Ciao a tutti,
un cliente desidera sapere se può utilizzare JMP per la progettazione e l'ottimizzazione del controller PID. Le funzioni di trasferimento sembrano essere utilizzate per questo (trasformazione del tempo in frequenza).
Qualcuno ha conoscenza di questo o anche di esempi?
Grazie
Floriano
Sebbene JMP stesso non disponga di funzionalità integrate per simulare sistemi di controllo o lavorare direttamente con funzioni di trasferimento, è possibile importare dati da simulazioni (condotte in altri software come MATLAB o Simulink) in JMP per l'analisi. JMP può aiutare ad analizzare i risultati e a comprendere l'impatto delle diverse impostazioni PID.
Sebbene JMP non sia progettato specificatamente per la progettazione di sistemi di controllo, le sue funzionalità riguardano:
-
Progettazione di esperimenti (DoE): le funzionalità RSM (Response Surface Methodology) e CD (Custom Design) di JMP possono essere utili per modellare e ottimizzare la relazione tra i parametri PID e le metriche delle prestazioni. Ciò può aiutare a visualizzare come le modifiche nelle impostazioni PID influenzano la risposta del sistema e a trovare le impostazioni ottimali.
-
Visualizzazione: gli strumenti di visualizzazione di JMP possono essere utilizzati per tracciare le risposte del sistema, i segnali di controllo e altri parametri rilevanti. Ciò aiuta a comprendere il comportamento del sistema di controllo e l'efficacia delle diverse impostazioni PID, soprattutto se comporta estese funzioni nel dominio del tempo.
lo rendono uno strumento prezioso per ottimizzare i controller PID se utilizzato insieme ad altri strumenti di progettazione del sistema di controllo.
Se hai bisogno di lavorare in modo estensivo con funzioni di trasferimento e trasformazioni tempo-frequenza, può essere pratico e vantaggioso utilizzare JMP (sfruttando le funzionalità per le quali è stato creato) insieme a software specializzati per sistemi di controllo come MATLAB e Simulink. Questi strumenti sono ampiamente utilizzati nel settore dei dispositivi medici e JMP può integrarli efficacemente in questo contesto
Come @Chandramouli_R - JMP può essere molto utile qui. I progetti di riempimento dello spazio e l'adattamento del processo gaussiano possono essere molto efficaci nel costruire modelli surrogati di un sistema in modo efficiente in termini di tempo, e quindi il profiler può essere utilizzato per eseguire analisi what-if, simulazioni Monte Carlo aggiuntive e comunicare le stesse informazioni. modello complesso per le parti interessate.
Avevo un esempio nel WP MATLAB che ho scritto qualche tempo fa, ma penso che sia stato rimosso. Posso dissotterrarlo.
aggiungendo i miei 2 centesimi
Il DOE può essere utilizzato per facilitare la progettazione e l'ottimizzazione del controller PID. Così tante cose divertenti da considerare qui! Penso che il modo in cui il DOE può aiutare dipenda dalle attività di progettazione e ottimizzazione che il cliente sta svolgendo. Ecco un paio di possibilità…
Supponendo che il cliente conosca la teoria del controllo classica, il software di simulazione e le apparecchiature per testare i parametri del controller:
Nel caso più semplice, il cliente ha modellato il sistema fisico e determinato le stime per i guadagni proporzionali (P), integrali (I) e derivativi (D) per la funzione di trasferimento del compensatore. Le stime vengono scelte in base agli obiettivi di progettazione come tempo di risposta, superamento ed errore di stato stazionario. Spesso verrà eseguita un'analisi di stabilità per comprendere i valori dei guadagni che potrebbero portare all'instabilità del sistema. Il lavoro di progettazione viene spesso svolto in software come MATLAB. Quando i guadagni vengono applicati a un controller su un sistema come una macchina, il comportamento effettivo è spesso diverso da quello previsto e i parametri necessitano di regolazione. È qui che entra in gioco DOE. Potrebbe essere un tipico flusso di lavoro
Progetta un esperimento per trovare guadagni PID ottimali.
Fattori: P, I, D, + eventuali variabili di processo aggiuntive
Limiti: scegliere i limiti che contengono i guadagni PID simulati e che evitano guadagni o combinazioni di guadagni che porteranno all'instabilità del sistema. Se necessario, utilizzare i vincoli.
Risposte: utilizzare obiettivi di progettazione come tempo di risposta, superamento, errore ss forniti come risposte nell'esperimento.
Esegui l'esperimento in ordine casuale sull'attrezzatura e analizza i risultati. Trova i parametri PID ottimali. Ho allegato un documento che fornisce un semplice esempio di questa idea. In questo articolo e nella mia vita passata, le risposte erano basate su riassunti di curve di serie temporali che sono comuni nella teoria del controllo per misure come tempo di risposta, superamento ecc.. Non avevo accesso alla FDE nella mia vita passata quando facevo questo tipo di lavoro. Mi piacerebbe aver fatto. Credo che sarebbe molto meglio determinare i valori dei guadagni PID che raggiungono una curva di serie temporale ideale. Nota a margine: credo che questo sarebbe un fantastico documento conoscitivo se il tuo cliente volesse provare l'approccio!!!
Il tipo di progettazione dell’esperimento potrebbe essere oggetto di discussione. Il design di riempimento dello spazio, come ha detto Dan, può funzionare. Forse un'altra possibilità potrebbe essere quella di utilizzare un design classico (o un design personalizzato se sono in gioco dei vincoli) utilizzando una trasformata log di LaPlace della funzione di trasferimento come modello? Non l'ho provato ma sembra possibile. La cosa più vicina a questa idea che ho trovato in letteratura è un articolo scritto da Taguchi in cui utilizzava array ortogonali per ridurre al minimo il rapporto segnale/rumore di un sistema controllato PID. Ho allegato il documento. Se il cliente si trova esclusivamente in modalità di simulazione e sta esplorando i parametri della funzione di trasferimento che consentono di ottenere un comportamento ottimale del sistema, allora l'approccio progettuale di riempimento dello spazio menzionato da Dan ha sicuramente senso poiché il modello è deterministico. Mi aspetterei anche che venissero inclusi più parametri poiché i guadagni PID sono solo parametri compensatori.
La conoscenza della teoria del controllo, delle funzioni di trasferimento e dell'accesso al software di simulazione è molto utile per comprendere come determinare i limiti dei guadagni in un esperimento. Non è strettamente necessario però. Credo che questo sia raro per i clienti che non progettano controller ma stanno invece ottimizzando un controller su una macchina esistente. In questo caso, l'utilizzo dei guadagni PID esistenti per stabilire i limiti funziona. Le macchine si comportano diversamente nel tempo a causa dell'usura e di diversi fattori. Potrebbe anche essere utile includere nel DOE altri fattori che potrebbero alterare la controllabilità della macchina. La mia stima migliore è che questa sia l'applicazione più comune del DOE nella regolazione/ottimizzazione del PID. Sicuramente è quello che ho fatto di più.
Spero che questo ti aiuti. Vorrei avere ancora delle macchine con cui giocare e una conoscenza della teoria del controllo un po' più fresca nella mia mente. Penso che questo sia un vero e proprio parco giochi per DOE!
Grazie a tutti @Chandramouli_R @Daniel_Valente @Jason_Wiggins !
Colpo di scena interessante per me:) Parlerò con il cliente per saperne di più sulla sua situazione e se DoE potrebbe effettivamente essere ciò di cui ha bisogno!
