PIDHelper

项目简介

一个基于粒子群优化算法（PSO）的上位机工具，用于自动化优化下位机的PID参数。
通过迭代评估系统性能指标，自动寻找最优PID参数组合，提高调参效率。
运行 demo.py 可查看仿真示例。

环境要求

• Python 3.10.x
• 依赖库：

  pip install pyserial numpy parse matplotlib scipy

• 或者直接使用项目自带的venv虚拟环境

快速开始

1. 安装环境
   安装Python 3.10及上述依赖库。

2. 配置通信接口
   默认使用串口通信。若需其他通信方式（如TCP/IP），请继承 CommunicationInterface 类实现自定义接口。

3. 运行优化程序

   python One_click_Start.py

   程序启动后，根据提示选择运行模式，确保通信正常，程序将自动迭代直至完成。

   没有安装Python请在release页面下载可执行文件直接运行

运行模式说明

程序支持以下三种运行模式：

模式1：手动输入模式（调试模式）

• 使用场景：适合开发调试阶段，无需硬件设备
• 工作流程：
  • 每次迭代时由用户手动在控制台输入性能指标（ITAE、超调量、调节时间、稳态误差）
  • 上位机基于输入数据通过PSO算法计算优化方向
  • 适合算法验证和小规模参数优化测试

模式2：全自动模式（下位机计算性能指标）

• 使用场景：实际硬件自动化优化，下位机具备性能指标计算能力
• 工作流程：
  1. 上位机通过串口发送PID参数至下位机
  2. 下位机执行PID控制，实时计算ITAE、超调量、调节时间、稳态误差等指标
  3. 下位机返回计算结果至上位机
  4. 上位机通过PSO算法迭代优化参数

模式3：全自动模式（上位机计算性能指标）

• 使用场景：实际硬件自动化优化，上位机分析原始数据
• 工作流程：
  1. 上位机通过串口发送PID参数至下位机
  2. 下位机执行PID控制，返回目标值（TARGET）和实际输出值（OUTPUT）等原始数据
  3. 上位机接收数据并根据配置的控制周期 $\Delta t$ 计算性能指标
  4. 上位机通过PSO算法迭代优化参数

通信配置

1. 数据格式配置

程序支持自定义数据解析格式，使用Parse库语法：

模式2数据格式示例：

下位机返回: ITAE:0.1234,OVERSHOOT:2.34,SETTLING:1.0,SSE:0.0456

解析格式: "ITAE:{itae:f},OVERSHOOT:{overshoot:f},SETTLING:{settling:f},SSE:{sse:f}"

解析格式中的 itae 、overshoot 、 setting 、 sse （小写部分）不可修改

模式3数据格式示例：

下位机返回: TARGET:100.0,OUTPUT:98.5

解析格式: "TARGET:{target:f},OUTPUT:{output:f}"

解析格式中的 target 、output （小写部分）不可修改

2. 下位机需实现的功能

模式2（下位机计算指标）：
下位机需计算以下性能指标并返回：

• ITAE（时间乘以绝对误差积分）
• 超调量（%）
• 调节时间
• 稳态误差

模式3（上位机计算指标）：
下位机需返回：

• TARGET（目标值）
• OUTPUT（PID输出值）

3. 通信协议

• 上位机发送PID参数至下位机：KP:value,KI:value,KD:value\n
• 下位机执行控制过程，计算性能指标或返回原始数据
• 通信格式需与上位机解析器匹配

具体过程参考 PID_Helper.py → FastPSO_PID_Optimizer → optimize() 和 evaluate_particle()

4. 自定义通信接口

如需非串口通信（如TCP/IP、UDP等），请按以下示例实现：

from PID_Helper.CommunicationInterface import CommunicationInterface

class CustomCommunication(CommunicationInterface):
    def open(self, port: str, baud_rate: int) -> bool:
        # 实现自定义打开逻辑
        pass
    
    def read_line(self, decode: str = "ascii") -> str | None:
        # 实现自定义读取逻辑
        pass
    
    def write(self, data: str, encode: str = "ascii") -> bool:
        # 实现自定义写入逻辑
        pass
    
    def close(self) -> bool:
        # 实现自定义关闭逻辑
        pass

PID性能指标算法

1. ITAE（时间乘以绝对误差积分）

连续形式： $$ \text{ITAE} = \int_{t_{start}}^{t_{stop}} t \cdot |e(t)| , dt $$

离散形式： $$ \text{ITAE} = \sum_{i=0}^{n} |e_i| \cdot t_i \cdot \Delta t $$

C语言实现示例：

// 全局变量
float itae = 0;
float pid_time = 0;

// PID运行代码
void pid_run(float dt) {
    // ... PID计算 ...
    
    pid_time += dt;
    itae += fabsf(pid.error) * pid_time * dt;
}

// PID停止代码
void pid_stop() {
    // 串口输出ITAE
    printf("ITAE:%.4f\n", itae);
    
    // 重置变量
    itae = 0;
    pid_time = 0;
}

2. 超调量（%）

$$ \text{超调量} =

\begin{cases}

\frac{\max(\text{Measure}) - \text{Target}}{\text{Target}} \times 100%, & \text{if } \max(\text{Measure}) > \text{Target} \ 0%, & \text{otherwise}

\end{cases} $$

C语言实现示例：

// 全局变量
float overshoot = 0;
float max_measure = 0;

// PID运行代码
void pid_run(float dt) {
    // ... PID计算 ...
    
    // 更新最大测量值
    if (pid.measure > max_measure) {
        max_measure = pid.measure;
    }
}

// PID停止代码
void pid_stop() {
    // 计算超调量（百分比）
    if (max_measure > pid.target) {
        overshoot = (max_measure - pid.target) / pid.target * 100.0f;
    } else {
        overshoot = 0;
    }
    
    // 串口输出超调量
    printf("OVERSHOOT:%.4f\n", overshoot);
    
    // 重置变量
    overshoot = 0;
    max_measure = 0;
}

3. 调节时间

系统响应进入并保持在目标值±2%误差带内所需的时间。

C语言实现示例：

// 全局变量
float settling_time = 0;
float pid_time = 0;

// PID运行代码
void pid_run(float dt) {
    // ... PID计算 ...
    
    pid_time += dt;
    
    // 如果超出误差带，更新调节时间
    if (!(pid.measure > pid.target * 0.98f && pid.measure < pid.target * 1.02f)) {
        settling_time = pid_time;
    }
}

// PID停止代码
void pid_stop() {
    // 串口输出调节时间
    printf("SETTLING:%.4f\n", settling_time);
    
    // 重置变量
    settling_time = 0;
    pid_time = 0;
}

可根据实际需求调整误差带范围（默认2%，可在代码中修改）

4. 稳态误差

取响应过程最后10%时间段内的平均误差。

C语言实现示例：

// 全局变量
float sse = 0;
float evaluate_time = 5.0f;              // 评估时间（秒）
float start_cal_sse_time = evaluate_time * 0.9f;  // 开始计算SSE的时间
float sse_timer = 0;
int16_t cal_sse_tick = 0;                // 计算SSE期间经历PID计算的次数

// PID运行代码
void pid_run(float dt) {
    // ... PID计算 ...
    
    sse_timer += dt;
    
    if (sse_timer > start_cal_sse_time) {
        sse += fabsf(pid.error);
        cal_sse_tick++;
    }
}

// PID停止代码
void pid_stop() {
    // 计算平均稳态误差
    if (cal_sse_tick > 0) {
        sse = sse / cal_sse_tick;
    }
    
    // 串口输出稳态误差
    printf("SSE:%.4f\n", sse);
    
    // 重置变量
    sse = 0;
    sse_timer = 0;
    cal_sse_tick = 0;
}

也可采用其他稳态误差计算方法

PSO算法参数说明

参数	说明	默认值	建议范围
pop_size	粒子群大小	10	10-15
max_iter	最大迭代次数	20	20-30
inertia_weight	惯性权重	0.7298	0.4-0.9
c1	个体学习因子	1.49618	1.0-2.0
c2	社会学习因子	1.49618	1.0-2.0
evaluation_delay	评估延迟（秒）	0.5	0.1-1.0
max_evaluation_time	最大评估时间（秒）	5.0	3.0-10.0

日志和结果保存

• 日志文件：自动保存至 logs/ 目录，格式为 {module_name}-{timestamp}.log
• 优化结果：支持保存为JSON格式，包含最优参数、适应度历史和配置信息

结果文件示例：

{
  "best_parameters": {
    "Kp": 1.2345,
    "Ki": 0.5678,
    "Kd": 0.0123
  },
  "best_fitness": 0.123456,
  "fitness_history": [1.23, 0.98, 0.76, ...],
  "config": { ... }
}

注意事项

• 确保通信稳定，避免数据丢失或格式错误
• 下位机计算性能指标时需与上位机定义的时间基准一致（特别是模式3）
• 可调整PSO算法参数以平衡收敛速度与精度
• 第一次运行建议使用模式1验证数据格式和算法流程
• 手动输入模式下，输入浮点数时需要加上 .0 后缀（如 1.0 而不是 1）
• 若串口无法打开，请检查：
  • 设备是否正确连接
  • 串口号是否正确（Windows: COM1, Linux: /dev/ttyUSB0）
  • 波特率是否匹配
  • 是否安装了必要的驱动程序
  • 是否有其他程序占用该串口

项目结构

PIDHelper/
├── One_click_Start.py          # 主启动程序
├── demo.py                     # 仿真示例
├── PID_Helper/
│   ├── __init__.py
│   ├── PID_Helper.py          # PSO优化器核心
│   ├── CommunicationInterface.py  # 通信接口
│   └── Log.py                 # 日志模块
├── logs/                      # 日志文件目录
└── README.md                  # 本文档

许可证

开源项目，遵循 Apache-2.0 许可证。