اصول کنترل PID، کاربردها و تنظیمات تشریح شده

۳، ۴. چرا باید به این نکته توجه کنیم؟کنترل PID بسیار شبیه به سیستم خلبان خودکار این کشتی عمل می کند - به طور خودکار و دقیق تنظیم متغیرهای فرآیند برای ماندن در نزدیکی نقاط تنظیم مطلوب با وجود اختلالاین مقاله یک اکتشاف جامع و در عین حال قابل دسترسی از کنترل PID را ارائه می دهد، اصول اساسی، کاربردهای عملی،و تکنیک های تنظیم پارامتر برای هر دو مبتدیان و مهندسان باتجربه.

کنترل PID (نسبی-متکامل- مشتق) یک الگوریتم کنترل بازخورد به طور گسترده در کاربردهای صنعتی است.اصل اصلی آن ترکیب سه حالت کنترل برای دستیابی به تنظیم دقیق متغیر فرآیندکنترل کننده به طور مداوم متغیر فرآیند واقعی (PV) را اندازه گیری می کند، آن را با نقطه تنظیم مورد نظر (SP) مقایسه می کند، خطا را محاسبه می کند،و یک خروجی کنترل (MV) را محاسبه می کند که فرآیند را از طریق محرک هایی مانند شیرها یا موتورها تنظیم می کند.

درک کنترل PID نیاز به آشنایی با این اصطلاحات اساسی دارد:

• متغیر فرآیند (PV):مقدار فیزیکی که کنترل می شود (دما، فشار، جریان، سطح، رطوبت).
• نقطه تنظیم (SP):مقدار هدف که PV باید به آن برسد.
• متغیر دستکاری شده (MV):سیگنال خروجی کنترل کننده که فرآیند را تنظیم می کند.
• اشتباه:تفاوت بین SP و PV (برآورد شده به عنوان SP-PV برای عمل معکوس یا PV-SP برای عمل مستقیم).
• اقدامات کنترل:نحوه تنظیم کنترل کننده MV بر اساس خطا (دست راست یا برعکس).

کنترل کننده های PID سه حالت کنترل متمایز را ترکیب می کنند:

• نسبتي (P):پاسخ فوری متناسب با خطا (MV = Kp × Error) را فراهم می کند. Kp بالاتر پاسخ سریع تری را ارائه می دهد اما خطر عدم ثبات را دارد.
• یکپارچه (I):از بین بردن خطای حالت ثابت با تراکم خطای در طول زمان (MV = Ki × ∫Error dt). موثر است اما ممکن است باعث تجاوز شود.
• مشتق (د):سرعت تغییر خطا را کاهش می دهد (MV = Kd × d ((Error) /dt). ثبات را بهبود می بخشد اما سر و صدا را تقویت می کند.

دو فرمول ریاضی اصلی برای کنترل کننده های PID وجود دارد:

موقعیت مطلق محرک خروجی: MV ((t) = Kp×Error ((t) + Ki×∫Error ((t)dt + Kd×d(Error ((t)) /dt

افزونه های کنترل خروجی: ΔMV ((t) = Kp×[Error(t) -Error(t-1) ] + Ki×Error(t) + Kd×[Error(t) -2Error(t-1) +Error(t-2)

• Kp:سرعت پاسخ را تعیین می کند (بالاتر = سریعتر اما به طور بالقوه ناپایدار)
• کی:حذف خطای حالت ثابت را کنترل می کند (بزرگ تر = سریع تر اصلاح می شود اما بیش از حد است)
• Kd:کنترل خنک کننده نرخ خطا (بالاتر = ثبات بهتر اما حساسیت به سر و صدا)

تنظیم پارامتر موثر از طریق روش های مختلف عملکرد سیستم بهینه را تضمین می کند:

1. Ki و Kd را به صفر تنظیم کنید، Kp را تنظیم کنید تا نوسان رخ دهد
2. Kp را به سرعت پاسخ پذیر کاهش دهید
3. افزایش Ki برای حذف خطای حالت ثابت
4. تنظیم Kd برای سرکوب نوسانات

1. پیدا کردن سود بحرانی (Kcu) که باعث نوسانات پایدار می شود
2. دوره بحرانی رکورد (Tcu)
3. پارامترهای محاسبه شده:
   • P: Kp = 0.5Kcu
   • PI: Kp = 0.45Kcu، Ti = Tcu/1.2
   • PID: Kp = 0.6Kcu، Ti = 0.5Tcu، Td = 0.125Tcu

شبیه به روش متناسبیت انتقادی اما با فرمول های جایگزین (Kp = 0.6Kcu، Ti = Tcu/2، Td = Tcu/8 برای PID).

کنترل PID به عملکردهای حیاتی در صنایع مختلف خدمت می کند:

• کنترل دما:کوره ها، راکتورها، سیستم های HVAC
• کنترل فشار:لوله کشی، ظرف های تحت فشار
• کنترل جریان:سیستم های توزیع مایعات/گاز
• کنترل سطح:مخازن، مخازن
• کنترل حرکت:سرعت موتور/موقعیت، سیستم های رباتیک

پیشرفت های مدرن محدودیت های سنتی PID را برطرف می کنند:

• PID سازگاری:پارامترها را به صورت خودکار برای تغییر شرایط تنظیم می کند.
• PID مبهم:شامل منطق مبهم برای سیستم های غیرخطی است
• PID شبکه عصبی:استفاده از یادگیری ماشین برای فرآیندهای پیچیده
• کارشناس PID:ادغام دانش دامنه برای برنامه های کاربردی تخصصی

با وجود استفاده گسترده، کنترل PID با چالش هایی روبرو است:

• سیستم های غیرخطی
• فرایندهای متغیر در زمان
• سیستم های بسیار پیچیده

کنترل PID به دلیل سادگی و اثربخشی آن یک تکنیک اتوماسیون صنعتی اساسی باقی می ماند.سازگاری PID از طریق پیشرفت های مدرن اطمینان از اهمیت مداوم آن را تضمین می کندتسلط بر اصول PID و تکنیک های تنظیم همچنان برای مهندسان کنترل ضروری است، با ادغام مداوم هوش مصنوعی و یادگیری ماشین که اجرای پیچیده تر را قول می دهد.