Ինքնահավասարակշռող ռոբոտ PID ալգորիթմի միջոցով (STM MC). 9 քայլ

2024 Հեղինակ: John Day | [email protected]. Վերջին փոփոխված: 2024-01-30 09:50

Վերջերս մեծ աշխատանք է կատարվել օբյեկտների ինքնահավասարակշռման ուղղությամբ: Ինքնահավասարակշռման հայեցակարգը սկսվեց շրջված ճոճանակի հավասարակշռմամբ: Այս հայեցակարգը տարածվեց նաև ինքնաթիռների նախագծման վրա: Այս նախագծում մենք նախագծել ենք ինքնահավասարակշռող ռոբոտի փոքր մոդել ՝ օգտագործելով PID (համաչափ, ինտեգրալ, ածանցյալ) ալգորիթմ: Այդ ժամանակից ի վեր, այս մեթոդը արդյունաբերական գործընթացների կառավարման համակարգերի նոր դեմքն է: Այս զեկույցը վերանայում է օբյեկտների ինքնահավասարակշռման մեջ ներգրավված մեթոդները: Այս նախագիծը իրականացվել է որպես կիսամյակային ծրագիր `հասկանալու PID- ի հարաբերակցությունը տարբեր արդյունաբերական գործընթացների արդյունավետության վրա: Այստեղ մենք կենտրոնանում ենք միայն PID- ի վերահսկողության արդյունավետության և կիրառման վերաբերյալ կարճ ակնարկ տրամադրելու վրա: Այս փաստաթուղթը մշակվել է `ներկայացնելով կառավարման համակարգերի և հարակից տերմինաբանությունների համառոտ ներածություն` ի հավելումն ծրագրի շարժառիթների: Փորձարկումներ և դիտարկումներ են կատարվել, արժանիքները և թերությունները նկարագրված են `ավարտելով ապագա բարելավումները: Ինքնահավասարակշռող ռոբոտի մոդել է մշակվել `կառավարման համակարգում PID- ի արդյունավետությունը հասկանալու համար: Անցնելով որոշ խիստ փորձարկումներ և փորձեր, հայտնաբերվեցին PID կառավարման համակարգի արժանիքներն ու թերությունները: Պարզվել է, որ չնայած նախկին մեթոդների նկատմամբ PID- ի վերահսկման բազմաթիվ առավելություններին, այնուամենայնիվ այս համակարգը պահանջում է բազմաթիվ բարելավումներ: Հուսով ենք, որ ընթերցողը լավ կհասկանա ինքնահավասարակշռման կարևորության, PID- ի վերահսկման արդյունավետության և թերությունների մասին

Քայլ 1: Ներածություն

Համակարգիչների գալուստով և գործընթացների ինդուստրացմամբ, մարդկության պատմության ընթացքում, միշտ եղել են հետազոտություններ `գործընթացները վերանայելու և ավելի կարևորը` մեքենաների ինքնուրույն վերահսկման ուղիներ մշակելու համար: Նպատակը `նվազեցնել մարդու ներգրավվածությունն այս գործընթացներում, դրանով իսկ նվազեցնելով այդ գործընթացների սխալը: Այսպիսով, մշակվել է «Կառավարման համակարգի ճարտարագիտության» ոլորտը: Կառավարման համակարգի ճարտարագիտությունը կարող է սահմանվել որպես տարբեր մեթոդների օգտագործում `վերահսկելու գործընթացի աշխատանքը կամ մշտական և նախընտրելի միջավայրի պահպանումը, լինի դա մեխանիկական կամ ավտոմատ:

Պարզ օրինակ կարող է լինել սենյակում ջերմաստիճանի վերահսկումը: Ձեռնարկի վերահսկում նշանակում է անձի առկայություն կայքում, ով ստուգում է ներկա պայմանները (սենսոր), համեմատում է այն ցանկալի արժեքի (մշակման) հետ և համապատասխան գործողություններ է ձեռնարկում ցանկալի արժեքը (շարժիչ) ստանալու համար: Այս մեթոդի խնդիրն այն է, որ այն այնքան էլ վստահելի չէ, քանի որ մարդը հակված է սխալի կամ անփութության իր աշխատանքում: Բացի այդ, մեկ այլ խնդիր է այն, որ շարժիչի նախաձեռնած գործընթացի արագությունը միշտ չէ, որ միատեսակ է, այսինքն `երբեմն դա կարող է առաջանալ ավելի արագ, քան պահանջվում է, կամ երբեմն` դանդաղ: Այս խնդրի լուծումը համակարգի կառավարման համար միկրոհսկիչի օգտագործումն էր: Միկրոհսկիչն է

ծրագրված է գործընթացը վերահսկելու համար, ըստ տրված բնութագրերի, միացված միացումում (որը հետագայում կքննարկվի), սնուցվում է ցանկալի արժեքով կամ պայմաններով և դրանով իսկ վերահսկում է գործընթացը `ցանկալի արժեքը պահպանելու համար: Այս գործընթացի առավելությունն այն է, որ այս գործընթացում մարդու միջամտություն չի պահանջվում: Բացի այդ, գործընթացի արագությունը միատեսակ է

Հիմնական կառավարման համակարգ

Նախորդ դիագրամը ցույց է տալիս Կառավարման համակարգի շատ պարզեցված տարբերակ: Միկրոկոնտրոլերը գտնվում է ցանկացած կառավարման համակարգի հիմքում: Դա շատ կարևոր բաղադրիչ է, հետևաբար, դրա ընտրությունը պետք է կատարվի ուշադիր `ելնելով Համակարգի պահանջներից: Միկրոհսկիչը մուտքագրում է օգտվողից: Այս մուտքագրումը սահմանում է համակարգի ցանկալի վիճակը: Միկրոհսկիչը ստանում է նաև սենսորից հետադարձ կապ: Այս տվիչը միացված է Համակարգի ելքին, որի տեղեկատվությունը հետ է տրվում մուտքին: Միկրոպրոցեսորը, իր ծրագրավորման հիման վրա, կատարում է տարբեր հաշվարկներ և ելք է տալիս շարժիչին: Գործարկիչը, ելքի ելքի հիման վրա, վերահսկում է գործարանը `փորձելով պահպանել այդ պայմանները: Օրինակ կարող է լինել շարժիչ վարող վարորդը, որտեղ շարժիչն է շարժիչը և շարժիչը `գործարանը: Շարժիչը, այսպիսով, պտտվում է տվյալ արագությամբ: Միացված սենսորը կարդում է ներկայումս գործարանի վիճակը և այն հետ է տալիս միկրոկառավարիչին: Միկրոհսկիչը կրկին համեմատում է, կատարում հաշվարկներ և, հետևաբար, ցիկլը կրկնվում է: Այս գործընթացը կրկնվող է և անվերջ, որի դեպքում միկրոհսկիչը պահպանում է ցանկալի պայմանները

Քայլ 2: PID- ի վրա հիմնված կառավարման համակարգ

PID ալգորիթմը վերահսկման համակարգի նախագծման արդյունավետ մեթոդ է:

Սահմանում

PID- ը նշանակում է Համամասնական, ամբողջական և ածանցյալ: Այս ալգորիթմում ստացված սխալի ազդանշանը մուտքն է: Եվ սխալի ազդանշանի վրա կիրառվում է հետևյալ հավասարումը

U (t) = Kp ∗ e (t) + Kd ∗ d/dt (e (t)) + Ki ∗ ինտեգրալ (e (t)) (1.1)

Հակիրճ բացատրություն

Ինչպես երևում է վերը նշված հավասարումում, սխալի ազդանշանների ինտեգրալն ու ածանցյալը հաշվարկվում են, բազմապատկվում դրանց համապատասխան հաստատուններով և գումարվում է կայուն Kp- ի հետ բազմապատկված e (t) - ով: Այնուհետև ելքը սնվում է շարժիչին, ինչը ստիպում է համակարգը աշխատել: Հիմա հերթով նայենք ֆունկցիայի յուրաքանչյուր հատվածին: Այս գործառույթը անմիջականորեն ազդում է վերելքի, ընկնելու ժամանակի, գագաթնակետի վրա կրակի վրա, կարգավորման ժամանակի և կայուն վիճակի սխալների վրա:

• Համաչափ մաս. Համամասնական մասը նվազեցնում է աճի ժամանակը և նվազեցնում կայուն վիճակի սխալը: Սա նշանակում է, որ համակարգին ավելի քիչ ժամանակ կպահանջվի իր գագաթնակետին հասնելու համար, և երբ այն հասնի իր կայուն վիճակի, կայուն վիճակի սխալը ցածր կլինի: Այնուամենայնիվ, դա մեծացնում է գագաթնակետի գերազանցումը:

• Ածանցյալ մաս. Ածանցյալ մասը նվազեցնում է գերազանցման և նստեցման ժամանակը: Սա նշանակում է, որ համակարգի անցողիկ վիճակն ավելի թուլացած կլինի: Բացի այդ, համակարգն իր կայուն վիճակին կհասնի ավելի քիչ ժամանակում: Այնուամենայնիվ, այն չունի որևէ ազդեցություն վերելքի ժամանակ կամ կայուն վիճակի սխալ:

• անբաժանելի մաս. Անբաժանելի մասը նվազեցնում է վերելքի ժամանակը և ամբողջությամբ վերացնում կայուն վիճակի սխալը: Այնուամենայնիվ, դա մեծացնում է գագաթնակետի գերազանցման և կարգավորման ժամանակը:

• Կարգավորում. Լավ Վերահսկիչ համակարգը կունենա ցածր աճի, կարգավորման ժամանակ, առավելագույն գերազանցման և կայուն վիճակի սխալ: Հետևաբար, Kp- ն, Kd- ն, Ki- ն պետք է ճշգրտորեն կարգավորվեն `վերը նշված գործոնների ներդրումը ճշգրտելու համար` լավ կառավարման համակարգ ձեռք բերելու համար:

Կցված է նկար, որը ցույց է տալիս PID ալգորիթմում տարբեր պարամետրերի փոփոխման ազդեցությունը:

Քայլ 3. Ինքնահավասարակշռող ռոբոտ

Ինքնահավասարակշռող ռոբոտը բազմաշերտ, երկանիվ ռոբոտ է:

Ռոբոտը կփորձի հավասարակշռել իրեն ցանկացած անհավասար ուժ (ներ) ի կիրառման դեպքում: Այն ինքն իրեն կհավասարակշռի ռոբոտի վրա ուժերին հակադրվող ուժի կիրառմամբ:

Ինքնահավասարակշռման մեթոդներ

Գոյություն ունեն ռոբոտների ինքնահավասարակշռման չորս մեթոդներ: Դրանք հետևյալն են.

Ինքնահավասարակշռում `օգտագործելով երկու IR թեքության տվիչ

Սա ռոբոտին հավասարակշռելու ամենակոպիտ միջոցներից մեկն է, քանի որ այն պահանջում է շատ ավելի քիչ սարքավորում և համեմատաբար հեշտ ալգորիթմ: Այս մոտեցման մեջ երկու թեք IR սենսորներ օգտագործվում են գետնի և ռոբոտի միջև հեռավորությունը չափելու համար: Ելնելով հաշվարկված հեռավորությունից ՝ PID- ն կարող է օգտագործվել շարժիչները քշելու համար ՝ ռոբոտին համապատասխանաբար հավասարակշռելու համար: Այս մեթոդի թերություններից մեկն այն է, որ IR սենսորը կարող է բաց թողնել որոշ ընթերցումներ: Մեկ այլ խնդիր է այն, որ հեռավորության հաշվարկման համար պահանջվում է ընդհատում և օղակներ, ինչը մեծացնում է ալգորիթմի ժամանակային բարդությունը: Հետևաբար, ռոբոտի հավասարակշռման այս մեթոդը այնքան էլ արդյունավետ չէ:

Արագացուցիչի միջոցով ինքնահավասարակշռում

Արագացուցիչը մեզ տալիս է մարմնի արագացումը 3 առանցքով: Y առանցքի (վերև) և x առանցքի (առաջ) ուղղված արագացումը մեզ հնարավորություն է տալիս հաշվարկել ծանրության ուղղությունը և, հետևաբար, հաշվարկել թեքության անկյունը: Անկյունը հաշվարկվում է հետևյալ կերպ.

θ = arctan (Ay/Ax) (1.2)

Այս մեթոդի օգտագործման թերությունն այն է, որ ռոբոտի շարժման ընթացքում ընթերցումներին կհամալրվի նաև հորիզոնական արագացումը, ինչը բարձր հաճախականության աղմուկ է: Հետևաբար, թեքության անկյունը ճշգրիտ չի լինի:

Գիրոսկոպի միջոցով ինքնահավասարակշռում

Երեք առանցքի երկայնքով անկյունային արագությունների հաշվարկման համար օգտագործվում է գիրոսկոպ: Թեքության անկյունը ստացվում է հետևյալ հավասարման միջոցով.

θp (i) = θp (i − 1) + 1/6 (vali − 3 + 2vali − 2 + 2vali − 1 + vali) (1.3)

Yrիրոսկոպի օգտագործման մեկ մեծ թերությունն այն է, որ այն ունի փոքր DC կողմնակալություն, որը ցածր հաճախականության աղմուկ է, և մի քանի ժամանակ անց վերադարձված արժեքները լիովին սխալ են: Սա, ինտեգրումից հետո, կհանգեցնի զրոյական կետի հեռացմանը: Դրա արդյունքում ռոբոտը որոշ ժամանակ կմնա իր ուղղահայաց դիրքում և կընկնի, երբ շեղումը գա:

Ինքնահավասարակշռում ՝ օգտագործելով ինչպես արագացուցիչ, այնպես էլ գիրոսկոպ

Ինչպես նշվեց վերևում, միայն արագացուցիչի կամ գիրոսկոպի օգտագործումը մեզ չի տա թեքության ճիշտ անկյունը: Դա հաշվի առնելու համար օգտագործվում են ինչպես արագացուցիչ, այնպես էլ գիրոսկոպ: Սրանք երկուսն էլ ներդրված են MPU6050- ում: Դրանում մենք ստանում ենք տվյալները երկուսից և այնուհետև միաձուլում դրանք ՝ օգտագործելով Կալման ֆիլտրը կամ լրացուցիչ զտիչը:

• Կալմանի զտիչ. Կալմանի ֆիլտրը աղմկոտ չափումներից հաշվարկում է դինամիկ համակարգի վիճակի լավագույն գնահատականը `նվազագույնի հասցնելով գնահատման միջին քառակուսի սխալը: Այն գործում է երկու փուլով ՝ կանխատեսում և ուղղում ՝ հաշվի առնելով համակարգի դինամիկան նկարագրող դիսկրետ ստոկաստիկ հավասարումները: Այնուամենայնիվ, դա շատ բարդ ալգորիթմ է, որը պետք է իրականացվի հատկապես միկրոկառավարիչի սահմանափակ սարքավորման վրա:

• Լրացուցիչ զտիչ. Այս ալգորիթմը հիմնականում օգտագործում է գիրոսկոպից ստացված տվյալները և ժամանակի ընթացքում ինտեգրում դրանք թեքության անկյունը ստանալու համար: Այն նաև օգտագործում է արագացուցիչի ընթերցումների փոքր մասնաբաժինը: Լրացուցիչ ֆիլտրը, փաստորեն, նվազագույնի է հասցնում արագացուցիչի բարձր հաճախականության աղմուկը և գիրոսկոպի ցածր հաճախականության աղմուկը, այնուհետև դրանք միաձուլվում է `տալով թեքության լավագույն ճշգրիտ անկյունը:

Քայլ 4: Ռոբոտի ձևավորում

Մենք նախագծել ենք ինքնահավասարակշռող ռոբոտ ՝ օգտագործելով Համամասնակի ածանցյալ վերահսկիչ, որն իրականացվում է Լրացուցիչ զտիչով ՝ MPU6050- ի համար: Ինքնահավասարակշռող ռոբոտի այս փոքր մոդելը մեզ ցույց կտա ռոբոտների ինքնահավասարակշռման կառավարման համակարգերի օգտակարությունը:

Համակարգի ներդրում

Համակարգը ինքնահավասարակշռող ռոբոտ է: Այն իրականացվում է PID Controller- ի միջոցով, որը համամասնական ինտեգրալ ածանցյալ վերահսկիչ է: Մենք հավասարակշռում ենք ռոբոտին ՝ իր անիվները վարելով դրա անկման ուղղությամբ: Դրանով մենք փորձում ենք ռոբոտի ծանրության կենտրոնը պահել առանցքային կետից վերև: Անիվներն իր անկման ուղղությամբ քշելու համար մենք պետք է իմանանք, թե որտեղ է ընկնում ռոբոտը և ինչ արագությամբ է այն ընկնում: Այս տվյալները ստացվում են MPU6050- ի միջոցով, որն ունի արագացուցիչ և գիրոսկոպ: MPU6050- ը չափում է թեքության անկյունը և դրա ելքը տալիս է միկրոկառավարիչին: MPU6050- ը միացված է STM խորհրդի հետ I2C- ի միջոցով: I2C- ում մեկ մետաղալարը նախատեսված է ժամացույցի համար, որը կոչվում է SCL: Մյուսը տվյալների փոխանցման համար է, որը SDA է: Դրանում օգտագործվում է գլխավոր ստրուկ հաղորդակցությունը: Մեկնարկային հասցեն և վերջնական հասցեն հստակեցված է `իմանալու համար, թե որտեղից են տվյալները սկսվում և որտեղ են ավարտվում: Մենք այստեղ ներդրել ենք լրացուցիչ զտիչը MPU6050- ի համար, որը մաթեմատիկական զտիչ է արագացուցիչի և գիրոսկոպի արդյունքները միացնելու համար: MPU6050- ից տվյալները ստանալուց հետո միկրոկառավարիչը կկատարի հաշվարկներ `իմանալու, թե որտեղ է այն ընկնում: Հաշվարկների հիման վրա STM միկրոհսկիչը վարորդին հրաման կտա մեքենաները վարել ընկնելու ուղղությամբ, ինչը կհավասարակշռի ռոբոտին:

Քայլ 5. Նախագծի բաղադրիչները

Ինքնահավասարակշռող ռոբոտի նախագծում օգտագործվել են հետևյալ բաղադրիչները.

STM32F407

Միկրոհսկիչ, որը նախագծվել է ST Microelectronics- ի կողմից: Այն աշխատում է ARM Cortex-M Architecture- ի վրա:

Շարժիչային վարորդ L298N

Այս IC- ն օգտագործվում է շարժիչը գործարկելու համար: Այն ստանում է երկու արտաքին մուտք: Մեկը միկրոկառավարիչից, որն այն մատակարարում է PWM ազդանշան: Կարգավորելով զարկերակի լայնությունը, շարժիչի արագությունը կարող է ճշգրտվել: Նրա երկրորդ մուտքը լարման աղբյուրն է, որը պահանջվում է շարժիչը վարելու համար, որը մեր դեպքում 12 Վ մարտկոց է:

DC շարժիչ

DC շարժիչն աշխատում է DC հոսանքի վրա: Այս փորձի ընթացքում DC շարժիչն աշխատում է շարժիչի վարորդին միացված օպտիկական զույգերի միջոցով: Շարժիչը վարելու համար մենք օգտագործել ենք Motor Drive L298N- ը:

MPU6050

MPU6050- ն օգտագործվում է ռոբոտի վայր ընկնելու մասին տեղեկատվություն ստանալու համար: Այն չափում է թեքության անկյունը զրոյական թեքության կետի նկատմամբ, որը MPU6050- ի դիրքն է, երբ ծրագիրը սկսում է գործել:

MPU6050- ն ունի 3 առանցքի արագացուցիչ և 3 առանցքի գիրոսկոպ: Արագացուցիչը չափում է արագացումը երեք առանցքների երկայնքով, իսկ գիրոսկոպը չափում է անկյունային արագությունը երեք առանցքների շուրջ: Արդյունքը համատեղելու համար մենք պետք է ֆիլտրենք երկուսի աղմուկը: Աղմուկները ֆիլտրելու համար մենք ունենք Կալման և Լրացուցիչ զտիչ: Մեր նախագծում մենք կատարել ենք Լրացուցիչ terտիչ:

Opto զույգ 4N35

Օպտոկապլերատորը մի սարք է, որն օգտագործվում է ցածր լարման մասի և բարձր լարման մասի մեկուսացման համար: Ինչպես ցույց է տալիս անունը, այն աշխատում է լույսի հիման վրա: Երբ ցածր լարման հատվածը ազդանշան է ստանում, ընթացքը հոսում է բարձր լարման մասում

Քայլ 6: Ռոբոտի կառուցվածքը

Ռոբոտի կառուցվածքը բացատրվում է հետևյալ կերպ.

Ֆիզիկական կառուցվածք

Ինքնահավասարակշռող ռոբոտը բաղկացած է թափանցիկ պլաստիկ ապակուց կազմված երկու շերտից: Երկու շերտերի մանրամասները տրված են ստորև.

Առաջին շերտ

Առաջին շերտի ներքևի մասում մենք տեղադրել ենք STM տախտակը սնուցող բջիջ: Նաև 4 վոլտ հզորությամբ երկու շարժիչ տեղադրվել է յուրաքանչյուր կողմում ՝ ռոբոտի շարժման համար միացված անվադողերով: Առաջին շերտի վերին մասում տեղադրվել են երկու մարտկոց `յուրաքանչյուրը 4 վոլտ (8 վոլտ ընդհանուր) և շարժիչի վարորդ IC (L298N) շարժիչների շահագործման համար:

Երկրորդ շերտ

Ռոբոտի վերին շերտում մենք տեղադրել ենք STM խորհուրդը Perf Board- ում: Վերին շերտի վրա տեղադրված է մեկ այլ օպտիկական տախտակ `4 օպտո միակցիչներից: Ռոբոտի վերին շերտի վրա ստորին կողմից տեղադրվում է նաև գիրոսկոպ: Երկու բաղադրիչներն էլ տեղադրված են միջին մասում, որպեսզի ծանրության կենտրոնը հնարավորինս ցածր պահվի:

Ռոբոտի ծանրության կենտրոն

Graանրության կենտրոնը հնարավորինս ցածր է պահվում: Այդ նպատակով մենք ստորին շերտի վրա տեղադրել ենք ծանր մարտկոցներ, իսկ վերին շերտի վրա ՝ թեթև բաղադրիչներ, ինչպիսիք են STM տախտակը և օպտիկական միացնող սարքերը:

Քայլ 7: Կոդ

Կոդը կազմվել է Atollic TrueStudio- ում: STM ստուդիան օգտագործվել է վրիպազերծման նպատակների համար:

Քայլ 8: Եզրակացություն

Շատ փորձարկումներից և դիտարկումներից հետո մենք վերջապես հասնում ենք այն կետին, երբ ամփոփում ենք մեր արդյունքները և քննարկում, թե որքանով է մեզ հաջողվել իրականացնել համակարգի արդյունավետությունը և մշակել այն:

Ընդհանուր ակնարկ

Փորձարկման ընթացքում շարժիչի արագությունը հաջողությամբ վերահսկվում էր PID ալգորիթմի միջոցով: Սակայն կորը հենց այն հարթ ուղիղ գիծը չէ: Դրա համար շատ պատճառներ կան.

• Սենսորը, թեև միացված է ցածր փոխանցման ֆիլտրին, միևնույն ժամանակ ապահովում է որոշակի անվերադարձումներ: դրանք պայմանավորված են ոչ գծային դիմադրություններով և անալոգային էլեկտրոնիկայի որոշ անխուսափելի պատճառներով:

• Շարժիչը սահուն չի պտտվում փոքր լարման կամ PWM- ի դեպքում: Այն տրամադրում է ցնցումներ, որոնք կարող են առաջացնել համակարգին սնվող որոշ սխալ արժեքներ:

• wնցումների պատճառով սենսորը կարող է բաց թողնել ավելի բարձր արժեքներ ապահովող որոշ ճեղքեր: • Սխալների մեկ այլ հիմնական պատճառ կարող է լինել STM միկրոկառավարիչի հիմնական ժամացույցի հաճախականությունը: STM միկրոկառավարիչի այս մոդելը ապահովում է 168 ՄՀց հաճախականությամբ հիմնական ժամացույց: Չնայած այս խնդրում այս նախագծում զբաղված լինելուն, այս մոդելի վերաբերյալ կա ընդհանուր պատկերացում, որ այն հենց այդքան բարձր հաճախականություն չի ապահովում:

Բաց օղակի արագությունը ապահովում է շատ հարթ գիծ `ընդամենը մի քանի անսպասելի արժեքներով: PID ալգորիթմը նույնպես աշխատում է `ապահովելով շարժիչի նստեցման շատ ցածր ժամանակ: Շարժիչի PID ալգորիթմը փորձարկվել է տարբեր լարման տակ ՝ պահպանելով տեղեկանքի արագությունը հաստատուն: Լարման փոփոխությունը չի փոխում շարժիչի արագությունը ՝ ցույց տալով, որ PID ալգորիթմը աշխատում է անշեղորեն

Էֆեկտիվություն

Այստեղ մենք քննարկում ենք PID վերահսկիչի արդյունավետությունը, որը մենք նկատեցինք փորձարկման ընթացքում:

Պարզ իրականացում

Փորձերի և դիտումների բաժնում մենք տեսանք, որ PID կարգավորիչը շատ հեշտ է իրականացնել: Այն պահանջում է ընդամենը երեք պարամետր կամ հաստատունություն, որոնք պետք է սահմանվեն արագության կառավարման համակարգ ունենալու համար

Գծային համակարգերի անզուգական արդյունավետություն

Գծային PID վերահսկիչն ամենաարդյունավետն է վերահսկիչների ընտանիքում, քանի որ տրամաբանությունը շատ պարզ է, և կիրառությունը լայն տարածում ունի գծային կամ բավականին գծային կիրառությունների դեպքում:

Սահմանափակումներ

Մենք վերացականորեն բացատրեցինք այս համակարգի սահմանափակումների մասին: Այստեղ մենք քննարկում ենք դրանցից մի քանիսը, որոնք մենք դիտել ենք:

Հաստատունների ընտրություն

Մենք տեսանք, որ չնայած PID կարգավորիչը հեշտ է իրականացնել, այնուամենայնիվ, համակարգի հիմնական թերությունն այն է, որ հաստատունների արժեքը ընտրելու քայլը աշխատատար է: քանի որ պետք է դժվար հաշվարկներ անել: Մյուս ճանապարհը հարվածի և փորձարկման մեթոդն է, բայց դա նույնպես արդյունավետ չէ:

Ոչ միշտ են հաստատուն հաստատունները

Փորձնական արդյունքները ցույց տվեցին, որ շարժիչի համար արագության տարբեր արժեքների դեպքում PID կարգավորիչը անսարք է PID հաստատունների նույն արժեքների դեպքում: Տարբեր արագությունների համար հաստատունները պետք է ընտրվեին տարբեր կերպ, և դա մեծացնում է հաշվարկային արժեքը երկրաչափականորեն:

Ոչ գծային

Մեր դեպքում օգտագործվող PID կարգավորիչը գծային է, հետևաբար այն կարող է կիրառվել միայն գծային համակարգերի վրա: Ոչ գծային համակարգերի համար վերահսկիչը պետք է տարբեր կերպ ներդրվի: Չնայած առկա են PID- ի տարբեր ոչ գծային մեթոդներ, դրանք ընտրելու համար պահանջում են ավելի շատ պարամետրեր: Սա կրկին անցանկալի է դարձնում համակարգը բարձր հաշվարկային արժեքի պատճառով:

Պահանջվում է նախնական հրում

Փորձերի բաժնում մենք ցույց տվեցինք, որ բավականին փոքր հղման արագության դեպքում, որտեղ սխալը սկզբում բավականին փոքր է, PID- ի կողմից մատակարարվող PWM- ն այնքան փոքր է, որ չի առաջացնում շարժիչի համար անհրաժեշտ մեկնարկային պտտվող պահը: Այսպիսով, որոշ փորձաշրջաններում շարժիչը չի աշխատում կամ այլ փորձությունների ժամանակ ապահովում է մեծ գերազանցում և ավելի երկար կարգավորման ժամանակ:

Քայլ 9: Հատուկ շնորհակալություն

Հատուկ շնորհակալություն իմ խմբի անդամներին, ովքեր ինձ օգնեցին այս նախագծի իրականացման գործում:

Շուտով կբեռնեմ տեսանյութի հղումը:

Հուսով եմ, որ ձեզ հետաքրքիր կլինի այս ուսուցանվողը:

Սա UET- ից գրանցվող Tahir Ul Haq- ն է: Ողջույն !!!