提示词覆盖。
环境变量会覆盖 JSON 值，这对于 CI 或机密管理很方便。

扩展/定制

提示词调整 – 在会话开始时（调参前对话框）输入自然语言偏好，或编辑 llm/prompts.py 更改 LLM 收到的系统提示词。
添加新的硬件配置文件 – 实现预期的 CSV 列或自定义解析器，并将配置文件名称列在 config.json 中。
更换 LLM – 任何遵循 OpenAI /v1/chat/completions 模式的服务都可以使用；只需更改 LLM_API_BASE_URL 和 LLM_PROVIDER。
贡献 – 仓库使用 dev 分支存放最新功能，使用稳定的 main 分支发布版本。

安全须知

调参器只建议 PID 增益，不取代硬件安全电路。使用加热设备时，始终保持温度限制、看门狗定时器和物理紧急停止开关。

许可证

MIT – 您可以自由使用、修改和重新分发代码。