Hallo zusammen,
Ein Kunde möchte wissen, ob er JMP für die Entwicklung und Optimierung von PID-Reglern verwenden kann. Dabei werden offenbar Transferfunktionen verwendet (Zeit-Frequenz-Transformation).
Hat jemand Kenntnisse darüber oder sogar Beispiele?
Danke
Florian
Obwohl JMP selbst keine integrierten Funktionen zum Simulieren von Steuerungssystemen oder zum direkten Arbeiten mit Übertragungsfunktionen bietet, können Sie Daten aus Simulationen (die mit anderer Software wie MATLAB oder Simulink durchgeführt wurden) zur Analyse in JMP importieren. JMP kann bei der Analyse der Ergebnisse und beim Verständnis der Auswirkungen verschiedener PID-Einstellungen hilfreich sein.
Obwohl JMP nicht speziell für die Entwicklung von Steuerungssystemen konzipiert ist, bietet es folgende Funktionen:
-
Design of Experiments (DoE): Die RSM- (Response Surface Methodology) und CD-Funktionen (Custom Design) von JMP können beim Modellieren und Optimieren der Beziehung zwischen PID-Parametern und Leistungsmetriken hilfreich sein. Dies kann dabei helfen, zu visualisieren, wie sich Änderungen der PID-Einstellungen auf die Reaktion des Systems auswirken, und die optimalen Einstellungen zu finden.
-
Visualisierung: Mit den Visualisierungstools von JMP können Systemreaktionen, Steuersignale und andere relevante Messgrößen grafisch dargestellt werden. Dies hilft beim Verständnis des Verhaltens des Steuersystems und der Wirksamkeit verschiedener PID-Einstellungen, insbesondere wenn umfangreiche Zeitbereichsfunktionen beteiligt sind.
machen es zu einem wertvollen Werkzeug zur Optimierung von PID-Reglern, wenn es in Verbindung mit anderen Entwurfswerkzeugen für Steuerungssysteme verwendet wird.
Wenn Sie viel mit Übertragungsfunktionen und Zeit-Frequenz-Transformationen arbeiten müssen, kann es praktisch und vorteilhaft sein, JMP (unter Ausnutzung der Funktionen, für die es entwickelt wurde) zusammen mit spezialisierter Steuerungssoftware wie MATLAB und Simulink zu verwenden. Diese Tools werden im Bereich der medizinischen Geräte häufig verwendet, und JMP kann sie in diesem Zusammenhang effektiv ergänzen.
Wie @Chandramouli_R – JMP kann hier sehr hilfreich sein. Die raumfüllenden Designs und die Anpassung an gaußsche Prozesse können sehr effektiv sein, um zeiteffizient Ersatzmodelle eines Systems zu erstellen. Anschließend kann der Profiler verwendet werden, um Was-wäre-wenn-Analysen und zusätzliche Monte-Carlo-Simulationen durchzuführen und das sehr komplexe Modell den Stakeholdern mitzuteilen.
Ich hatte vor einiger Zeit ein Beispiel im MATLAB WP, das ich geschrieben habe, aber ich glaube, das wurde entfernt. Ich kann es ausgraben.
Ich gebe auch meinen Senf dazu
DOE kann zur Unterstützung bei der Entwicklung und Optimierung von PID-Reglern verwendet werden. Es gibt hier so viele interessante Dinge zu beachten! Ich denke, wie DOE helfen kann, hängt von den Design- und Optimierungsaktivitäten Ihres Kunden ab. Hier sind einige Möglichkeiten …
Vorausgesetzt, der Kunde verfügt über Kenntnisse der klassischen Regelungstheorie, Simulationssoftware und Ausrüstung zum Testen der Reglerparameter:
Im einfachsten Fall hat der Kunde das physikalische System modelliert und Schätzwerte für Proportional- (P), Integral- (I) und Differenzial- (D) Verstärkungen für die Kompensator-Übertragungsfunktion ermittelt. Die Schätzwerte werden auf der Grundlage von Designzielen wie Reaktionszeit, Überschwingen und Dauerfehler gewählt. Oft wird eine Stabilitätsanalyse durchgeführt, um Werte für Verstärkungen zu ermitteln, die zu Instabilitäten im System führen können. Die Designarbeit wird oft in Software wie MATLAB durchgeführt. Wenn die Verstärkungen auf einen Controller in einem System wie einer Maschine angewendet werden, ist das tatsächliche Verhalten oft anders als erwartet und die Parameter müssen angepasst werden. Hier kommt DOE ins Spiel. Ein typischer Arbeitsablauf könnte sein
Entwerfen Sie ein Experiment, um optimale PID-Gewinne zu ermitteln.
Faktoren: P, I, D, + alle zusätzlichen Prozessvariablen
Grenzwerte: Wählen Sie Grenzwerte, die die simulierten PID-Gewinne enthalten und Gewinne oder Gewinnkombinationen vermeiden, die zu einer Instabilität des Systems führen. Verwenden Sie bei Bedarf Einschränkungen.
Antworten: Verwenden Sie Designziele wie Reaktionszeit, Überschwingen, SS-Fehler, die als Antworten im Experiment angegeben sind.
Führen Sie das Experiment in zufälliger Reihenfolge auf dem Gerät durch und analysieren Sie die Ergebnisse. Finden Sie optimale PID-Parameter. Ich habe ein Dokument angehängt, das ein einfaches Beispiel für diese Idee gibt. In diesem Dokument und in meinem früheren Leben basierten die Antworten auf Zusammenfassungen von Zeitreihenkurven, die in der Kontrolltheorie für Messungen wie Reaktionszeit, Überschwingen usw. üblich sind. Ich hatte in meinem früheren Leben bei dieser Art von Arbeit keinen Zugriff auf FDE. Ich wünschte, ich hätte ihn. Ich glaube, es wäre viel besser, Werte der PID-Gewinne zu bestimmen, die eine ideale Zeitreihenkurve erreichen. Nebenbei bemerkt glaube ich, dass dies ein fantastisches Entdeckungsdokument wäre, wenn Ihr Kunde den Ansatz ausprobieren möchte!!!
Über die Art des Versuchsdesigns lässt sich streiten. Das raumfüllende Design, wie Dan es erwähnte, kann funktionieren. Vielleicht wäre eine andere Möglichkeit, ein klassisches Design (oder ein benutzerdefiniertes Design, wenn Einschränkungen eine Rolle spielen) zu verwenden, bei dem eine Log-LaPlace-Transformation der Übertragungsfunktion als Modell verwendet wird? Ich habe das nicht ausprobiert, aber es scheint möglich. Das, was dieser Idee in der Literatur am nächsten kommt, ist ein Artikel von Taguchi, in dem er orthogonale Arrays verwendet, um das Signal-Rausch-Verhältnis eines PID-gesteuerten Systems zu minimieren. Ich habe den Artikel angehängt. Wenn der Kunde sich nur im Simulationsmodus befindet und Übertragungsfunktionsparameter untersucht, die ein optimales Systemverhalten erzielen, dann ist der raumfüllende Designansatz, den Dan erwähnte, definitiv sinnvoll, da das Modell deterministisch ist. Ich würde auch erwarten, dass mehr Parameter einbezogen werden, da PID-Gewinne nur Kompensatorparameter sind.
Kenntnisse der Kontrolltheorie, Übertragungsfunktionen und der Zugriff auf Simulationssoftware sind sehr hilfreich, um zu verstehen, wie man in einem Experiment die Grenzen für Gewinne bestimmt. Dies ist jedoch nicht unbedingt erforderlich. Ich glaube, dies kommt selten bei Kunden vor, die keine Regler entwerfen, sondern einen Regler an einer vorhandenen Maschine abstimmen. In diesem Fall funktioniert es, die vorhandenen PID-Gewinne zur Festlegung der Grenzen zu verwenden. Maschinen verhalten sich im Laufe der Zeit aufgrund von Verschleiß und unterschiedlichen Faktoren unterschiedlich. Es kann auch nützlich sein, andere Faktoren, die die Steuerbarkeit der Maschine verändern können, in das DOE einzubeziehen. Meiner besten Einschätzung nach ist dies die häufigste Anwendung von DOE bei der PID-Abstimmung/-Optimierung. Das ist auf jeden Fall das, was ich am häufigsten gemacht habe.
Hoffe, das hilft. Ich wünschte, ich hätte noch Maschinen zum Spielen und ein etwas frischeres Wissen über die Kontrolltheorie im Gedächtnis. Ich denke, das ist ein wahrer Spielplatz für DOE!
Vielen Dank an alle @Chandramouli_R @Daniel_Valente @Jason_Wiggins !
Für mich eine interessante Wendung:) Ich werde mit dem Kunden sprechen, um mehr über seine Situation zu erfahren und ob DoE tatsächlich das ist, was er braucht!
