Welche Regelungsalgorithmen werden für eine 6-DOF-Drehplattform verwendet?

Als Lieferant von Rotationsplattformen mit 6 DOF (Freiheitsgraden) werde ich oft nach den Steueralgorithmen gefragt, die in diesen hochentwickelten Systemen verwendet werden. In diesem Blogbeitrag werde ich mich mit den verschiedenen Steueralgorithmen befassen, die üblicherweise verwendet werden, um den präzisen und effizienten Betrieb von Rotationsplattformen mit 6 DOF sicherzustellen.

6 DOF-Rotationsplattformen verstehen

Bevor wir die Steueralgorithmen besprechen, ist es wichtig zu verstehen, was eine 6-DOF-Rotationsplattform ist. Eine 6-DOF-Plattform kann sich auf sechs verschiedene Arten bewegen: drei Translationsbewegungen (entlang der X-, Y- und Z-Achse) und drei Rotationsbewegungen (Nick-, Roll- und Gierbewegung). Diese Plattformen werden in verschiedenen Branchen, darunter Luft- und Raumfahrt, Automobil und Unterhaltung, häufig für Anwendungen wie Flugsimulation, Fahrzeugtests und Virtual-Reality-Erlebnisse eingesetzt.

Proportional-Integral-Derivativ-Regelung (PID).

Einer der am häufigsten verwendeten Steuerungsalgorithmen in 6-DOF-Rotationsplattformen ist die Proportional-Integral-Derivative-Steuerung (PID). Bei der PID-Regelung handelt es sich um einen Rückkopplungsregelkreismechanismus, der kontinuierlich einen Fehlerwert als Differenz zwischen einem gewünschten Sollwert und einer gemessenen Prozessvariablen berechnet. Der Controller passt dann die Steuereingabe an das System basierend auf den Proportional-, Integral- und Ableitungstermen des Fehlers an.

• Proportionale Laufzeit: Der Proportionalterm ist proportional zum aktuellen Fehler. Es bietet eine sofortige Reaktion auf den Fehler, und je größer der Fehler, desto größer die Korrekturmaßnahme. Wenn man sich jedoch ausschließlich auf den Proportionalterm verlässt, kann dies zu einem stationären Fehler führen, bei dem das System den gewünschten Sollwert nie vollständig erreicht.
• Integraler Begriff: Der Integralterm akkumuliert den Fehler über die Zeit. Es hilft, den stationären Fehler zu beseitigen, indem der Steuereingang kontinuierlich angepasst wird, bis der Fehler Null ist. Allerdings kann eine zu große Integralwirkung dazu führen, dass das System überschwingt und instabil wird.
• Abgeleiteter Begriff: Der Ableitungsterm ist proportional zur Änderungsrate des Fehlers. Es prognostiziert das zukünftige Verhalten des Fehlers und bietet eine Korrekturmaßnahme, um ein Überschwingen zu verhindern. Der Ableitungsterm kann die Stabilität und Reaktionszeit des Systems verbessern.

Die PID-Regelung ist relativ einfach zu implementieren und kann in vielen Anwendungen eine gute Leistung erbringen. Für Systeme mit komplexer Dynamik oder Störungen ist es jedoch möglicherweise nicht geeignet.

Modell – Prädiktive Regelung (MPC)

Model – Predictive Control (MPC) ist ein fortschrittlicherer Steuerungsalgorithmus, der ein mathematisches Modell des Systems verwendet, um sein zukünftiges Verhalten vorherzusagen. MPC berechnet die optimalen Steuereingaben über eine Vorhersage mit endlichem Horizont, um eine Kostenfunktion zu minimieren, die den gewünschten Sollwert, Systembeschränkungen und den Steueraufwand berücksichtigt.

• Modellieren: MPC erfordert ein genaues Modell der 6 DOF-Rotationsplattform. Dieses Modell kann durch Systemidentifikationstechniken erhalten werden, bei denen das Eingabe-Ausgabe-Verhalten des Systems gemessen und ein mathematisches Modell an die Daten angepasst wird.
• Vorhersage und Optimierung: MPC sagt die zukünftigen Zustände des Systems basierend auf dem aktuellen Zustand und den Steuereingaben voraus. Anschließend werden die Steuereingaben über eine Finite-Horizont-Vorhersage optimiert, um die Kostenfunktion zu minimieren. Die optimalen Steuereingaben werden an das System angelegt und der Vorgang wird zu jedem Abtastzeitpunkt wiederholt.

MPC kann Systembeschränkungen wie Aktuatorgrenzen und physikalische Grenzen effektiver bewältigen als die PID-Steuerung. Es kann sich auch an Änderungen in der Systemdynamik und Störungen anpassen und eignet sich daher für komplexe und nichtlineare Systeme. Allerdings erfordert MPC mehr Rechenressourcen und ein genaueres Modell des Systems.

Fuzzy-Logic-Steuerung

Fuzzy Logic Control (FLC) ist ein Steuerungsalgorithmus, der Fuzzy-Logik verwendet, um unsichere und ungenaue Informationen darzustellen und zu manipulieren. FLC basiert auf dem Konzept von Fuzzy-Sets und Fuzzy-Regeln, die es dem Controller ermöglichen, Entscheidungen auf der Grundlage linguistischer Variablen statt präziser numerischer Werte zu treffen.

• Fuzzy-Sets und Zugehörigkeitsfunktionen: FLC verwendet Fuzzy-Sets, um die Eingabe- und Ausgabevariablen des Systems darzustellen. Jede Fuzzy-Menge wird durch eine Zugehörigkeitsfunktion definiert, die den Grad der Zugehörigkeit eines Eingabewerts zur Menge beschreibt. Beispielsweise kann eine Fuzzy-Menge für den Fehler als „negativ groß“, „negativ klein“, „Null“, „positiv klein“ und „positiv groß“ definiert werden.
• Fuzzy-Regeln: FLC verwendet Fuzzy-Regeln, um die Beziehung zwischen den Eingabe- und Ausgabevariablen zu beschreiben. Diese Regeln basieren auf den Kenntnissen und Erfahrungen des Anlagenbetreibers bzw. -planers. Eine Fuzzy-Regel kann beispielsweise lauten: „Wenn der Fehler positiv groß und die Fehleränderung positiv klein ist, dann ist die Steuerausgabe positiv groß.“
• Fuzzy-Inferenz und Defuzzifizierung: FLC verwendet Fuzzy-Inferenz, um die Ausgabe des Controllers basierend auf den Eingabewerten und den Fuzzy-Regeln zu bestimmen. Die Ausgabe der Fuzzy-Inferenz ist eine Fuzzy-Menge, die durch Defuzzifizierung in einen klaren Wert umgewandelt werden muss.

FLC kann unsichere und ungenaue Informationen effektiver verarbeiten als herkömmliche Steuerungsalgorithmen. Es kann auch eine intuitivere und menschlichere Steuerungsstrategie bieten. Allerdings erfordert FLC ein gutes Verständnis des Systems und das Fachwissen, um die Fuzzy-Sets und Regeln zu entwerfen.

Adaptive Steuerung

Bei der adaptiven Regelung handelt es sich um einen Regelungsalgorithmus, der die Regelungsparameter basierend auf Änderungen der Systemdynamik oder Störungen anpasst. Die adaptive Steuerung kann in zwei Haupttypen eingeteilt werden: Modell-Referenz-Adaptive Steuerung (MRAC) und selbstoptimierende Steuerung.

• Modell – Referenzadaptive Steuerung (MRAC): MRAC verwendet ein Referenzmodell, um das gewünschte Verhalten des Systems zu spezifizieren. Der Controller passt die Steuerparameter an, um den Fehler zwischen der Ausgabe des Systems und der Ausgabe des Referenzmodells zu minimieren. MRAC kann sich an Änderungen in der Systemdynamik und an Störungen anpassen und eignet sich daher für Systeme mit unsicheren oder zeitlich variierenden Parametern.
• Selbstoptimierungssteuerung: Die selbstoptimierende Steuerung verwendet einen Online-Parameterschätzungsalgorithmus, um die Parameter des Systems abzuschätzen. Der Controller passt dann die Steuerparameter basierend auf den geschätzten Parametern an. Die selbstoptimierende Regelung kann zur Anpassung an Änderungen in der Systemdynamik und an Störungen verwendet werden, ohne dass ein Referenzmodell erforderlich ist.

Adaptive Steuerung kann in Systemen mit unsicheren oder zeitlich variierenden Parametern eine gute Leistung liefern. Es erfordert jedoch mehr Rechenressourcen und ein komplexeres Design als herkömmliche Steuerungsalgorithmen.

Anwendungen von Steueralgorithmen in 6 DOF-Rotationsplattformen

Die Wahl des Steueralgorithmus hängt von der spezifischen Anwendung und den Anforderungen der 6-DOF-Rotationsplattform ab. Beispielsweise kann in einer Flugsimulationsanwendung, bei der hohe Präzision und schnelle Reaktion erforderlich sind, eine Kombination aus PID-Steuerung und MPC verwendet werden. Bei einer Vibrationstestanwendung, bei der das System mit komplexen Vibrationen und Störungen umgehen muss, sind FLC oder adaptive Steuerung möglicherweise besser geeignet.

Unser Unternehmen bietet eine Reihe von Rotationsplattformen mit 6 DOF an, darunter dieHigh-End-6-Dof-Bewegungssimulator,Vibrationstesttisch, Und3-Achsen-Bewegungsplattform. Diese Plattformen sind auf einen leistungsstarken und zuverlässigen Betrieb ausgelegt und die Steueralgorithmen werden sorgfältig ausgewählt und abgestimmt, um den spezifischen Anforderungen jeder Anwendung gerecht zu werden.

Abschluss

Zusammenfassend lässt sich sagen, dass die in 6-DOF-Rotationsplattformen verwendeten Steueralgorithmen eine entscheidende Rolle dabei spielen, den präzisen und effizienten Betrieb dieser Systeme sicherzustellen. Die PID-Regelung ist ein einfacher und weit verbreiteter Algorithmus, während MPC, FLC und die adaptive Regelung fortgeschrittenere Algorithmen sind, die komplexe Dynamiken und Störungen bewältigen können. Die Wahl des Steueralgorithmus hängt von der spezifischen Anwendung und den Anforderungen der Plattform ab.

Wenn Sie am Kauf einer 6-DOF-Rotationsplattform interessiert sind oder Fragen zu unseren Produkten haben, können Sie uns gerne für ein ausführliches Gespräch kontaktieren. Wir sind bestrebt, qualitativ hochwertige Produkte und exzellenten Kundenservice anzubieten.

Referenzen

• Åström, KJ, & Murray, RM (2008). Rückkopplungssysteme: Eine Einführung für Wissenschaftler und Ingenieure. Princeton University Press.
• Dorf, RC, & Bishop, RH (2017). Moderne Steuerungssysteme. Pearson.
• Passino, KM, & Yurkovich, S. (1998). Fuzzy-Kontrolle. Addison – Wesley.