Los controladores proporcionales-integrales-derivativos (PID) son omnipresentes en entornos industriales y se utilizan en aplicaciones como la regulación de temperatura, el control de caudal y nivel, y el control de motores. Para lograr un rendimiento óptimo, a menudo se requiere un ajuste manual preciso de los tres parámetros PID.
En esta presentación, demostramos la sintonización automatizada de PID mediante optimización bayesiana, aplicada al control de la posición angular del eje de un motor de CC. El proceso comienza con un pequeño conjunto de ejecuciones manuales. Para cada ejecución, los valores de los parámetros PID y el error entre las respuestas medidas y deseadas se registran en una tabla de datos de JMP. Estos datos se utilizan para inicializar la plataforma de optimización bayesiana de JMP, que luego recomienda un nuevo conjunto de parámetros PID.
Un script JSL automatiza el proceso de ajuste enviando los parámetros PID sugeridos al controlador físico, adquiriendo la señal de error resultante y añadiendo los nuevos resultados a la misma tabla de datos. A continuación, se vuelve a ejecutar la optimización bayesiana JMP para encontrar los parámetros para la siguiente ejecución. Este ciclo iterativo continúa automáticamente hasta alcanzar la convergencia.
Finalmente, utilizamos Graph Builder para crear curvas de desplazamiento frente al tiempo y visualizar cómo se produjo la mejora. Esta presentación es un ejemplo práctico de cómo combinar experimentación, programación y optimización bayesiana en JMP para resolver un problema de control real.
