20.500.12556/RUL-178113 Nastavitev PID z algoritmom diferencialne evolucije v PLK na primeru regulacije pretoka zraka PID tuning based on differential evolution algorithm in PLC for airflow control Prispevek predstavlja primer izvedbe naprednih algoritmov v PLK višjenivojskem programskem jeziku SCL za potrebe nastavitev parametrov PID na primeru procesne avtomatizacije. Z razvojem strojne opreme je možno napredne algoritme izvajati tudi direktno v PLK, še posebno zanimive pa so vgradnje algoritmov umetne inteligence in strojnega učenja. V okviru zaključnih del smo s študenti izvedli več prenosov naprednih algoritmov v PLK in jih primerjali s teoretičnimi metodami in praktičnimi orodji v industriji. Na področju uporabe optimizacijskih algoritmov v procesni industriji smo za namen demonstracije nastavitev parametrov PID izvedli z uporabo algoritma diferencialne evolucije na PLK na učnem laboratorijskem modelu regulacije pretoka zraka. Zaradi specifičnosti in omejenosti programskih jezikov so bile rešitve namenoma deloma izvedene tudi s pomočjo orodij generativne umetne inteligence, da se lahko ovrednoti kvaliteta podanih rešitev. Pojav generativnih modelov, kot so chatGPT, Copilot, Gemini, DeepSeek itd., nezadržno vpliva tudi na pedagoški proces in nove priložnosti podajanja učnih vsebin na vseh stopnjah izobraževanja.Izkušnje z različnimi projekti študentov avtomatike in robotike kažejo, da orodja umetne inteligence (UI) še ne zmorejo podati celovitih rešitev, lahko pa služijo kot dobra podpora. The paper presents implementation of advanced algorithms in PLC using the higher-level programming language SCL for PID parameter tuning in process automation. Nowadays advanced algorithms can also be implemented directly in PLCs, whereas implementation of artificial intelligence and machine learning algorithms is particularly interesting. In scope of the master thesis and student projects we implemented several advanced algorithms in PLCs and compared them with theoretical methods and practical industry tools. In the study case we implemented differential evolution algorithm optimization algorithm in the process industry control scheme for PID parameter tuning into PLC for task of airflow control. Due to the specificity and limitations of programming languages, the solutions were partially developed using tools of generative artificial intelligence, to evaluate the quality of obtained solutions. Generative models such as chatGPT, Copilot, Gemini, DeepSeek, etc., also have an impact on the teaching part, bringing new opportunities for teaching content at all levels of education. Experience through various student projects by students of automation and robotics shows that AI tools are not yet able to provide comprehensive solutions, but they can serve as good support. procesna avtomatizacija algoritmi vodenja optimizacija parametrov PID izobraževanje orodja umetne inteligence process automation control algorithms PID parameter optimization education artificial intelligence tools true false true Slovenski jezik Angleški jezik Članek v reviji 2026-01-19 10:22:43 2026-01-19 10:22:45 2026-01-21 13:43:31 0000-00-00 00:00:00 2025 0 0 Str. 156-161 št. 3 Letn. 31 jun. 2025 0000-00-00 Zaloznikova Objavljeno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 681.5 1318-7279 242967043 bratina_07-2025.pdf bratina_07-2025.pdf 1 E16249A96E12876C6CE98F1B65178076 32504f60ae98b64a9282611201af8e5f69a1c061c45e3308f30a0bd7ba73ee9a b07cb2d5-f518-11f0-bf92-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=225665 https://revija-ventil.si/wp-content/uploads/ventil-31-2025-2.pdf 1 5b8a28c3-f518-11f0-bf92-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=225664 Fakulteta za strojništvo Ventil 0 0 0