Les régulateurs proportionnels-intégraux-dérivés (PID) sont omniprésents dans l'industrie, où ils servent notamment à la régulation de température, au contrôle de débit et de niveau, ainsi qu'à la commande de moteurs. L'obtention de performances optimales nécessite souvent un réglage manuel précis des trois paramètres du PID.
Dans cette présentation, nous démontrons le réglage automatique du PID par optimisation bayésienne, appliqué au contrôle de la position angulaire de l'arbre d'un moteur à courant continu. Le processus débute par une série d'essais manuels. Pour chaque essai, les valeurs des paramètres PID et l'écart entre les réponses mesurées et souhaitées sont enregistrés dans une table de données JMP. Ces données servent à initialiser la plateforme d'optimisation bayésienne JMP, qui propose ensuite une nouvelle configuration des paramètres PID.
Un script JSL automatise le processus de réglage en envoyant les paramètres PID suggérés au contrôleur physique, en acquérant le signal d'erreur résultant et en ajoutant les nouveaux résultats à la même table de données. L'optimisation bayésienne JMP est ensuite relancée pour déterminer les paramètres de l'itération suivante. Ce cycle itératif se poursuit automatiquement jusqu'à convergence.
Enfin, nous utilisons Graph Builder pour créer des courbes de déplacement en fonction du temps afin de visualiser l'amélioration. Cette présentation illustre concrètement comment combiner expérimentation, programmation et optimisation bayésienne dans JMP pour résoudre un problème de contrôle réel.
