Естественным направлением развития коммерческих ПИД-регуляторов является разработка методов, позволяющих снизить затраты человеческого труда на их инсталляцию, настройку в обслуживание. Несмотря на то, что многие методы автоматической настройки и адаптация ПИД-регуляторов, используемые в настоящее время, были разработаны еще в 60-х годах, в промышленных контроллерах адаптивная техника начала использоваться только с середины 80-х. Это связано с технической сложностью реализации адаптивных алгоритмов на элементной базе, которая существовала до появления микроконтроллеров.

Настройка может выполняться вручную и автоматически, без участия человека (автпонастройка).

Автонастройка может выполняться полностью автоматический по требованию, когда человек является инициатором настройки. Полностью автоматическая настройка может инициироваться при наступлении заранее заданного условия, например при изменении нагрузки, при изменении внешних воздействий, при изменении погрешности регулирования, или непрерывно во времени, Автоматическая настройка, инициируемая без участия человека, называется адаптацией. Примером адаптации может быть автонастройка при изменении числа яиц в инкубаторе или нагрузки на валу двигателя. Иногда термин «адаптация» трактуют более широко как приспособление регулятора к реальному объекту на стадии ввода системы в эксплуатацию.

Разновидностью адаптации является разомкнутое управление параметрами регулятора (табличная автонастройка), когда заранее найденные параметры регулятора для разных условий работы системы заносятся в таблицу, из которой они извлекаются при наступлении условий, по которым инициируется адаптация.

Все виды автоматической настройки используют три принципиально важных этапа: идентификация, расчет параметров регулятора, настройка. Часто конечный этап включает этап подстройки (заключительная оптимизации настройки). Оптимизация настройки необходима в связи с тем, что методы расчета параметров регулятора по формулам являются упрощенными, не учитывают нелинейности объекта, в частности всегда присутствующую нелинейность типа «ограничение», а идентификация параметров объекта выполняется с некоторой погрешностью. Подстройка регулятора может быть поисковой (без идентификации объекта, путем поиска оптимальных параметров) в беспоисковой (с идентификацией). Поисковая идентификация базируется обычно на правилах или на итерационных алгоритмах поиска минимума критериальной функции. Наиболее распространен поиск оптимальных параметров с помощью градиентного метода поиска. Для этого находят производные от критериальной функции по параметрам ПИД-регулятора, которые являются компонентами вектора градиента. Далее производится изменение параметров в соответствии с направлением градиента.

Важно подчеркнуть, что несмотря на наличие «автоматической» подстройки, контроллер может не дать требуемого качества регулирования по причинам, не зависящим от качества заложенных в него алгоритмов. Например, объект управления может быть плохо спроектирован (зависимые контуры регулирования, большая задержка, высокий порядок объекта); объект может быть нелинейным; датчики могут быть расположены не в том месте, где нужно, и иметь плохой контакт с объектом, уровень помех в канале измерения может быть недопустимо большим; разрешающая способность датчика может быть недостаточно высокой; источник входного воздействия на объект может иметь слишком большую инерционность или гистерезис; могут быть также ошибки в монтаже системы, плохое заземление, обрывы проводников и т.д. Поэтому прежде чем начинать автоматическую настройку, необходимо убедиться в отсутствии перечисленных проблем. Например, если вследствие износа механической системы появился непредусмотренный проектом гистерезис и поэтому система находится в режиме колебаний, подстройка регулятора может не дать желаемого результата, пока не устранена причина проблемы.

Наиболее простым методом адаптации ПИД-регулятора к изменяющимся свойствам объекта управления является метод табличного управления коэффициентами регулятора. Он может быть использован не только для адаптивного управления, но и для управления нелинейными объектами, нестационарными процессами, при необходимости изменять параметры в зависимости от некоторых условий.

Принцип табличного управления очень прост, Зная заранее возможные изменения режима работы системы (например, возможные варианты загрузки инкубатора яйцами), выполняют идентификацию объекта для нескольких разных режимов и для каждого из них находят параметры регулятора, Значения этих параметров записывают в таблицу. В процессе функционирования системы измеряют параметры, которые характеризует режим работы системы (например, вес яиц с помощью датчика веса или уровень жидкости в автоклаве с помощью датчика уровня), и в зависимости от их значений выбирают из таблицы коэффициенты ПИД-регулятора.

Описанную систему можно рассматривать как систему с двумя контурами регулирования. Однако контур, служащий для адаптации, в нашем примере с уровнем жидкости в автоклаве или весом яиц в инкубаторе является разомкнутым. По этой причине табличное управление характеризуется высоким быстродействием, отсутствием ложного срабатывания или расхождения алгоритмов адаптации.

Описание коммерческих продуктов, приведенное ниже, может показаться слишком неполным, непонятным и оставляет без ответа многие вопросы. Это связано с ограниченным количеством информации, которую предоставляют перечисленные ниже фирмы о своей продукции.

В подавляющем большинстве ПИД-регуляторов, защищенных патентами, используются методы настройки, основанные на формулах, а не на правилах. Еще меньше контроллеров, применяющих нейронные сети и методы оптимизации. Однако доля патентов на контроллеры, использующие правила, в последние годы заметно увеличилась, в основном за счет регуляторов с нечеткой логикой. Увеличилась также доля патентов на регуляторы с оптимизацией; все они используют градиентные методы, метод наименьших квадратов, эволюционные алгоритмы.

Foxboro EXACT™ (760/761). Foxboro была одной из первых компаний, представивших на рынок адаптивные ПИД-регуляторы. Первый адаптивный регулятор Foxboro EXACT™ (760/761), выпущенный в октябре 1984 г., был основан на распознавании образов; в дальнейшем было сделано множество модификаций в алгоритмах его функционирования. Эти алгоритмы легли также в основу построения распределенной системы управления Foxboro I/A™. Контроллер EXACT MV™ включает три функциональных блока: PIDA, FBTUNE и FFTUNE. PIDA является современным ПИД-контроллером, FBTUNE служит для настройки петлевого усиления, предварительной настройки и адаптации, FFTUNE выполняет настройку прямой связи в регуляторе и табличное управление.

В контроллерах ABB адаптация основана на частотной релейной идентификации. Первый адаптивный контроллер назывался ЕСА-40™. Эта система также использовала метод табличного управления параметрами регулятора. Впоследствии методы адаптации дополнились непрерывной (во времени) адаптацией, адаптацией не только петлевого усиления, но и параметров прямой связи, а также методами диагностики. Перечисленные методы были воплощены в модели ECA600™, выпущенной в 1988 г. Эти же принципы использованы в распределенной системе управления Industrial IT System SOOxA™, которая использует еще и методы нечеткой логики и предиктивный ПИ (ППИ)- регулятор.

Для идентификации используется режим релейного регулирования. Для этого сначала устанавливается желаемое рабочее значение входной переменной для объекта, затем оператор нажимает кнопку автонастройки. Регулятор с втачала измеряет уровень шума, затем в контур регулирования включается реле с гистерезисом, при этом алгоритм ПИД-регулирования временно отключается. Величина гистерезиса устанавливается автоматически, на основе измеренного уровня шума на выходе объекта. Чем меньше измеренный уровень шума, тем меньше может быть амплитуда колебаний в системе в режиме релейного регулирования. Амплитуда колебаний автоматически настраивается такой величины, чтобы быть выше уровня шума. После получения колебаний с установившейся амплитудой и частотой эксперимент прерывается и по его результатам вычисляется частота колебаний и коэффициент передачи объекта на этой частоте методом гармонической линеаризации.

Частотная идентификации в режиме релейного регулирования выполняется с применением реле с регулируемым гистерезисом, что позволяет задавать частоту колебаний ниже частоты UISQ.

Методы адаптивного регулирования, заложенные еще в распределенной системе управления Provox™ и RS3™, впоследствии были перенесены и расширены в системе DeltaV™. Система использует автонастройку, табличное управление и адаптацию. Имеется также программное обеспечение для нечеткого регулирования и систем с транспортной задержкой.

Автоматическая настройка базируется на методе релейной идентификации. Используются несколько периодов колебаний в системе. Амплитуда колебании выбирается равной нескольким процентам от полного динамического диапазона системы. Для оценки величины транспортной задержки используется реакция на скачок. Полученные таким способом три параметра достаточны для идентификации модели первого порядка с задержкой. Для этого используются (по выбору пользователя) метод Зиглера-Никольса, регулятор с внутренней моделью или ламбда-тьюнинг. Система построена таким образом, что неопытные пользователи имеют мало опций для выбора, а опытные — много. Система имеет также встроенную подсистему моделирования, которая позволяет увидеть графики процесса регулирования до того, как коэффициенты регулятора будут записаны в контроллер.

Адаптивное управление базируется на данных, полученных из процесса во время его нормальной работы, без тестовых воздействий, а также (по выбору пользователя) с тестовыми воздействиями.

Типовая система для настройки ПИД-регулятора состоит из компьютера с программным обеспечением под Windows, комплекта модулей ввода-вывода и соединительных кабелей. Объект включается в контур регулирования, система настраивается желаемым способом, затем полученный коэффициенты регулятора записываются в ПИД-контроллер. Благодаря удобному пользовательскому интерфейсу, большой производительности компьютера и отсутствию ограничений на алгоритмы идентификации системы удается получить параметры регулятора, близкие к оптимальным.

В настоящее время имеется около полусотни коммерческих продуктов для настройки ПИД-регуляторов. Среди них — Protuner фирмы Techmation Inc., Lab VIEW PID Control Toolset фирмы National Instruments, Intelligent Tuner (Fisher-Rosemount), Profit PID (Honeywell), P.I.D.-expert, «Техноконт») и др.

Среди аналитических методов настройки в этих программах наиболее распространены ламбда-тьюнинг или метод регулятора с внутренней моделью. Подавляющее большинство программ использует модель первого порядка с задержкой для описания объекта регулирования.

Связь с оборудованием выполняется с помощью ОРС-сервера, DDE, СОМ или DCOM-технологии, среди которых только ОРС-сервер является средством, основанным на международном стандарте.

Параметры ПИД-регулятора вычисляются по частотным характеристикам, Сначала вычисляются постоянная интегрирования и постоянная дифференцирования, затем на основе заданного запаса по фазе и усилению вычисляется пропорциональный коэффициент регулятора.

Качество регулирования задается в виде понятий «сильно демпфированная» переходная характеристика, «слабо демпфированная» и «быстрая» (с коэффициентом затухания 1/0,38).

Prottmer дает разные коэффициенты регулятора для реакции на изменение уставки и нагрузки.

Имеются средства для моделирования системы до записи параметров в ПИД-контроллер. Могут быть также построены частотные характеристики замкнутой системы, которые позволяют оценить полученный запас по фазе и усилению.

ПИД-регуляторы, описанные выше, имеют плохие показатели качества при управлении нелинейными и сложными системами, а также при недостаточной информации об объекте управления. Характеристики регуляторов в некоторых случаях можно улучшить с помощью методов нечеткой логики, нейронных сетей и генетических алгоритмов. Перечисленные методы за рубежом называют «soft-computing», подчеркивая их отличие от «hard-computing», состоящее в возможности оперировать с неполными и неточными данными. В одном контроллере могут применяться комбинации перечисленных методов (фаззи-ПИД, нейро-ПИД, нейро-фаззи-ПИД регуляторы с генетическими алгоритмами).

ПИД-регуляторы с нечеткой логикой в настоящее время используются в коммерческих системах для наведения телекамер при трансляции спортивных событий, в системах кондиционирования воздуха, при управлении автомобильными двигателями; для автоматического управления двигателем пылесоса и в других областях.

Поскольку информация, полученная от оператора, выражена словесно, для ее использования в ПИД-регуляторах применяют лингвистические переменные и аппарат теории нечетких множеств, который был разработан Л. Заде в 1965 г. Основная идея этой теории состоит в следующем. Если в теории четких множеств некоторый элемент (например, температура 50 C) может принадлежать множеству (например, множеству «температура горячей воды») или не принадлежать ему, то в теории нечетких множеств вводится понятие функции принадлежности, которая характеризует степень принадлежности элемента множеству. При этом говорят, например, «температурит 50 С принадлежит множеству Т со степенью принадлежности 0,264. Функцию принадлежности можно приближенно трактовать как вероятность того, что данный элемент принадлежит множеству, однако такая интерпретация, хотя и является для инженеров более понятной, не является математически строгой, поскольку существующая теория нечетких множеств не оперирует понятием вероятности.

В 1974 г. Мамдани показал возможность применения идей нечеткой логики для построения системы управления динамическим объектом, а годом позже вышла публикация, в которой описывался нечеткий ПИД-регулятор и его применения для управления парогенератором. С тех пор область применения нечетких регуляторов постоянно расширяется, увеличивается разнообразие их структур и выполняемых функций.

Для применения методов нечеткой логики прежде всего необходимо преобразовать обычные четкие переменные в нечеткие. Процесс такого преобразования называется фаззификацией (от английского fuzzy — нечеткий). Диапазон изменения переменной е разбивается на множества (подмножества) NL, NM, NS, 2} PS, РМ, PL, в пределах каждого из которых строится функция принадлежности переменной е каждому из множеств. Функции принадлежности имеют треугольную (наиболее распространенную) форму, хотя в общем случае они могут быть любыми, исходя из смысла решаемой задачи. Количество множеств также может быть произвольным.

Для нечетких множеств существует общепринятая система обозначений: N — отрицательный (Negative); Z — нулевой (Zero); Р — положительный (Positive); к этим обозначениям добавляют буквы S (малый, Small), М (средний, Medium), L (большой, Large). Например, JVX — отрицательный большой; NM — отрицательный средний (Negative Medium); PL — положительный большой. Число таких переменных (термов) может быть любым, однако с увеличением их числа существенно возрастают требования к опыту эксперта, который должен сформулировать правила для всех комбинаций входных переменных.

Для выполнения функции регулирования над нечеткими переменными должны быть выполнены операции, построенные на основании высказываний оператора, сформулированных в виде нечетких правил. Совокупность нечетких правил и нечетких переменных используется для осуществления нечеткого логического вывода, результатом которого является управляющее воздействие на объект управления.