AI赋能PLC（一）：三菱FX-3U编程实战初级篇
前言
在工业自动化领域，三菱PLC以其高可靠性、灵活性和广泛的应用场景，成为众多工程师的首选控制设备。然而，传统的PLC编程往往需要深厚的专业知识和经验积累，开发周期长且调试复杂。随着人工智能技术的快速发展，利用先进的AI工具辅助编程已成为提升效率的新趋势。
本文将探讨如何结合 AI 与三菱PLC编程环境GX Works2，展示AI辅助开发的实用技巧与典型案例。希望通过这一创新方式，帮助工程师更高效地应对工业自动化挑战，同时为PLC编程的智能化转型提供参考。
声明：个人长期未接触PLC编程，对当前PLC技术细节可能存在认知不足。由于缺乏实际硬件设备支持，本文未进行程序调试验证，主要侧重于方法论层面的探讨。如有技术表述不准确之处，欢迎业内人士指正。
一.ChatGPT版本
1.编写简单样例程序
根据需求编写一个基础的样例程序。这个程序可以是功能简单的代码片段，用于演示核心逻辑或功能。样例程序的目的是为后续步骤提供参考，确保ChatGPT能够准确理解用户的需求。应尽量保持代码简洁，避免复杂逻辑，尽量使用单行程序，以便AI能够高效处理。
2.把程序导出 CSV 文件
完成样例程序后，需要将其导出为CSV文件格式。右键【main】，选择【写入至 CSV 文件】。这一步骤为后续上传和调用ChatGPT提供了标准化的输入文件。
3.上传程序调用ChatGPT
将导出的“CSV文件”上传至ChatGPT平台，输入任务程序需求，一定要打开【推理】模式，通过调用AI接口对程序进行分析和处理。上传时需确保文件完整且格式正确，以便ChatGPT能够准确读取内容。
任务程序需求样例：
学习一下文件程序，用三菱FX3U PLC梯形图语言编写一个灯光循环控制程序，要求：
1. 使用X0作为启动按钮输入
2. 程序执行流程：初始： x0导通，复位计数D0到D2，进入程序1程序1：绿灯(Y0)亮1秒，灭1秒，循环5次，进入程序2程序2：红灯(Y1)亮2.5秒，灭2.5秒，循环3次，进入程序3程序3：黄灯(Y2)亮0.5秒，灭0.5秒，循环6次，程序结束
3. 输出格式必须跟学习的程序一样
4.生成程序
ChatGPT根据上传的样例程序生成新的程序。这一步获得完整的代码文件，直接用于项目开发。
5.复制修改 CSV 文件
复制一份PLC的“CSV文件”，然后打开文件，全选清空里面的内容。复制 ChatGPT生成的程序，然后粘贴在“CSV文件”里，最后保存。
6.导入CSV 文件
将生成的CSV文件导入到GX Works2 中。新建一个“FX-3U”工程，右键【main】，选择【从CSV文件读取】，在出现读取提示弹窗中选择“是”。
7.AI生成程序预览
通过预览查看AI生成的程序效果，可以查看程序是否符合预期，发现潜在问题并进行调整。
二.DeepSeek 版本
1.编写简单样例程序
根据需求编写一个基础的样例程序，DeepSeek 版本样例程序要比ChatGPT版本还要简单一点，应尽量保持代码简洁，避免复杂逻辑，尽量使用单行程序，以便AI能够高效处理。
2.把程序导出 CSV 文件
完成样例程序后，需要将其导出为CSV文件格式。右键【main】，选择【写入至 CSV 文件】。这一步骤为后续上传和调用ChatGPT提供了标准化的输入文件。
3.上传程序调用DeepSeek
将导出的“CSV文件”上传至DeepSeek平台，输入任务程序需求，这里先不用【深度思考】模式。上传时需确保文件完整且格式正确，以便DeepSeek能够准确读取内容。
学习一下文件程序，用三菱FX3U PLC梯形图语言编写一个灯光循环控制程序，要求：
1. 使用X0作为启动按钮输入
2. 程序执行流程：初始： x0导通，复位计数D0到D2，进入程序1程序1：绿灯(Y0)亮1秒，灭1秒，循环5次，进入程序2程序2：红灯(Y1)亮2.5秒，灭2.5秒，循环3次，进入程序3程序3：黄灯(Y2)亮0.5秒，灭0.5秒，循环6次，程序结束
3. 输出格式必须跟学习的程序一样
4.生成程序
DeepSeek根据上传的样例程序生成新的程序，每次生成的结果可能不一样，有些是不能用于项目开发。
5.复制修改 CSV 文件
复制一份PLC的“CSV文件”，然后打开文件，全选清空里面的内容。复制 DeepSeek生成的程序，然后粘贴在“CSV文件”里，最后保存。
6.导入CSV 文件
将生成的CSV文件导入到GX Works2 中。新建一个“FX-3U”工程，右键【main】，选择【从CSV文件读取】，在出现读取提示弹窗中选择“是”。
7.用思考模式生成程序
之前测试【深度思考】模式，生成的程序很多都是不能用。这次用【深度思考】模式，生成的程序基本没什么报错。
三.总结
| 对比维度 | ChatGPT | DeepSeek |
|---|---|---|
| 学习能力 | 能够快速理解样例程序逻辑，适应性强 | 学习能力稍弱，需更明确的输入提示 |
| 生成程序错误率 | 错误较少，逻辑更严谨 | 错误相对较多，需额外调试 |
| 直接可用性 | 生成的程序通常可直接用于项目开发 | 可能需要进一步优化才能投入使用 |
| 适用场景 | 适合快速原型开发和稍微复杂逻辑实现 | 更适合简单任务或辅助代码生成 |
ChatGPT在样例程序的学习能力和生成代码的准确性上表现更优，其生成的程序错误较少，通常可直接集成到实际项目中，显著提升开发效率。相比之下，DeepSeek虽然也能辅助代码生成，但在复杂逻辑处理和错误控制上稍显不足，可能需要更多人工调整。因此，对于追求高效、低错误率的开发需求，ChatGPT是更优的选择；目前，AI（如 ChatGPT、DeepSeek 等）在 PLC（可编程逻辑控制器）编程中的应用仍处于初级阶段。未来，随着 AI 学习能力的增强以及对工业环境的更深理解，它有望承担更复杂的编程任务，甚至实现“自主编程”，进一步推动工业自动化的发展。