Il controllo proporzionale integrale derivativo (PID) è un metodo consolidato per portare un sistema verso una posizione o un livello target. È praticamente onnipresente come mezzo per controllare la temperatura e trova applicazione in una miriade di processi chimici e scientifici, nonché nell'automazione.
Il controllo PID non è tuttavia privo di problemi. È possibile che produca risultati non ottimali in situazioni in cui il valore target cambia, sia come funzione a gradini che come parte di un profilo "ramp & soak".
Trasmettitori di temperatura serie PLATINUM e Controlli di processo Nel tentativo di migliorare le prestazioni, alcuni produttori di strumentazione stanno valutando il valore dell'utilizzo della "logica fuzzy" per il controllo dei processi. Questo white paper di OMEGA Engineering esplora sia i punti deboli dei sistemi PID sia i potenziali vantaggi della logica fuzzy, con particolare riferimento alle problematiche relative al controllo della temperatura. Le singole sezioni trattano:
- Sfide PID
- Introduzione alla logica fuzzy per il controllo
- PID più logica fuzzy adattiva
- Applicazioni
Sfide PID
La matematica in un'equazione di controllo PID è complessa, con più variabili e costanti che interagiscono tra loro. In qualsiasi applicazione, queste vengono selezionate per seguire il più possibile il valore target, entro i limiti imposti dal processo stesso e dalla strumentazione.
Tre problemi comuni a quasi tutte le applicazioni di controllo di processo sono:
- Ritardi o lag
- Risposta della funzione step
- Risposta della funzione "Ramp & Soak"
Dimostratore del controller PID serie PLATINUM In molte situazioni, l'output può richiedere molto tempo, e forse anche variabile, per reagire alle variazioni dell'input. Per fare un esempio, un forno si raffredda quando viene "caricato" con nuovo metallo e potrebbero essere necessari diversi minuti prima che torni alla temperatura desiderata. Ciò può causare un superamento della temperatura che potrebbe danneggiare il contenuto. In alternativa, il riscaldamento potrebbe essere troppo lento, riducendo l'efficienza del processo e causando effetti deleteri sul prodotto o sul materiale.
Quando il valore target cambia istantaneamente, il PID costringe il sistema ad applicare un fattore di correzione elevato, che a sua volta può portare a un superamento. In alternativa, il sistema potrebbe saturarsi, incapace di fornire una correzione sufficiente, aumentando l'impatto del termine "I".
Questi problemi si verificano anche in situazioni di "rampa e assorbimento" in cui la temperatura viene aumentata gradualmente e poi mantenuta. Il monitoraggio di una variazione graduale del setpoint può mettere a dura prova i sistemi di controllo PID.
Di conseguenza, la selezione dei valori ottimali è una sorta di processo di prova ed errore noto come "messa a punto". Nel corso degli anni sono stati sviluppati molti approcci alla messa a punto, il più soddisfacente dei quali sembra essere il metodo "Ziegler Nichols". Tuttavia, questo produce livelli di oscillazione elevati, che possono essere problematici in alcune situazioni.
Introduzione al controllo fuzzy logic
Il calcolo convenzionale si basa sulla logica booleana, il che significa che tutto è rappresentato come zero o uno. In alcune situazioni ciò porta a una semplificazione eccessiva e a risultati inadeguati. La logica fuzzy, e per estensione il controllo fuzzy, cerca di affrontare la complessità creando euristiche che si allineano più strettamente alla percezione umana dei problemi.
La logica fuzzy è un'area particolare di concentrazione nello studio dell'intelligenza artificiale e si basa sul valore di quelle informazioni che non sono né definitivamente vere né false. Le informazioni che gli esseri umani utilizzano nella loro vita quotidiana per basare decisioni intuitive e applicare regole generali empiriche possono e devono essere applicate a quelle situazioni di controllo che le richiedono. La conoscenza acquisita può essere un'arma potente per combattere gli effetti indesiderati della risposta del sistema.
La logica fuzzy fornisce un modo per affrontare l'imprecisione e la non linearità in situazioni di controllo complesse. Gli ingressi vengono trasmessi a un "motore di inferenza" dove vengono applicate regole umane o basate sull'esperienza per produrre un'uscita.
PID Plus Logica fuzzy adattiva
La regolazione dei loop PID dipende dall'euristica, ma spesso finisce per essere subottimale. La logica fuzzy offre un'alternativa ad approcci come quello di Ziegler Nichols e un numero crescente di ricerche suggerisce che essa produca risultati superiori. Pertanto, sembrerebbe che il modo ideale per controllare molti processi complessi sia quello di utilizzare un controllo PID regolato con la logica fuzzy.
Un prodotto disponibile in commercio che incorpora tale approccio è la serie OMEGA® Platinum di regolatori di temperatura e di processo. Questa famiglia di controlli PID compatti basati su microprocessore, disponibili in tre dimensioni DIN, è progettata per essere facile da configurare e utilizzare. È possibile collegare tutte le termocoppie e gli RTD comuni, con il sistema che abilita automaticamente solo le funzioni rilevanti per il tipo di ingresso selezionato. Sono disponibili anche ingressi di tensione e corrente, che consentono l'utilizzo con quasi tutte le unità di misura ingegneristiche. Questi controlli forniscono una soluzione PID completa, supportando programmi complessi con un massimo di 16 sequenze Ramp & Soak. L'autotuning è disponibile per le applicazioni PID con logica fuzzy adattiva per aiutare a ottenere risultati ottimali.
Come funzionano i programmi Fuzzy Logic?
Il software di controllo che utilizza programmi fuzzy utilizza un insieme molto flessibile di regole if-then. La soluzione viene quindi applicata alle funzioni di appartenenza appropriate. Facendo riferimento alla Figura 1, i valori che si trovano all'interno dell'area ombreggiata sono definiti veri senza ombra di dubbio. I valori che si trovano all'interno dell'area tratteggiata sono definiti falsi senza ombra di dubbio. Se tutti i processi ricadono da un lato o dall'altro dell'area di sovrapposizione, la logica fuzzy probabilmente sarebbe di scarsa utilità.
Nella maggior parte delle applicazioni ci sono alcuni punti che si trovano nell'area comune. Le informazioni che si trovano all'interno dell'area comune devono essere studiate, memorizzate e utilizzate per quantificare e classificare i dati. Ciò consente una manipolazione intelligente della struttura dei dati al fine di arrivare a una soluzione. Le informazioni che ricadono in quell'area comune possono essere classificate, datate e si può fare una "migliore ipotesi" dopo la valutazione di queste informazioni "grigie".
Un altro vantaggio della logica fuzzy in un sistema di controllo è quello di quantificare il segnale di ingresso in un ambiente a volte "rumoroso". Questo rumore, che tende a corrompere l'integrità del segnale reale, viene gestito attraverso il buon senso dell'operatore competente.
Matematicamente, le informazioni devono essere valutate e preparate per essere utilizzate nel processo decisionale. Se un operatore si prendesse il tempo di tracciare le informazioni di processo su un sistema di coordinate X-Y, potrebbe applicare visivamente un adattamento curvilineo ai dati e ottenere una rappresentazione generica abbastanza accurata.
Dal punto di vista matematico, l'adattamento di una curva di ordine inferiore produrrebbe una rappresentazione piuttosto imprecisa. Pertanto, un adattamento di una curva di ordine superiore sarebbe appropriato per adattarsi al segnale rumoroso. La logica fuzzy cerca di emulare quella che sarebbe la risposta umana e di applicare l'adattamento più intelligente al processo.
Teoria di controllo di Ziegler-Nichols
La teoria di controllo di Ziegler-Nichols fornisce i numeri PID (proporzionale, integrale e derivativo) che aiutano nel funzionamento dei controlli. Lo sviluppo del controllo PID basato su microprocessori economici ha sostituito la maggior parte dei dispositivi di tipo termostato (on/off).
La maggior parte dei controllori basati su Microprocessori dispone di una funzione di autotuning che esegue un esperimento di sistema come mostrato nella figura 2. Il tempo di salita della risposta all'ingresso a gradini produce un valore da utilizzare nell'integrazione.
Inoltre, se il sistema tende ad avere proprietà termiche variabili o alcune irregolarità termiche, il controllo Fuzzy Logic dovrebbe offrire un'alternativa migliore alla regolazione costante dei parametri PID. La maggior parte dei software Fuzzy Logic inizia a costruire la propria base di informazioni durante la funzione di autotuning. Infatti, la maggior parte delle informazioni utilizzate nelle prime fasi di avvio del sistema proviene dalle soluzioni di autotune.
Applicazioni
Attualmente esistono molte applicazioni della logica fuzzy utilizzate dai comuni dispositivi domestici, prodotti che la maggior parte delle persone conosce bene. Il vantaggio della logica fuzzy diventa evidente per l'utente dei dispositivi di consumo poiché il modulo o la funzione fuzzy è integrato nel prodotto.
Il vantaggio di questo approccio elimina la necessità per l'operatore di comprendere la teoria del funzionamento fuzzy. Il funzionamento richiede solo l'applicazione di conoscenze comuni ai parametri standard.
A meno che il controllo a ciclo aperto sia accettabile, quasi tutte le applicazioni di controllo di processo trarrebbero vantaggio dal controllo PID. In termini di controllo della temperatura, alcuni esempi significativi sono:
- Trattamento termico dei metalli. Le sequenze "Ramp & Soak" richiedono una precisione nel controllo per garantire il raggiungimento delle proprietà metallurgiche desiderate.
- Essiccazione/evaporazione dei solventi dalle superfici verniciate. Condizioni di temperatura eccessiva possono danneggiare i substrati, mentre temperature basse possono causare danni al prodotto e un aspetto scadente.
- Polimerizzazione della gomma. Un controllo preciso della temperatura garantisce il raggiungimento della polimerizzazione completa senza influire negativamente sulle proprietà del materiale.
- Cottura al forno. I forni commerciali devono seguire sequenze di riscaldamento e raffreddamento rigorosamente prescritte per garantire che avvengano le reazioni necessarie.
- Ceramica. I forni continui devono fornire livelli elevati di calore, ma sono soggetti a carichi termici variabili. Ciò li rende un'applicazione ideale per il controllo PID.
Trattamento termico dei metalli... 
Impianto di panificazione commerciale Punti chiave
Il controllo a circuito chiuso cerca di mantenere l'uscita effettiva di un processo il più vicino possibile all'uscita target o al setpoint.
Il controllo PID è un metodo consolidato per fornire tale controllo, ma richiede una messa a punto necessaria per ottenere prestazioni ottimali. Tale messa a punto è complessa e difficile, quindi di solito si ricorre a tecniche euristiche, come il metodo Ziegler Nichols.
I processi che richiedono un controllo a gradini o "Ramp & Soak" sono particolarmente difficili da gestire con le tecniche PID convenzionali. Per ovviare a questo problema, i produttori di controller come OMEGA stanno incorporando funzionalità di regolazione automatica basate sulla logica fuzzy. Vengono utilizzate tecniche di calcolo avanzate per ottimizzare i loop PID e fornire livelli migliorati di controllo di processo.
Che cos'è un riscaldatore a immersione? Tipi di elementi riscaldanti a immersione Che cos'è un riscaldatore a immersione?
Che cos'è un riscaldatore elettrico industriale? Che cos'è un riscaldatore industriale?