# PIDAgent

**Repository Path**: ailist/PIDAgent

## Basic Information

- **Project Name**: PIDAgent
- **Description**: 通过整合LangChain、大语言模型(LLM)、FastAPI和Streamlit，我们打造了一个直观、高效的PID参数调优平台
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 2
- **Created**: 2025-02-16
- **Last Updated**: 2025-04-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# PID-Agent: 智能PID参数调优助手

## 项目简介

PID-Agent是一个创新的智能PID控制系统优化工具，它结合了传统PID控制理论与现代人工智能技术。通过整合LangChain、大语言模型(LLM)、FastAPI和Streamlit，我们打造了一个直观、高效的PID参数调优平台，实现了温度控制系统的智能化与可视化。

![System Architecture](https://via.placeholder.com/800x400?text=PID-Agent+Architecture)

## 核心特性

### 🤖 智能调参
- **AI驱动优化**: 利用LangChain和大语言模型分析温度曲线，提供专业的PID参数优化建议
- **自适应调节**: 根据系统响应特性，自动调整控制参数
- **专家级分析**: 提供详细的性能指标分析和优化建议

### 📊 实时监控
- **动态曲线**: 实时绘制温度变化曲线
- **参数跟踪**: 监控PID参数变化及其影响
- **性能指标**: 显示响应时间、超调量、稳态误差等关键指标

### 🔧 硬件集成
- **串口通信**: 支持多达16个独立控制通道
- **实时数据**: 毫秒级数据采集和处理
- **即时控制**: 参数修改实时同步到硬件

### 💻 用户界面
- **可视化控制**: 基于Streamlit的直观操作界面
- **实时反馈**: 即时查看系统响应和控制效果
- **数据导出**: 支持历史数据导出和分析

## 技术栈

- **前端**: Streamlit
  - 实时数据可视化
  - 交互式参数调节
  - 系统状态监控

- **后端**: FastAPI
  - RESTful API设计
  - 异步数据处理
  - WebSocket实时通信

- **AI引擎**: LangChain + LLM
  - 智能参数优化
  - 性能分析
  - 优化建议生成

- **硬件通信**: PySerial
  - 多通道支持
  - 实时数据采集
  - 可靠的命令传输

## 应用场景

- **工业加热控制**
  - 精密温度控制
  - 多区域协同控制
  - 生产过程优化

- **实验室设备**
  - 精确温度控制
  - 实验数据记录
  - 参数优化研究

- **教育培训**
  - PID控制原理演示
  - 参数调节实践
  - 系统响应分析

## 创新特点

1. **AI辅助决策**
   - 智能分析系统响应
   - 自动生成优化建议
   - 持续学习改进

2. **全流程可视化**
   - 实时温度曲线
   - 参数影响分析
   - 性能指标跟踪

3. **灵活配置**
   - 多通道独立控制
   - 参数范围可调
   - 控制策略可配置

4. **用户友好**
   - 直观的操作界面
   - 清晰的数据展示
   - 详细的优化建议

## 技术优势

1. **实时性能**
   - 毫秒级数据采集
   - 实时参数调整
   - 即时响应分析

2. **可扩展性**
   - 模块化设计
   - 易于集成
   - 支持多种硬件

3. **可靠性**
   - 异常处理机制
   - 数据备份恢复
   - 稳定性保障

4. **智能化**
   - AI辅助优化
   - 自适应调节
   - 专家经验积累

## 未来展望

1. **深度学习增强**
   - 引入预测控制
   - 优化策略学习
   - 智能故障诊断

2. **功能扩展**
   - 多参数协同优化
   - 高级控制策略
   - 远程监控管理

3. **生态建设**
   - 开源社区建设
   - 应用案例分享
   - 技术经验交流


## 配置

1. 复制配置模板文件：
```bash
cp .env.example .env
```

2. 编辑 `.env` 文件，设置必要的配置项：
- `SERIAL_PORT`: 串口设备路径
- `BAUD_RATE`: 串口波特率
- `API_PORT`: FastAPI服务端口
- `STREAMLIT_PORT`: Streamlit前端端口
- `DEEPSEEK_API_KEY`: apikey

修改config/llm_config.yaml 
输入deepseek的apikey 用于知识库检索

3. 安装依赖
```bash
pip install uv
uv pip install -r requirments.txt
```

## 启动服务
1. 启动后端API服务：
```bash
uvicorn fastapi_app.main:app --reload --port 8000
```

2. 启动Streamlit前端面板：
```bash
streamlit run streamlit_app/main.py
```

$ pkill -f "uvicorn fastapi_app.main:app"; pkill -f "streamlit run streamlit_app/main.py"


这个演示程序包含以下功能：

生成模拟的温度数据，模拟了一个典型的 PID 控制响应曲线，包括：
指数上升部分（系统响应）
衰减振荡（PID 控制特性）
随机噪声（真实系统中的干扰）
创建一个模拟的系统状态，包含：
当前的 PID 参数（Kp、Ki、Kd）
目标温度
时间戳
使用 PIDAgent 分析系统状态并获取优化建议，输出：
温度曲线分析结果（上升时间、超调量等指标）
AI 生成的 PID 参数优化建议
您可以直接运行这个文件来测试 PIDAgent 的功能：
python -m core.agent.pid_agent

## 串口通信协议

系统使用JSON格式进行串口通信，支持多达16个独立的温度控制通道。

### 1. 数据格式

#### 1.1 设备 -> 主机（温度数据）
```json
{
    "channels": [
        {
            "id": 0,
            "temperature": 25.0,
            "pid_params": {
                "kp": 1.0,
                "ki": 0.1,
                "kd": 0.05,
                "target_temp": 25.0
            },
            "heating": true
        },
        // ... 最多16个通道
    ],
    "timestamp": "2025-01-31T20:53:34",
    "status": "running"
}
```

字段说明：
- `channels`: 通道数组，每个通道包含：
  - `id`: 通道ID（0-15）
  - `temperature`: 当前温度
  - `pid_params`: 当前PID参数
    - `kp`: 比例系数
    - `ki`: 积分系数
    - `kd`: 微分系数
    - `target_temp`: 目标温度
  - `heating`: 是否正在加热
- `timestamp`: 数据时间戳
- `status`: 系统状态（running/error）

### 2. 控制命令

#### 2.1 设置PID参数
```
PID:<channel>,<kp>,<ki>,<kd>,<target_temp>,<control_period>,<max_duty>\n
示例：PID:0,1.0,0.1,0.05,25.0,100,60\n
参数说明：
- channel: 通道ID（0-15）
- kp: 比例系数
- ki: 积分系数
- kd: 微分系数
- target_temp: 目标温度
- control_period: PID控制周期（毫秒），范围[10, 1000]
- max_duty: 最大占空比（%），范围[0, 100]
```

#### 2.2 控制加热
```
开始加热：HEAT_ON:<channel>\n
停止加热：HEAT_OFF:<channel>\n
示例：
HEAT_ON:0  # 开始加热通道0
HEAT_OFF:0 # 停止加热通道0
```

### 3. 错误处理

- 如果接收到无效的JSON数据，系统将返回一个包含所有通道默认值的数据包
- 通道ID超出范围（0-15）的命令将被忽略
- 所有浮点数参数都会被限制在合理范围内：
  - kp: [0.1, 100.0]
  - ki: [0.0, 10.0]
  - kd: [0.0, 10.0]
  - temperature: [-273.15, 1000.0]

### 4. 通信参数

- 波特率：根据配置文件设置（默认9600）
- 数据位：8
- 停止位：1
- 校验位：无
- 流控制：无
- 行结束符：\n（LF）

## 总结

PID-Agent代表了传统控制理论与现代AI技术的完美结合，为工业控制、实验室研究等领域提供了一个智能、高效、易用的PID调优解决方案。通过持续的技术创新和实践应用，我们期待与用户一起探索更多可能性，推动控制技术的进步与发展。