Salut tout le monde,
un client souhaite savoir s'il peut utiliser JMP pour la conception et l'optimisation du contrôleur PID. Les fonctions de transfert semblent être utilisées pour cela (transformation du temps en fréquence).
Quelqu'un a-t-il des connaissances à ce sujet ou même des exemples ?
Merci
Florian
Bien que JMP lui-même ne dispose pas de fonctionnalités intégrées pour simuler des systèmes de contrôle ou travailler directement avec des fonctions de transfert, vous pouvez importer des données de simulations (réalisées dans d'autres logiciels comme MATLAB ou Simulink) dans JMP pour analyse. JMP peut vous aider à analyser les résultats et à comprendre l'impact des différents paramètres PID.
Bien que JMP ne soit pas spécifiquement conçu pour la conception de systèmes de contrôle, ses capacités sont les suivantes :
-
Plan d'expériences (DoE) : les fonctionnalités RSM (Response Surface Methodology) et CD (Custom Design) de JMP peuvent être utiles pour modéliser et optimiser la relation entre les paramètres PID et les mesures de performances. Cela peut aider à visualiser comment les modifications des paramètres PID affectent la réponse du système et à trouver les paramètres optimaux.
-
Visualisation : les outils de visualisation de JMP peuvent être utilisés pour tracer les réponses du système, les signaux de contrôle et d'autres mesures pertinentes. Cela aide à comprendre le comportement du système de contrôle et l'efficacité des différents paramètres PID, surtout s'il implique des fonctions étendues dans le domaine temporel.
en font un outil précieux pour optimiser les contrôleurs PID lorsqu'il est utilisé conjointement avec d'autres outils de conception de systèmes de contrôle.
Si vous devez travailler de manière approfondie avec des fonctions de transfert et des transformations temps-fréquence, il peut être pratique et avantageux d'utiliser JMP (en tirant parti des fonctionnalités pour lesquelles il est conçu) aux côtés de logiciels de système de contrôle spécialisés tels que MATLAB et Simulink. Ces outils sont largement utilisés dans le domaine des dispositifs médicaux et JMP peut les compléter efficacement dans ce contexte.
Comme @Chandramouli_R -- JMP peut être très utile ici. Les conceptions de remplissage d'espace et l'ajustement du processus gaussien peuvent être très efficaces pour créer des modèles de substitution d'un système de manière rapide, puis le profileur peut être utilisé pour effectuer des analyses de simulation, des simulations de Monte Carlo supplémentaires et communiquer le même résultat. modèle complexe aux parties prenantes.
J'avais un exemple dans le MATLAB WP que j'avais écrit il y a quelque temps, mais je pense qu'il a été supprimé. Je peux le déterrer.
j'ajoute mes 2 centimes
DOE peut être utilisé pour faciliter la conception et l’optimisation du contrôleur PID. Tant de choses amusantes à considérer ici ! Je pense que la façon dont le DOE peut vous aider dépend des activités de conception et d'optimisation effectuées par votre client. Voici quelques possibilités…
En supposant que le client ait une connaissance de la théorie du contrôle classique, des logiciels de simulation et des équipements nécessaires pour tester les paramètres du contrôleur :
Dans le cas le plus simple, le client a modélisé le système physique et déterminé des estimations des gains proportionnels (P), intégraux (I) et dérivés (D) pour la fonction de transfert du compensateur. Les estimations sont choisies en fonction d'objectifs de conception tels que le temps de réponse, le dépassement et l'erreur en régime permanent. Souvent, une analyse de stabilité sera effectuée pour comprendre les valeurs des gains susceptibles de conduire à l'instabilité du système. Le travail de conception est souvent effectué dans un logiciel comme MATLAB. Lorsque les gains sont appliqués à un contrôleur sur un système tel qu'une machine, le comportement réel est souvent différent de celui attendu et les paramètres doivent être ajustés. C'est là qu'intervient le DOE. Un flux de travail typique peut être
Concevez une expérience pour trouver les gains PID optimaux.
Facteurs : P, I, D, + toute variable de processus supplémentaire
Limites : choisissez des limites qui contiennent les gains PID simulés et qui évitent les gains ou les combinaisons de gains qui conduiraient à l'instabilité du système. Utilisez des contraintes si nécessaire.
Réponses : utilisez les objectifs de conception tels que le temps de réponse, le dépassement et l'erreur SS donnés comme réponses dans l'expérience.
Exécutez l’expérience dans un ordre aléatoire sur l’équipement et analysez les résultats. Trouvez les paramètres PID optimaux. J'ai joint un article qui donne un exemple simple de cette idée. Dans cet article et dans ma vie passée, les réponses étaient basées sur des résumés de courbes de séries chronologiques qui sont courantes dans la théorie du contrôle pour des mesures telles que le temps de réponse, le dépassement, etc. Je n'ai pas eu accès à FDE dans ma vie antérieure pour faire ce type de travail. J'aurais aimé le faire. Je pense qu'il serait bien préférable de déterminer les valeurs des gains PID qui permettent d'obtenir une courbe de série chronologique idéale. En passant, je pense que cela ferait un fantastique document de découverte si votre client voulait essayer l'approche !!!
Le type de plan d’expérience pourrait être débattu. La conception remplissant l’espace, comme Dan l’a mentionné, peut fonctionner. Peut-être qu'une autre possibilité pourrait être d'utiliser une conception classique (ou une conception personnalisée si des contraintes sont en jeu) en utilisant une transformation log LaPlace de la fonction de transfert comme modèle ? Je n'ai pas essayé cela mais cela semble possible. La chose la plus proche de cette idée que j'ai pu trouver dans la littérature est un article écrit par Taguchi dans lequel il a utilisé des réseaux orthogonaux pour minimiser le rapport signal/bruit d'un système contrôlé par PID. J'ai joint le papier. Si le client est uniquement en mode simulation et explore les paramètres de la fonction de transfert qui permettent d'obtenir un comportement optimal du système, l'approche de conception de remplissage d'espace mentionnée par Dan est tout à fait logique car le modèle est déterministe. Je m'attendrais également à ce que davantage de paramètres soient inclus, car les gains PID ne sont que des paramètres de compensation.
La connaissance de la théorie du contrôle, des fonctions de transfert et l'accès aux logiciels de simulation sont très utiles pour comprendre comment déterminer les limites des gains dans une expérience. Ce n’est cependant pas strictement nécessaire. Je pense que cela est rare pour les clients qui ne conçoivent pas de contrôleurs mais qui règlent plutôt un contrôleur sur une machine existante. Dans ce cas, l’utilisation des gains PID existants pour établir des limites fonctionne. Les machines se comportent différemment au fil du temps en raison de l’usure et de différents facteurs. Il peut également être utile d’inclure d’autres facteurs susceptibles d’altérer la contrôlabilité de la machine dans le DOE. Ma meilleure estimation est qu'il s'agit de l'application la plus courante du DOE dans le réglage/optimisation PID. C'est certainement ce que j'ai fait le plus.
J'espère que cela t'aides. J'aurais aimé avoir encore des machines avec lesquelles jouer et une connaissance de la théorie du contrôle un peu plus fraîche dans mon esprit. Je pense que c'est un véritable terrain de jeu pour le DOE !
Merci à tous @Chandramouli_R @Daniel_Valente @Jason_Wiggins !
Une tournure intéressante pour moi:) Je parlerai avec le client pour en savoir plus sur sa situation et si DoE pourrait réellement être ce dont il a besoin !
