Il controller è il componente principale del sistema di controllo dell'automazione, responsabile della ricezione dei segnali dei sensori, dell'elaborazione dei dati e dell'emissione di istruzioni di controllo per ottenere un controllo preciso dell'oggetto controllato. I metodi di controllo del controller sono vari e diversi metodi di controllo sono adatti a diversi scenari ed esigenze di controllo. In questo articolo introdurremo in dettaglio diversi metodi di controllo spesso utilizzati dai controllori, tra cui il controllo PID, il controllo fuzzy, il controllo adattivo, il controllo predittivo, il controllo della rete neurale e il controllo intelligente.
1. Controllo PID
Il controllo PID (Proporzionale-Integrale-Derivativo) è un metodo di controllo classico, ampiamente utilizzato nella produzione industriale, aerospaziale, nei trasporti, ecc. Il controller PID controlla l'oggetto controllato attraverso i tre collegamenti Proporzionale (P), Integrale (I) e Derivativo (D).
1.1 Controllo proporzionale
Il controllo proporzionale è la base del controllo PID, la legge di controllo è: u (t)=Kp * e (t), dove u (t) per la quantità di controllo, Kp per il coefficiente di proporzionalità, e (t) per la deviazione. La funzione principale del controllo proporzionale è ridurre la deviazione e migliorare la velocità di risposta del sistema.
1.2 Controllo integrale
La funzione del controllo integrale è eliminare la differenza statica del sistema e migliorare la stabilità del sistema. La legge di controllo è: u(t)=u(t-1) + Ki * ∫e(t)dt, dove Ki è il coefficiente integrale.
1.3 Controllo differenziale
La funzione principale del controllo differenziale è sopprimere l'oscillazione del sistema e migliorare la capacità anti-interferenza del sistema. La sua legge di controllo è: u(t)=u(t-1) - Kd * de(t)/dt, dove Kd è il coefficiente differenziale.
1.4 Caratteristiche del controllo PID
Il controllo PID presenta i vantaggi di una struttura semplice, una facile regolazione dei parametri, adattabilità e così via, ma allo stesso tempo presenta alcune limitazioni, come uno scarso controllo dei sistemi non lineari e-variabili nel tempo e requisiti più elevati per la regolazione dei parametri.
2. Controllo fuzzy
Il controllo fuzzy è un tipo di controllo basato sulla logica fuzzy, adatta a gestire l'incertezza e l'ambiguità. Il controllore fuzzy realizza il controllo dell'oggetto controllato attraverso tre parti: base di regole fuzzy, macchina di inferenza fuzzy e defuzzificatore.
2.1 Base di regole fuzzy
La base di regole fuzzy è il nucleo del controllore fuzzy, che contiene una serie di regole fuzzy per descrivere la relazione tra variabili di input e variabili di output. Una regola fuzzy ha la forma IF variabile di input IS fuzzy set, quindi variabile di output IS fuzzy set.
2.2 Macchina per inferenza fuzzy
La macchina per l'inferenza fuzzy ragiona sulle variabili di input in base alle regole della base di regole fuzzy per ottenere i valori fuzzy delle variabili di output. Il processo di inferenza fuzzy comprende quattro fasi: fuzzificazione, corrispondenza delle regole, fusione delle regole e defuzzificazione.
2.3 Defuzzificatore
Il ruolo del defuzzificatore è convertire i valori fuzzy ottenuti dal ragionamento fuzzy in quantità di controllo effettive. I metodi di defuzzificazione comunemente usati includono il metodo di massima affiliazione, il metodo della media ponderata, ecc.
2.4 Caratteristiche del controllo fuzzy
Il controllo fuzzy ha la capacità di gestire incertezze e problemi fuzzy, con bassi requisiti di regolazione dei parametri ed elevata adattabilità. Tuttavia, il controllo fuzzy presenta anche alcune limitazioni, ad esempio la costruzione della base di regole richiede molta esperienza e conoscenza e l'accuratezza del controllo è influenzata dalla divisione dell'insieme fuzzy e dal metodo di inferenza.
3. Controllo adattivo
Il controllo adattivo è un tipo di metodo di controllo in grado di regolare automaticamente i parametri di controllo in base alle caratteristiche dell'oggetto controllato e ai cambiamenti ambientali. Il controllore adattivo solitamente comprende tre parti: identificazione del modello, stima dei parametri e progettazione delle leggi di controllo.
3.1 Riconoscimento del modello
L'identificazione del modello è la base del controllo adattivo, attraverso i dati di input e output per stabilire il modello matematico dell'oggetto controllato, per fornire una base per la stima dei parametri e la progettazione delle leggi di controllo.
3.2 Stima dei parametri
La stima dei parametri consiste nel stimare i parametri dell'oggetto controllato online in base alle informazioni ottenute dall'identificazione del modello, che fornisce informazioni sui parametri in tempo reale-per la progettazione delle leggi di controllo.
3.3 Progettazione di leggi di controllo
La progettazione della legge di controllo consiste nel progettare la legge di controllo adattata alle caratteristiche dell'oggetto controllato e ai cambiamenti ambientali in base ai risultati dell'identificazione del modello e della stima dei parametri, in modo da realizzare il controllo preciso dell'oggetto controllato.
3.4 Caratteristiche del controllo adattivo
Il controllo adattivo ha la capacità di adattarsi alle caratteristiche dell'oggetto controllato e ai cambiamenti ambientali e può realizzare il controllo di sistemi non lineari e variabili nel tempo. Tuttavia, il controllo adattivo presenta anche alcune limitazioni, ad esempio l’accuratezza dell’identificazione del modello e della stima dei parametri influisce sull’effetto del controllo e la progettazione della legge di controllo è complicata.
4. Controllo predittivo
Il controllo predittivo è un metodo di controllo basato su informazioni di previsione futura, che realizza il controllo ottimale dell'oggetto controllato prevedendo il comportamento futuro dell'oggetto controllato.
4.1 Modello predittivo
Il modello predittivo è la base del controllo predittivo, utilizzato per descrivere il comportamento dinamico dell'oggetto controllato. I modelli di previsione comunemente utilizzati sono il modello ARX, il modello BJ e così via.
4.2 Algoritmo di previsione
L'algoritmo di previsione prevede il comportamento futuro dell'oggetto controllato in base al modello di previsione e alle informazioni di input e output correnti. Gli algoritmi di previsione comunemente utilizzati includono i minimi quadrati ricorsivi, il filtro di Kalman, ecc.
4.3 Controllo dell'ottimizzazione
Il controllo ottimale si basa sui risultati della previsione, attraverso l'algoritmo di ottimizzazione per risolvere la legge di controllo ottimale, per ottenere il controllo ottimale dell'oggetto controllato. Gli algoritmi di ottimizzazione comunemente utilizzati sono la programmazione lineare, la programmazione quadratica e così via.




