PID (Proportional-Integral-Derivative)

کنترل PID (Proportional-Integral-Derivative)

کنترل PID (Proportional-Integral-Derivative) رایج ترین اصطلاح فنی است که در صنعت ابزار دقیق و اتوماسیون استفاده می شود.

کنترل PID یک مکانیسم بازخورد دهنده کنترل کننده لوپ یا حلقه است که در سیستم های کنترل صنعتی استفاده می شود. PID برای تنظیم خروجی یک سیستم با تنظیم ورودی آن بر اساس تفاوت بین خروجی مورد نظر و خروجی واقعی استفاده می شود. الگوریتم PID یک مقدار خطا را به عنوان میزان تفاوت بین یک متغیر فرآیند بدست آمده و نقطه ی تنظیم شده مورد نظر محاسبه می کند. کنترل کننده سعی می کند با تنظیم ورودی های فرآیند خود، خطا را به حداقل برساند.

در حقیقت الگوریتم PID یک خطا را با کم کردن رقم واقعی خروجی دستگاه از رقم مورد نظر و سپس ضرب آن در یک ثابت محاسبه می کند. این ثابت به عنوان بهره متناسب شناخته می شود که تعیین می کند سیستم با چه سرعتی به خطا پاسخ دهد. سپس از انتگرال برای محاسبه خطای انباشته شده در طول زمان و از مشتق برای محاسبه نرخ تغییر خطا استفاده می شود. تمامی این محاسبات با هم ترکیب می شوند تا یک خروجی نهایی تولید شده که می تواند برای تنظیم سیستم بر اساس آن از آن بهره برد.

کنترل‌ کننده‌های PID در بسیاری از کاربردهای کنترل صنعتی مانند کنترل دما، کنترل فشار، کنترل جریان و کنترل سطح استفاده می‌شوند. الگوریتم های PID در رباتیک و وسایل نقلیه خودران نیز استفاده می شود. یکی از معروف ترین برندهای کنترل کننده PID زیمنس است.

به عنوان مثال یک الگوریتم کنترل کننده PID برای تنظیم دما در یک سیستم استفاده می شود. این کار با گرفتن تفاوت بین دمای مورد نظر و دمای فعلی، و سپس تنظیم خروجی یک دستگاه (مانند یک بخاری یا فن) برای نزدیک کردن دو مقدار به هم کار می کند. این الگوریتم از سه پارامتر تناسب، انتگرال و مشتق استفاده می کند که برای محاسبه مقدار تنظیمی که باید انجام شود تا به دمای مورد نظر برسد استفاده می شود.

بهترین روش الگوریتم کنترل کننده PID استفاده از تنظیم Ziegler-Nichols است. این روش یک روش آزمایش شده زمان برای تنظیم کنترلرهای PID است و امروزه هنوز در بسیاری از کاربردهای صنعتی استفاده می شود.

روش تنظیم Ziegler-Nichols یک تکنیک تنظیم کنترل کننده PID است که برای تعیین تنظیمات بهینه برای تناسب، انتگرال و مشتق در یک کنترل کننده PID استفاده می شود. این شامل تنظیم Gain تناسب به عنوان مقدار بالا، و Gain انتگرال به عنوان 0 و Gain مشتق نیز به عنوان 0 می باشد. سپس سیستم با افزایش میزان دامنه شروع به نوسان می کند تا زمانی که به یک حالت یا میزان نوسان پایدار برسد. سپس Gain ها بر اساس قانون تنظیم Ziegler-Nichols برای دستیابی به عملکرد بهینه تنظیم می شوند. در اینجاست که رایج ترین خطای انجام شده در یک کنترلر PID ممکن است رخ دهد. که این خطا در حقیقت ناشی از اشتباه در انجام تنظیم صحیح Gain می باشد. Gain عبارت تناسبی در یک کنترل کننده PID است که برای کنترل بزرگی سیگنال خروجی استفاده می شود. معمولاً با یک مقدار عددی نشان داده می شود که برای تعیین سیگنال خروجی در سیگنال خطا ضرب می شود.

رایج ترین رقیب کنترل کننده PID، سیستم کنترل پیش بینی مدل (MPC) است. مزیت اصلی سیستم های کنترل پیش بینی مدل (MPC) نسبت به کنترل کننده های PID این است که MPC از مدلی از سیستم برای پیش بینی رفتار آینده و بهینه سازی اقدامات کنترلی خود استفاده می کند. این به MPC اجازه می‌دهد تا محدودیت‌ها و اختلالات موجود در سیستم را در نظر بگیرد که برای کنترل‌کننده‌های PID ممکن است دشوار باشد. علاوه بر این، MPC را می توان برای بهینه سازی یک تابع هزینه استفاده کرد که می تواند در برخی از برنامه ها مفید باشد.

نقطه ضعف اصلی سیستم‌های کنترل پیش‌بینی مدل (MPC) در مقایسه با کنترل‌کننده‌های PID این است که به محاسبات پیچیده‌تری نیاز دارند و تنظیم آن‌ها دشوارتر است. علاوه بر این، سیستم‌های MPC برای همه نوع کاربری مناسب نیستند، زیرا به مدل دقیقی از سیستم نیاز دارند که می‌توانند از نظر محاسباتی بسیار فشرده و پیچیده باشد.

در نهایت بطور خلاصه می توان گفت که ساده ترین راه برای استفاده از کنترلرهای PID تنظیم مقدار خروجی مورد نظر، اندازه گیری مقدار واقعی خروجی و سپس محاسبه خطای بین دو مقدار است. سپس بر اساس این خطا می توانید Gain های تناسب، انتگرال و مشتق کنترلر را به منظور کاهش خطا تنظیم نمائید.

از جمله مقالات اتوماسیون، گردآوری و ترجمه عطاریان،

با ما درتماس باشید.

مهندس رضا تاج

تلفن: 09151211239

تارنما: www.ehyagran.ir

ایمیل: ehyagran.ir@gmail.com

https://wa.me/989151211239

http://instagram.com/Ehyagran