Moving-average-pid

Moving-average-pid

Opsi saham-saham-vs-saham terbatas
Termasuk-binary-options-brokers-reviews
Pilihan-diskon-broker


Hukum-bermain-forex-menurut-islam Make-money-off-forex-trading Online-trading-no-fees Option-trading-success Nilai-of-stock-options-calculator Mr-taxman-forex

Hasil ujian City of London Hasil A-Level Kami dengan senang hati melaporkan tahun-tahun hasil A-level yang lain, dengan lebih dari dua pertiga kelompok ini mencapai setidaknya satu A. Ada hasil yang fantastis dalam Bahasa Asing Modern dengan nilai 33 A, Dibandingkan dengan rata-rata nasional sekitar 8,2. Dalam mata pelajaran Sains gabungan, ada rata-rata nilai 94 A-B yang mengesankan. 100 siswa menerima nilai A atau A dalam Design Technology, seperti yang telah terjadi selama 6 tahun terakhir. Hasil Matematika juga sangat baik, dengan 87 A-A. Hasil bahasa Inggris sama mengesankannya, dengan lebih dari separuh siswa mencapai As. Nilai Seni Rupa dianugerahi 77 As. Gadis-gadis itu terus membuat kami terkesan dengan tekad dan kebanggaan yang mereka dapatkan dalam pekerjaan mereka. Hasil mereka menunjukkan kepada kita apa pengajaran inspiratif ditambah dengan kehausan sejati untuk belajar dapat mencapainya. Saya sangat berterima kasih kepada staf atas semua yang telah mereka lakukan untuk anak-anak perempuan. Kami senang bahwa begitu banyak gadis sekarang akan terus mengejar kepentingan akademis mereka di universitas pilihan mereka. Kami tahu bahwa CLSG telah mempersiapkan mereka dengan sangat baik untuk menjadi pembelajar seumur hidup dan menghadapi tantangan dengan percaya diri. Nyonya Ena Harrop, Kepala Sekolah Meskipun saya sangat senang dengan ketiga As, apa yang akan saya ambil dari Kota yang paling utama adalah bagaimana dukungan yang saya rasakan di sekolah. Saya merasa dihargai tidak hanya secara akademis tapi juga pribadi, dan tanpa ini saya tidak akan bisa mencapai hasil ini. Para guru dan murid di City memungkinkan saya untuk berkembang. Ellie Arnold Dukungan dari teman dan staf di CLSG telah menarik saya melewati beberapa tahun yang sulit. Terima kasih banyak CLSG yang telah membantu saya mengamankan tiga As dan tempat impian saya di Universitas Oxford. Alannah Burns Saya senang dengan hasil saya dan sangat senang bahwa setiap pekerjaan telah terbayar. Ini akan menyedihkan untuk meninggalkan City setelah 11 tahun tapi saya sangat bersemangat untuk pindah ke universitas tahun depan dan mempelajari topik yang paling saya nikmati. Jennifer Griggs Hasil GCSE Siswa di City of London School for Girls merayakan tahun hasil GCSE yang luar biasa. Skor 78 yang mengesankan diberikan A, dan 95 dari semua nilai adalah nilai A-A. Hampir setengah dari murid mencapai 10 Sebagai atau lebih, menyoroti dedikasi dan keberhasilan individu anak perempuan. Seorang siswa mendapat penghargaan 12 yang luar biasa, karena kira-kira sepertiga dari pencapaian kelompok seperti pada semua mata pelajaran mereka. Anak perempuan mendapatkan hasil yang sangat menyenangkan dalam Bahasa Asing Modern, dengan rata-rata 93 siswa mencapai nilai A di enam bahasa. Selama mata pelajaran sains (Biologi, Kimia dan Fisika) ada rata-rata fantastis di atas 88 A-A. Nilai yang dicapai dalam Sastra Inggris, dengan hasil yang sama luar biasa dalam History and Music, dengan nilai 82 dan 85 A diberikan masing-masing. Gadis-gadis kota sekali lagi berhasil dengan baik dalam ujian GCSE mereka tahun ini. Hasil mereka adalah bukti komitmen dan kerja keras mereka dan terhadap pengajaran dan perawatan pastoral yang sangat baik yang mereka terima. Bahwa begitu banyak anak perempuan telah mencapai hasil yang luar biasa sementara juga unggul dalam usaha ekstra kurikuler mereka bahkan lebih mengesankan. Kami berharap dapat menyambut mereka kembali pada bulan September, siap untuk memulai studi Sixth Form mereka. Nyonya Ena Harrop, Kepala Sekolah Saya sangat senang dengan hasil saya tahun ini, saya di bulan yang ingin saya sampaikan terima kasih kepada semua guru saya dan saya berharap bisa menghabiskan dua tahun ke depan di City. Caroline Hug Saya sangat senang dengan hasil saya dan saya menghargai semua hal yang telah dilakukan guru saya untuk mendukung saya, Waktu saya di City telah memberi saya berbagai keterampilan untuk membantu saya dalam belajar di masa depan. Roxy Brill Selamat kepada semua murid atas kerja keras dan tekad mereka (Ini adalah Modifikasi 2 dalam rangkaian yang lebih besar untuk menulis algoritma PID yang solid) Masalah Modifikasi ini akan sedikit men-tweak istilah derivatif. Tujuannya adalah untuk menghilangkan fenomena yang dikenal sebagai 8220Derivative Kick8221. Gambar di atas menggambarkan masalahnya. Karena errorSetpoint-Input, setiap perubahan pada Setpoint menyebabkan perubahan kesalahan seketika. Turunan dari perubahan ini tak terbatas (dalam prakteknya, karena dt isn8217t 0, ini hanya menjadi bilangan yang sangat besar.) Jumlah ini dimasukkan ke dalam persamaan pid, yang menghasilkan lonjakan output yang tidak diinginkan. Beruntung ada cara mudah untuk menyingkirkan ini. Solusi Ternyata turunan dari Error sama dengan turunan negatif dari Input, KECUALI ketika Setpoint berubah. Angin ini menjadi solusi sempurna. Alih-alih menambahkan (Kd turunan dari Error), kita kurangi (turunan Kd dari Input). Ini dikenal dengan menggunakan 8220Derivative on Measurement8221 Modifikasi di sini cukup mudah. Kami mengganti dError dengan -dInput. Alih-alih mengingat LastError, sekarang kita ingat LastInput The Result Here8217s apa modifikasi yang kita dapatkan. Perhatikan bahwa input masih terlihat hampir sama. Jadi, kita mendapatkan kinerja yang sama, tapi kita tidak mengirimkan lonjakan Output yang besar setiap kali Setpoint berubah. Ini mungkin atau mungkin bukan masalah besar. Itu semua tergantung seberapa sensitif aplikasi Anda terhadap lonjakan output. Cara saya melihatnya meskipun, tidak ada pekerjaan lagi untuk melakukannya tanpa menendang jadi mengapa tidak melakukan hal yang benar Next Catatan ini telah diposting pada Jumat, 15 April, 2011 at 3:02 and is filed under Coding. PID. Anda dapat mengikuti tanggapan terhadap entri ini melalui umpan RSS 2.0. Anda bisa meninggalkan tanggapan. Atau Pelacakan dari situs Anda sendiri. 9 Responses to 8220Improving the Beginners PID 8211 Derivative Kick8221Account Email yang Terabaikan Verifikasi Diperlukan Pendaftaran Hampir Selesai Terima Kasih Telah Mendaftar Buat Kata Sandi Baru Buat Kata Sandi Baru Masuk ke Akun Lengkap Bergabunglah Ulang Verifikasi Email Verifikasi Email Terkirim Email Verified Change Password Password Berubah Buat Kata Sandi Baru Buat Baru Password PID tanpa PhD Simpan ke Perpustakaan Saya Ikuti Komentar Tim WescottOktober 01, 2000 Editor Catatan: Tim Wescotts PID tanpa PhD pada awalnya menerbitkan Embedded Systems Programming pada bulan Oktober 2000. Artikel ini menjadi hit besar selama bertahun-tahun dan repetposed oleh situs lain , Seperti EE Times India, dan terkait dengan banyak situs, seperti Wikipedia. Kami tahu ini adalah artikel yang populer dan tetap bertahan sampai tidak tersedia saat kami mendesain ulang situs kami pada bulan Juli 2010. Staf di Embedded bekerja dengan tekun untuk mengembalikan semua konten lama kami dan membuat konten yang belum pernah ada sebelumnya segera dikirim. Berikut adalah PDF asli artikel PID tanpa PhD. Catatan: Artikel ini PDF dilindungi oleh hak cipta dari majalah Embedded Systems Design dan mungkin tidak diumumkan di sini, tanpa izin. Teks artikel asli dimiliki oleh Tim Wescott dan tidak boleh digunakan tanpa izin dari penulis. Tolong tautkan ke artikel tersebut. Berikut adalah versi HTML dari artikel. Hubungi kami untuk informasi lebih lanjut atau permintaan: Susan Rambo Managing Editor, majalah ESD susan.ramboubm PID Tanpa kontrol PID (proporsional, integral, derivatif) PhD tidak serumit kedengarannya. Ikuti langkah-langkah implementasi sederhana ini untuk hasil yang cepat. Di tempat kerja, saya adalah satu dari tiga orang servo yang ditunjuk, dan satu-satunya yang menerapkan loop kontrol dalam perangkat lunak. Akibatnya, saya sering memiliki kesempatan untuk merancang loop kontrol digital untuk berbagai proyek. Saya telah menemukan bahwa walaupun pasti ada masalah kontrol yang memerlukan semua keahlian yang dapat saya bawa, sejumlah besar masalah kontrol dapat dipecahkan dengan pengendali sederhana, tanpa menggunakan teori kontrol sama sekali. Artikel ini akan memberi tahu Anda bagaimana menerapkan dan menyetel pengontrol sederhana tanpa masuk ke matematika berat dan tanpa mengharuskan Anda mempelajari teori kontrol apa pun. Teknik yang digunakan untuk menyetel pengendali adalah metode yang dicoba dan benar yang dapat diterapkan pada hampir semua masalah kontrol dengan kesuksesan. Kontrol PID Kontroler PID telah digunakan selama lebih dari satu abad dalam berbagai bentuk. Ini telah menikmati popularitas sebagai perangkat mekanis murni, sebagai alat pneumatik, dan sebagai perangkat elektronik. Pengontrol PID digital yang menggunakan mikroprosesor baru saja masuk ke dalam industrinya sendiri. Seperti yang akan Anda lihat, ini adalah tugas mudah untuk menyematkan pengendali PID ke kode Anda. PID adalah proporsional, integral, derivatif. Ketiga istilah ini menggambarkan elemen dasar pengendali PID. Masing-masing elemen melakukan tugas yang berbeda dan memiliki efek berbeda pada berfungsinya suatu sistem. Pada pengendali PID yang khas, elemen-elemen ini didorong oleh kombinasi perintah sistem dan sinyal umpan balik dari objek yang dikendalikan (biasanya disebut sebagai tanaman). Keluaran mereka ditambahkan bersama untuk membentuk keluaran sistem. Gambar 1 menunjukkan diagram blok dari pengendali PID dasar. Dalam hal ini elemen turunan hanya didorong dari umpan balik tanaman. Umpan balik pabrik dikurangkan dari sinyal perintah untuk menghasilkan kesalahan. Sinyal kesalahan ini menggerakkan elemen proporsional dan integral. Sinyal yang dihasilkan ditambahkan bersamaan dan digunakan untuk menggerakkan tanaman. Saya belum menggambarkan apa elemen-elemen ini belum - bisa sampai ke tujuan nanti. Saya menyertakan penempatan alternatif untuk elemen proporsional (garis putus-putus) - ini bisa menjadi lokasi yang lebih baik untuk elemen proporsional, tergantung pada bagaimana Anda menginginkan sistem merespons perintah. Contoh tanaman Untuk membahas masalah ini dengan rasa realitas, kita memerlukan beberapa sistem contoh. Saya menggunakan tiga contoh tanaman di seluruh artikel ini, dan menunjukkan efek penerapan berbagai pengendali pada mereka: Motor penggerak sebuah kereta roda gigi Sistem penentuan posisi presisi Sistem termal Masing-masing sistem memiliki karakteristik yang berbeda dan masing-masing memerlukan strategi pengendalian yang berbeda untuk Mendapatkan performa terbaik Motor dan perlengkapan Contoh pabrik pertama adalah motor penggerak roda gigi, dengan posisi output dari kereta roda gigi dipantau oleh potensiometer atau perangkat bacaan posisi lainnya. Anda mungkin melihat mekanisme semacam ini yang mendorong pengangkutan printer, atau mekanisme throttle dalam sistem kontrol pelayaran mobil, atau hampir semua pengendali posisi lainnya yang cukup presisi. Gambar 2 menunjukkan diagram sistem semacam itu. Motor digerakkan oleh voltase yang diperintahkan oleh perangkat lunak. Output motor diarahkan untuk menggerakkan mekanisme sebenarnya. Posisi drive akhir ini diukur dengan potensiometer. Motor DC yang digerakkan oleh voltase ingin melaju dengan kecepatan konstan yang sebanding dengan voltase yang diberikan. Biasanya armatur motor memiliki beberapa daya tahan yang membatasi kemampuannya untuk berakselerasi, sehingga motor akan mengalami beberapa penundaan antara perubahan tegangan input dan perubahan kecepatan yang dihasilkan. Kereta gigi mengambil gerakan motor dan mengalikannya dengan konstan. Akhirnya, potensiometer mengukur posisi poros output. Gambar 3 menunjukkan respons langkah kombinasi motor dan roda gigi. Saya menggunakan nilai konstanta waktu t0 0.2s. Respon langkah suatu sistem hanyalah perilaku keluaran sebagai respons terhadap masukan yang berlangsung dari nol sampai beberapa nilai konstan pada waktu t 0. Karena berhadapan dengan contoh yang cukup umum di sini, saya telah menunjukkan respons langkah sebagai fraksi skala penuh , Jadi masuk ke 1. Gambar 3 menunjukkan step input dan respon motor. Respon motor dimulai secara perlahan karena konstanta waktu, tapi begitu berada di luar posisi motor dengan kecepatan konstan. Aktuator presisi Kadang kala diperlukan untuk mengendalikan posisi sesuatu yang sangat tepat. Sistem penentuan posisi yang tepat dapat dibangun dengan menggunakan tahap mekanis yang bergerak bebas, koil speaker (susunan koil dan magnet), dan transduser posisi non-kontak. Anda mungkin berharap melihat mekanisme semacam ini menstabilkan elemen sistem optik, atau menemukan beberapa peralatan atau sensor lainnya. Gambar 4 menunjukkan sistem seperti itu. Perangkat lunak memerintahkan arus dalam koil. Arus ini membentuk medan magnet yang menghasilkan gaya pada magnet. Magnet dilekatkan pada panggung, yang bergerak dengan akselerasi sebanding dengan arus koil. Akhirnya, posisi panggung dipantau oleh transduser posisi non-kontak. Dengan pengaturan ini, gaya pada magnet tidak tergantung pada gerak panggung. Untungnya ini mengisolasi panggung dari efek eksternal. Sayangnya sistem yang dihasilkan sangat licin, dan bisa menjadi tantangan untuk dikontrol. Selain itu, kebutuhan listrik untuk membangun penguat arus keluaran yang baik dan antarmuka transduser non-kontak bisa menjadi tantangan. Anda dapat mengharapkan bahwa jika Anda melakukan proyek seperti ini, Anda adalah anggota tim yang cukup berbakat (atau Anda mengerjakan proyek berumur pendek). Persamaan gerak untuk sistem ini cukup sederhana. Gaya di atas panggung sebanding dengan perintah drive saja, sehingga percepatan sistemnya sebanding dengan drive. Langkah respon sistem ini dengan sendirinya adalah parabola, seperti yang ditunjukkan pada Gambar 5. Seperti yang akan kita lihat nanti, ini membuat masalah kontrol lebih menantang karena kelesuan tahap mana yang mulai bergerak, dan antusiasmenya untuk terus bergerak begitu akan berjalan. Kontrol suhu Contoh ketiga tanaman yang digunakan adalah pemanas. Gambar 6 menunjukkan diagram sistem contoh. Kapal dipanaskan oleh pemanas listrik, dan suhu isinya dirasakan oleh alat pengatur suhu. Sistem termal cenderung memiliki respon yang sangat kompleks. Saya akan mengabaikan sedikit detail dan memberikan model yang sangat mendekati. Kecuali jika persyaratan kinerja Anda parah, diperlukan model yang akurat. Gambar 7 menunjukkan respon langkah sistem terhadap perubahan Vd. Ive menggunakan konstanta waktu t1 0.1s dan t2 0.3s. Responnya cenderung menetap pada suhu konstan untuk drive tertentu, namun butuh banyak waktu untuk melakukannya. Selain itu, tanpa banyak isolasi, sistem termal cenderung sangat sensitif terhadap efek luar. Efek ini tidak ditunjukkan pada gambar, tapi sebaiknya selidiki nanti di artikelnya. Controller Unsur-unsur pengendali PID yang disajikan di sini mengambil masukan dari keluaran tanaman terukur atau dari sinyal kesalahan, yang merupakan perbedaan antara keluaran tanaman dan perintah sistem. Saya akan menulis kode kontrol menggunakan floating point untuk menjaga rincian pelaksanaan dari diskusi. Terserah Anda untuk menyesuaikan ini jika Anda akan menerapkan controller Anda dengan integer atau aritmatika fixed-point lainnya. Saya akan mengambil panggilan fungsi seperti yang ditunjukkan di bawah ini. Seiring diskusi berkembang, Anda akan melihat bagaimana struktur data dan bagian dalam fungsi terbentuk. Alasan saya melewati kesalahan ke rutinitas update PID alih-alih lewat perintahnya adalah terkadang Anda ingin bermain trik dengan kesalahan. Meninggalkan perhitungan error pada kode utama membuat aplikasi PID lebih universal. Fungsi ini akan digunakan seperti ini: Kontrol Proporsional Proporsional adalah kontrol umpan balik yang paling mudah untuk diimplementasikan, dan kontrol proporsional sederhana mungkin adalah jenis loop kontrol yang paling umum. Pengontrol proporsional hanyalah sinyal kesalahan dikalikan dengan konstanta dan dimasukkan ke drive. Istilah proporsional dihitung dengan kode berikut: Gambar 8 menunjukkan apa yang terjadi bila Anda menambahkan umpan balik proporsional ke sistem motor dan roda gigi. Untuk keuntungan kecil (kp 1) motor masuk ke target yang benar, tapi memang sangat pelan. Meningkatkan gain (kp 2) mempercepat respon ke satu titik. Di luar titik itu (kp 5, kp 10) motor mulai lebih cepat, tapi overshoots targetnya. Pada akhirnya sistem tidak menyelesaikan lebih cepat daripada yang akan ada dengan keuntungan yang lebih rendah, namun ada lebih banyak overshoot. Jika kita terus meningkatkan keuntungan, kita akhirnya akan mencapai titik di mana sistem hanya berosilasi di sekitar target dan tidak pernah berada di luar sistem-akan menjadi tidak stabil. Motor dan roda gigi mulai mengalami overshoot dengan kenaikan yang tinggi karena keterlambatan respon motor. Jika Anda melihat kembali Gambar 2. Anda bisa melihat bahwa posisi motor tidak mulai segera naik. Keterlambatan ini, ditambah gain umpan balik yang tinggi, inilah yang menyebabkan overshoot terlihat pada Gambar 8. Gambar 9 menunjukkan respon dari actuator presisi dengan umpan balik proporsional saja. Kontrol proporsional saja jelas tidak membantu sistem ini. Ada begitu banyak penundaan di pabrik sehingga tidak peduli seberapa rendah gainnya, sistem akan berosilasi. Seiring kenaikannya, frekuensi output akan meningkat namun sistem tidak akan selesai. Gambar 10 menunjukkan apa yang terjadi bila Anda menggunakan umpan balik proporsional murni dengan pengatur suhu. Im menunjukkan respon sistem dengan gangguan karena perubahan suhu sekitar pada t 2s. Bahkan tanpa gangguan Anda dapat melihat bahwa kontrol proporsional tidak mendapatkan suhu ke pengaturan yang diinginkan. Meningkatkan gain membantu, tapi meski dengan kp 10 outputnya masih di bawah target, dan Anda mulai melihat overshoot yang kuat yang terus melakukan perjalanan bolak-balik (ini disebut ringing). Seperti contoh sebelumnya, pengendali proporsional saja bisa berguna untuk beberapa hal, tapi tidak selalu membantu. Tanaman yang memiliki terlalu banyak tunda, seperti aktuator presisi, tidak dapat distabilkan dengan kontrol proporsional. Beberapa tanaman, seperti pengendali suhu, tidak bisa dibawa ke titik setel yang diinginkan. Tanaman seperti kombinasi motor dan roda gigi bisa bekerja, tapi mungkin perlu digerakkan lebih cepat daripada yang dimungkinkan dengan kontrol proporsional saja. Untuk mengatasi masalah kontrol ini Anda perlu menambahkan kontrol integral atau diferensial atau keduanya. Kontrol Integral Integral digunakan untuk menambahkan presisi jangka panjang ke loop kontrol. Hal ini hampir selalu digunakan bersamaan dengan kontrol proporsional. Kode untuk mengimplementasikan integrator ditunjukkan di bawah ini. Keadaan integrator, iState adalah jumlah dari semua input sebelumnya. Parameter iMin dan iMax adalah nilai negara integrator minimum dan maksimum yang diijinkan. Kontrol integral dengan sendirinya biasanya menurunkan stabilitas, atau menghancurkannya sama sekali. Gambar 11 menunjukkan motor dan roda gigi dengan kontrol integral murni (pGain 0). Sistem tidak menyelesaikan. Seperti halnya aktuator presisi dengan kontrol proporsional, sistem motor dan roda gigi dengan kontrol integral saja akan berosilasi dengan ayunan yang lebih besar dan lebih besar sampai ada yang menyentuh batas. (Mudah-mudahan batasnya tidak pecah.) Gambar 12 menunjukkan sistem kontrol suhu dengan kontrol integral murni. Sistem ini memakan waktu lebih lama untuk menyelesaikannya dibandingkan dengan pabrik yang sama dengan kontrol proporsional (lihat Gambar 10), namun perhatikan bahwa ketika selesai, produk akan mengendap ke nilai target-bahkan dengan gangguan yang ditambahkan. Jika masalah Anda di Tangan tidak memerlukan penyelesaian yang cepat, ini mungkin sistem yang bisa diterapkan. Gambar 12 menunjukkan mengapa kita menggunakan istilah integral. Status integrator mengingat semua yang telah terjadi sebelumnya, yang memungkinkan pengontrol untuk membatalkan kesalahan jangka panjang dalam keluaran. Memori yang sama ini juga berkontribusi terhadap ketidakstabilan - pengendali selalu merespons terlambat, setelah tanaman cepat pulih. Untuk menstabilkan dua sistem sebelumnya, Anda memerlukan sedikit nilai presentasinya, yang Anda dapatkan dari istilah proporsional. Gambar 13 menunjukkan motor dan roda gigi dengan kontrol proporsional dan integral (PI). Bandingkan dengan angka 8 dan 11. Posisi ini membutuhkan waktu lebih lama untuk menyelesaikannya daripada sistem dengan kontrol proporsional murni, tapi tidak akan beres ke tempat yang salah. Gambar 14 menunjukkan apa yang terjadi bila Anda menggunakan kontrol PI pada sistem pemanas. Pemanas masih mengendap ke suhu target yang tepat, seperti halnya kontrol integral murni (lihat Gambar 12), namun dengan kontrol PI, ia menghabiskan dua sampai tiga kali lebih cepat. Angka ini menunjukkan operasi yang cukup dekat dengan batas kecepatan yang dapat dicapai dengan menggunakan kontrol PI dengan pabrik ini. Sebelum kita meninggalkan diskusi tentang integrator, ada dua hal lagi yang perlu saya tunjukkan. Pertama, karena Anda menambahkan kesalahan dari waktu ke waktu, waktu sampling yang Anda jalankan menjadi penting. Kedua, Anda perlu memperhatikan kisaran integrator Anda untuk menghindari windup. Tingkat perubahan status integrator sama dengan kesalahan rata-rata dikalikan dengan gain integrator dikalikan dengan laju sampling. Karena integrator cenderung memperlancar keadaan selama jangka panjang, Anda bisa lolos dengan tingkat sampling yang agak tidak rata, namun perlu rata-rata mendekati nilai konstan. Paling buruk, tingkat sampling Anda harus bervariasi tidak lebih dari 20 selama interval 10 sampel. Anda bahkan bisa lolos dengan melewatkan beberapa sampel selama rata-rata rasio sampel Anda tetap berada dalam batas. Meskipun demikian, untuk pengendali PI saya lebih memilih untuk memiliki sistem di mana masing-masing sampel termasuk dalam 1 sampai 5 dari waktu sampel yang benar, dan tingkat rata-rata jangka panjang yang tepat pada tombolnya. Jika Anda memiliki pengontrol yang perlu mendorong pabrik dengan keras, output pengontrol Anda akan menghabiskan banyak waktu di luar batas dari apa yang sebenarnya dapat diterima oleh drive Anda. Kondisi ini disebut kejenuhan. Jika Anda menggunakan pengontrol PI, maka semua waktu yang dihabiskan dalam kejenuhan dapat menyebabkan keadaan integrator tumbuh (wind up) ke nilai yang sangat besar. Ketika pabrik mencapai target, nilai integrator masih sangat besar, sehingga plant drive melampaui target sementara integrator melepas dan proses membalikkan. Situasi ini bisa menjadi sangat buruk sehingga sistem tidak pernah mengendap, tapi perlahan-lahan berosilasi di sekitar posisi target. Gambar 15 mengilustrasikan efek windu integrator. Saya menggunakan motorcontroller pada Gambar 13. Dan motor penggerak terbatas menjadi 0,2. Tidak hanya output controller yang jauh lebih besar dari pada drive yang ada pada motor, namun motor ini menunjukkan overshoot yang parah. Motor sebenarnya mencapai target sekitar lima detik, tapi tidak membalikkan arah sampai delapan detik, dan tidak bisa bertahan sampai 15 detik berlalu. Cara termudah dan paling langsung untuk menangani integrator windup adalah dengan membatasi integrator state, seperti yang saya tunjukkan pada contoh kode saya sebelumnya. Gambar 16 menunjukkan apa yang terjadi saat Anda mengambil sistem pada Gambar 15 dan membatasi istilah integrator ke keluaran drive yang tersedia. Output controller masih besar (karena istilah proporsional), tapi integrator tidak berjalan sangat jauh dan sistem mulai berhenti pada lima detik, dan selesai sekitar enam detik. Perhatikan bahwa dengan contoh kode di atas Anda harus menskalakan iMin dan iMax setiap kali Anda mengubah gain integrator. Biasanya Anda bisa mengatur integrator minimum dan maksimal sehingga output integrator sesuai dengan minimum dan maksimum drive. Jika Anda tahu gangguan Anda akan kecil dan Anda ingin settling lebih cepat, Anda bisa membatasi integrator lebih jauh. Diferensial saya bahkan tidak menunjukkan aktuator presisi di bagian sebelumnya. Hal ini karena aktuator presisi tidak dapat distabilkan dengan kontrol PI. Secara umum, jika Anda tidak dapat menstabilkan tanaman dengan kontrol proporsional, Anda tidak dapat menstabilkannya dengan kontrol PI. Kami tahu bahwa kontrol proporsional berkaitan dengan perilaku tanaman saat ini, dan kontrol integral tersebut berkaitan dengan perilaku pabrik di masa lalu. Jika kita memiliki beberapa unsur yang memprediksi perilaku tanaman maka ini bisa digunakan untuk menstabilkan tanaman. Pembeda akan melakukan triknya. Kode di bawah ini menunjukkan istilah diferensial pengontrol PID. Saya lebih suka menggunakan posisi tanaman yang sebenarnya daripada kesalahan karena ini membuat transisi lebih halus saat nilai perintah berubah. Istilah diferensial itu sendiri adalah nilai terakhir dari posisi dikurangi nilai posisi saat ini. Ini memberi Anda perkiraan kasar tentang kecepatan (delta positionsample time), yang memprediksi di mana posisi akan dalam beberapa saat. Dengan kontrol diferensial Anda dapat menstabilkan sistem aktuator presisi. Gambar 17 menunjukkan respon sistem aktuator presisi dengan kontrol proporsional dan turunan (PD). Sistem ini mengendap dalam waktu kurang dari 12 detik, dibandingkan beberapa detik untuk sistem lainnya. Gambar 18 menunjukkan sistem pemanas dengan kontrol PID. Anda bisa melihat peningkatan kinerja yang bisa didapat dengan menggunakan kontrol PID penuh dengan pabrik ini. Kontrol diferensial sangat kuat, tapi juga tipe penanganan yang paling bermasalah yang disajikan di sini. Tiga masalah yang kemungkinan besar akan Anda alami adalah ketidakberesan sampling, kebisingan, dan osilasi frekuensi tinggi. Ketika saya mempresentasikan kode untuk elemen diferensial saya sebutkan bahwa hasilnya sebanding dengan perubahan posisi dibagi dengan waktu sampel. Jika posisi berubah pada tingkat yang konstan namun waktu sampel Anda bervariasi dari sampel ke sampel, Anda akan mendapatkan suara pada istilah diferensial Anda. Karena gain diferensial biasanya tinggi, noise ini akan diperkuat banyak. Bila Anda menggunakan kontrol diferensial, Anda perlu memperhatikan bahkan sampling. Id mengatakan bahwa Anda ingin interval sampling konsisten ke dalam 1 dari jumlah total setiap saat - semakin dekat semakin baik. Jika Anda tidak dapat mengatur perangkat keras untuk menerapkan interval sampling, perancangan perangkat lunak Anda untuk sampel dengan prioritas sangat tinggi. Anda tidak perlu benar-benar menjalankan controller dengan presisi yang begitu ketat-pastikan konversi ADC sebenarnya terjadi pada waktu yang tepat. Sebaiknya letakkan semua sampel Anda dalam tugas ISR atau tugas dengan prioritas sangat tinggi, lalu jalankan kode kontrol dengan lebih santai. Kontrol diferensial menderita masalah kebisingan karena kebisingan biasanya menyebar secara merata di seluruh spektrum frekuensi. Perintah kontrol dan keluaran pabrik, bagaimanapun, biasanya memiliki sebagian besar konten mereka pada frekuensi rendah. Kontrol proporsional melewati kebisingan tanpa gangguan. Kontrol integral rata-rata sinyal inputnya, yang cenderung membunuh noise. Kontrol diferensial meningkatkan sinyal frekuensi tinggi, sehingga meningkatkan noise. Lihatlah keuntungan diferensial yang telah saya tetapkan pada tanaman di atas, dan pikirkan apa yang akan terjadi jika Anda memiliki suara yang membuat setiap sampel sedikit berbeda. Kalikan sedikit dengan keuntungan diferensial 2.000 dan pikirkan apa artinya. Anda bisa low-pass menyaring output diferensial Anda untuk mengurangi kebisingan, tapi ini bisa sangat mempengaruhi kegunaannya. Teori dibalik bagaimana melakukan ini dan bagaimana menentukan apakah akan bekerja berada di luar cakupan artikel ini. Mungkin yang terbaik yang bisa Anda lakukan mengenai masalah ini adalah melihat seberapa besar kemungkinan Anda melihat kebisingan, berapa biaya untuk mendapatkan masukan yang tenang, dan seberapa buruk Anda memerlukan kinerja tinggi yang Anda dapatkan dari kontrol diferensial. Setelah Anda berhasil menyelesaikan ini, Anda dapat menghindari pengendalian diferensial sama sekali, bicarakan orang-orang perangkat keras Anda untuk mendapatkan masukan suara yang lebih rendah, atau cari pakar sistem kontrol. Teks lengkap kode pengontrol PID ditunjukkan pada Listing 1 dan tersedia di eetimesdesignembeddedsource-code4200393Wescott-txt. Kode 1: kode kontroler PID Tuning Hal yang menyenangkan tentang menyetel pengendali PID adalah Anda tidak perlu memiliki pemahaman teori kontrol formal yang baik untuk melakukan pekerjaan yang cukup baik. Sekitar 90 aplikasi pengontrol loop tertutup di dunia memang sangat bagus sekali dengan pengontrol yang hanya disetel dengan cukup baik. Jika Anda bisa, kaitkan sistem Anda ke beberapa peralatan uji, atau tuliskan beberapa kode debug untuk memungkinkan Anda melihat variabel yang sesuai. Jika sistem Anda cukup lambat, Anda dapat meludahkan variabel yang sesuai di port serial dan membuat grafik dengan spreadsheet. Anda ingin bisa melihat output drive dan output pabriknya. Selain itu, Anda ingin bisa menerapkan semacam sinyal gelombang persegi ke input perintah sistem Anda. Cukup mudah untuk menulis beberapa kode tes yang akan menghasilkan perintah uji yang sesuai. Setelah Anda menyiapkan setup, tetapkan semua keuntungan ke nol. Jika Anda menduga bahwa Anda tidak memerlukan kontrol diferensial (seperti contoh motor dan perlengkapan atau sistem termal), lompatlah ke bagian yang membahas penyetelan keuntungan proporsional. Jika tidak, mulailah dengan menyesuaikan gain diferensial Anda. Cara pengendali diberi kode Anda tidak bisa menggunakan kontrol diferensial saja. Tetapkan keuntungan proporsional Anda ke beberapa nilai kecil (satu atau kurang). Periksa untuk melihat bagaimana sistem bekerja. Jika berosilasi dengan keuntungan proporsional, Anda harus bisa menyembuhkannya dengan gain diferensial. Mulailah dengan gain diferensial 100 kali lebih banyak daripada keuntungan proporsional. Perhatikan sinyal drive Anda. Sekarang mulailah meningkatkan gain diferensial sampai Anda melihat osilasi, kebisingan yang berlebihan, atau overshoot berlebihan (lebih dari 50) pada drive atau output pabrik. Perhatikan bahwa osilasi dari terlalu banyak gain diferensial jauh lebih cepat daripada osilasi dari tidak cukup. Saya ingin mendorong gain sampai sistem berada di ambang osilasi lalu kembali keuntungannya dengan faktor dua atau empat. Pastikan sinyal penggerak tetap terlihat bagus. Pada titik ini sistem Anda mungkin akan merespons dengan sangat lamban, jadi waktunya untuk menyempurnakan keuntungan proporsional dan integral. Jika tidak diatur, tetapkan keuntungan proporsional ke nilai awal antara 1 dan 100. Sistem Anda mungkin akan menunjukkan kinerja yang sangat lambat atau akan berosilasi. Jika Anda melihat osilasi, turunkan keuntungan proporsional dengan faktor delapan atau 10 sampai osilasi berhenti. Jika Anda tidak melihat osilasi, tingkatkan keuntungan proporsional dengan faktor delapan atau 10 sampai Anda mulai melihat osilasi atau overshoot berlebihan. Seperti halnya pengontrol diferensial, saya biasanya menyetel sampai titik overshoot terlalu banyak lalu mengurangi gain dengan faktor dua atau empat. Begitu Anda dekat, selesaikan keuntungan proporsional dengan faktor dua sampai Anda menyukai apa yang Anda lihat. Setelah Anda memiliki gain proporsional Anda, mulailah meningkatkan keuntungan integral. Nilai awal Anda mungkin akan dari 0,0001 sampai 0,01. Di sini sekali lagi, Anda ingin menemukan kisaran keuntungan integral yang memberi Anda kinerja yang cukup cepat tanpa terlalu banyak overshoot dan tanpa terlalu dekat dengan osilasi. Masalah lain Kecuali Anda mengerjakan sebuah proyek dengan parameter kinerja yang sangat penting, Anda bisa mendapatkan keuntungan kontrol yang berada di bawah dua nilai yang benar. Ini berarti Anda bisa melakukan semua perkalian Anda dengan bergeser. Ini bisa sangat berguna saat Anda bekerja dengan prosesor yang lambat. Tingkat sampling Sejauh ini saya hanya berbicara tentang tingkat sampel dalam hal seberapa konsistennya kebutuhan mereka, tapi saya belum memberi tahu Anda bagaimana memutuskan sebelumnya berapa tingkat sampel yang dibutuhkan. Jika tingkat sampling Anda terlalu rendah, Anda mungkin tidak dapat mencapai kinerja yang Anda inginkan, karena penundaan sampel yang ditambahkan. Jika tingkat sampling Anda terlalu tinggi, Anda akan menciptakan masalah dengan kebisingan di pembeda dan meluap di integrator Anda. Aturan praktis untuk sistem kontrol digital adalah bahwa waktu sampel harus antara 110 dan 1100 dari waktu penyelesaian sistem yang diinginkan. Sistem waktu penyelesaian adalah jumlah waktu dari saat drive keluar dari kejenuhan sampai sistem kontrol telah secara efektif diselesaikan. Jika Anda melihat Gambar 16. Controller keluar dari saturasi sekitar 5.2s, dan telah berada di sekitar 6.2s. If you can live with the one second settling time you could get away with a sampling rate as low as 10Hz. You should treat the sampling rate as a flexible quantity. Anything that might make the control problem more difficult would indicate that you should raise the sampling rate. Factors such as having a difficult plant to control, or needing differential control, or needing very precise control would all indicate raising the sampling rate. If you have a very easy control problem you could get away with lowering the sampling rate somewhat (I would hesitate to lengthen the sample time to more than one-fifth of the desired settling time). If you arent using a differentiator and you are careful about using enough bits in your integrator you can get away with sampling rates 1,000 times faster than the intended settling time. Exert control This covers the basics of implementing and tuning PID controllers. With this information, you should be able to attack the next control problem that comes your way and get it under control. Tim Wescott has a masters degree in electrical engineering and has been working in industry for more than a decade. His experience has included a number of control loops closed in software using 8- to 32-bit microprocessors, DSPs, assembly language, C, and C. He is currently involved in control systems design at FLIR Systems where he specifies mechanical, electrical, and software requirements and does electrical and software design. You can contact him at timwescottdesign.
Instaforex-malaysia-forum
Moving-average-google-analytics