KINGSTON-115/llm-pid-tuner

解決的問題

PID調諧通常是一個耗時的試誤過程，特別是對於缺乏控制理論經驗的人而言更是如此。此工具利用大型語言模型（LLM）分析系統回應，並建議最佳的 PID 參數，減少手動調諧所需時間，並降低系統不穩定的風險。

作法原理

該工具與受控系統形成閉迴路反饋循環：

1. 資料收集：透過序列埠從硬體（如 Arduino/ESP32）或透過模擬（Python 基礎的熱系統或 MATLAB/Simulink）讀取即時性能資料（時間戳、目標值、目前值、PWM、誤差）。
2. 分析與建議：資料透過 API 發送至 LLM，LLM 分析回應品質（過衝、穩態誤差、回應時間），並建議新的 PID 參數。
3. 執行與安全：工具將新參數套用至系統。包含安全防護機制，如參數限制、回復策略，以及在效能下降時自動回滾至已知最穩定的參數。
4. 收斂：此過程重複進行，直到系統滿足預設的穩定性與誤差門檻。

適用對象

• 硬體開發者：從事恆溫控制（加熱板、烤箱）或馬達/致動器閉迴路調節的人。
• 控制工程師：希望利用 AI 快速縮小 PID 參數搜尋空間的使用者。
• 學生/愛好者：缺乏成熟調諧經驗，需要實用工具來穩定其硬體的人。

主要亮點

• 多模式支援：支援透過序列埠連接真實硬體、內建 Python 熱模擬器，以及 MATLAB/Simulink 模型。
• AI 驅動調諧：利用 LLM 解讀系統行為，並根據自然語言偏好（如「更積極一些」或「無過衝」）提出調整建議。
• 安全優先：內建參數限制、自動回滾至穩定版本、環境診斷功能。
• 廣泛 LLM 兼容：支援 OpenAI、Claude、DeepSeek、Ollama 和 LM Studio 等透過 OpenAI 兼容 API 的模型。
• 輕鬆部署：提供獨立的 Windows .exe 檔案，無需設定 Python 環境即可使用。