PID 算子用途分类【免费下载链接】mat-chem-sim-pred面向工业领域聚焦计算仿真、预测两大核心场景构建面向流程工业机理数据双轮驱动的领域计算层推动AI for Science在材料化学领域的深度应用。项目地址: https://gitcode.com/cann/mat-chem-sim-pred整条 PID 工程链路可以按业务语义分为辨识模型 - 检验模型 - 生成 PID 候选 - 仿真选优 - 评估控制效果和过程能力。本目录正式提交 12 个pid_*算子按用途归类如下。1. 模型辨识从pv/mv阶跃或运行数据拟合低阶过程模型输出每条回路的最优候选模型下标、增益和 SSE。算子作用pid_fopdt_basis_gemm_fit一阶惯性加纯滞后模型 FOPDT 的 basis-GEMM 辨识pid_ipdt_basis_gemm_fit积分加纯滞后模型 IPDT 的 basis-GEMM 辨识pid_sopdt_basis_gemm_fit二阶惯性加纯滞后模型 SOPDT 的 basis-GEMM 辨识这三个算子共享同一套最小二乘 reduce 公式但按模型族保持独立入口、独立工程和独立文档。2. 模型质量诊断辨识完成后用实测曲线与模型预测曲线的残差判断模型是否可信。算子作用pid_residual_diagnostics全序列残差均值、MAE、RMSE、最大残差、fit percent、Durbin-Watson、Ljung-Box 和多 lag 自相关pid_windowed_residual_diagnostics按滑动窗口输出同类残差指标用于发现局部漂移、局部震荡和分段模型失配残差诊断不是重复计算 SSE。SSE 衡量候选模型拟合误差总量残差诊断进一步检查误差是否有偏、是否自相关、是否集中在某个局部窗口这些信息可用于拒绝低质量辨识结果、切换模型族或要求重新采样。3. PID 参数生成从已辨识的模型参数生成初始 PID 候选。算子作用pid_tuning_rule_batch输入 FOPDT 模型参数批量输出 Ziegler-Nichols、IMC、Cohen-Coon 三套Kp/Ki/Kd候选和诊断信息该算子算术强度低不作为性能主卖点它的价值在于支撑端到端流程里“模型参数 - PID 候选”的 device 侧闭环。4. 候选仿真、评分与选优对多组候选 PID 参数做闭环仿真比较响应质量并选择最优候选。算子作用pid_fopdt_batch_rollout_score在 FOPDT 模型上对候选 PID 做批量 rollout、评分和 best 选择pid_ipdt_batch_rollout_score在 IPDT 模型上对候选 PID 做批量 rollout、评分和 best 选择pid_sopdt_batch_rollout_score在 SOPDT 模型上对候选 PID 做批量 rollout、评分和 best 选择pid_step_response_features从候选阶跃响应轨迹中提取 overshoot、rise time、settling time、IAE、ISE 等可解释特征三个 batch rollout 算子已经融合了候选特征、候选评分和候选选优如果直接使用其best_result/best_idx输出通常不需要再接独立候选评分或 best 选择算子。pid_step_response_features面向需要保留完整候选轨迹特征表的模块化链路。5. 控制性能与过程能力在整定结果上线前或运行巡检中对控制效果和过程稳定性做批量评价。算子作用pid_control_performance_metrics基于pv/sp/mv计算 Harris、IAE、ISE、ITAE、MAE、RMSE、超调、稳定时间等控制性能指标pid_process_capability_metrics基于pv/lsl/usl计算均值、标准差、Cp、Cpk、Pp、Ppk、越限比例、min/max 等过程能力指标控制性能关注“跟踪设定值好不好”过程能力关注“是否稳定落在规格范围内”。二者可以同时用于上线验收前者评价控制器行为后者评价过程质量。【免费下载链接】mat-chem-sim-pred面向工业领域聚焦计算仿真、预测两大核心场景构建面向流程工业机理数据双轮驱动的领域计算层推动AI for Science在材料化学领域的深度应用。项目地址: https://gitcode.com/cann/mat-chem-sim-pred创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考