Ein leichtgewichtiger, metaheuristisch gesteuerter adaptiver PID-Ansatz zur Regelung eines nichtlinearen konischen Tanks

Den Flüssigkeitsstand in einer wackeligen Welt stabil halten

Von sauberem Trinkwasser bis zur chemischen Produktion verlassen sich unzählige Branchen auf Tanks, die Flüssigkeiten halten und fördern. Wenn diese Tanks kegel- statt zylinderförmig sind, wird das Stabilhalten des Flüssigkeitsstands überraschend knifflig. Diese Arbeit stellt eine neue Methode vor, den Pegel in solchen konischen Tanks automatisch zu regeln, wobei eine schnelle, ressourcenschonende Optimierungsmethode zum Einsatz kommt, die vom Schwarmverhalten der Flamingos inspiriert ist und so fortgeschrittene Regelung selbst auf kostengünstiger Hardware praktikabel macht.

Warum kegel- förmige Tanks schwer zu regeln sind

Im Gegensatz zu einem geradwandigen Zylinder verengt sich ein konischer Tank nach unten, sodass die Querschnittsfläche mit der Höhe variiert. Ist der Tank nahezu leer, führt schon ein kleiner Zufluss zu einem schnellen Anstieg des Pegels; ist er beinahe voll, verändert derselbe Zufluss den Pegel deutlich langsamer. Dadurch hängen Dynamik und Stabilität des Tanks stark vom Füllstand ab. Konventionelle Industriecontroller mit festen Einstellungen für proportionale, integrale und differentielle (PID) Anteile sind meist für einen Betriebspunkt ausgelegt. In einem konischen Tank bedeutet das, dass sie an einer Füllhöhe gut arbeiten, an anderen Höhen jedoch Überschwingen, langsame Reaktionen oder schlechte Störungsdämpfung zeigen können.

Ein schlauer Regler, der während des Betriebs dazulernt

Um dieses veränderliche Verhalten zu bändigen, entwerfen die Autoren einen Regler, der sich kontinuierlich während des Betriebs nachstellt. Im Kern steht ein Modellreferenz-Schema: Ein einfaches Zielmodell definiert, wie der Wasserstand idealerweise ansteigen und sich einpendeln sollte—schnell, aber nicht zu schnell; stabil, aber dennoch reaktionsfreudig. Der reale Pegel wird kontinuierlich mit dieser gewünschten Antwort verglichen, und die Abweichung dient als Lernsignal. Darauf baut ein PID-Regler auf, der die Pumpensteuerung anpasst. Anstatt die PID-Verstärkungen festzulegen, aktualisiert das System diese über die Zeit, sodass die reale Tankantwort möglichst genau dem Referenzmodell folgt, selbst wenn sich die Betriebsbedingungen ändern.

Flamingos in Silizium: Schnelle Optimierung auf kleinem Rechner

Die neuartige Wendung betrifft die Art und Weise, wie diese PID-Parameter adaptiert werden. Viele moderne Optimierungsverfahren—etwa genetische Algorithmen oder Partikelschwärme—können gute Regelparameter finden, benötigen aber oft hohe Rechenleistung und viele Iterationen, was für kleine eingebettete Geräte unpraktisch ist. Die Autoren setzen stattdessen den Flamingo Search Algorithm ein, eine vergleichsweise leichte Metaheuristik, die vom Suchverhalten von Flamingo-Schwärmen inspiriert ist. In der Software steht jeder „Flamingo“ für einen Kandidaten- Satz von PID-Verstärkungen. In kurzen Anpassungsfenstern werden diese Kandidaten mit einem mathematischen Tankmodell anhand jüngster Messdaten getestet und der mittlere quadratische Regelungsfehler berechnet. Der virtuelle Schwarm bewegt sich durch den Raum möglicher Verstärkungen, balanciert globale Erkundung und lokale Feinoptimierung aus und findet innerhalb von wenigen zehn Millisekunden eine gute Einstellung.

Von Gleichungen zu einem funktionierenden Laborsystem

Das Team leitet zunächst eine physikalisch begründete Gleichung her, die beschreibt, wie sich der Wasserstand in einem konischen Tank bei Zu- und Ablauf ändert und wie sich effektive Fläche und Strömungsverhalten mit der Höhe verändern. Anschließend bauen sie eine Laboraufs tellung: einen transparenten konischen Tank, einen Füllstandssensor, eine Pumpe und einen ESP32-Mikrocontroller, der mit einem Jetson Nano Edge-Computer verbunden ist. Die Regelkreisberechnung läuft jede Sekunde, während der Flamingo-Algorithmus in längeren Abständen mit einem gleitenden Fenster aktueller Daten ausgelöst wird. Sicherheitsmaßnahmen wie Pumpensättigungsgrenzen und Änderungsratenbegrenzungen für die PID-Verstärkungen sorgen für sanfte Stellgrößen und vermeiden ruckartige Durchflussänderungen.

Wie gut funktioniert das in der Praxis?

In Experimenten unter verschiedenen Zuflussbedingungen erzielte der Flamingo-basierte adaptive Regler konstant Anstiegszeiten von etwa 8–13 Sekunden und Einschwingzeiten von 30–45 Sekunden, wobei das Überschwingen bei rund 2–5 % und stationäre Fehler unter 0,5 cm gehalten wurden. Er bot auch großzügige Stabilitätsränder, das heißt er tolerierte Unsicherheiten und Störungen ohne in Schwingungen zu geraten. Im Vergleich mit zwei gängigen Abstimmungsregelwerken für feste PID-Regler—Ziegler–Nichols und Cohen–Coon—zeigte die adaptive Methode deutlich geringeres Überschwingen, schnellere Einschwingzeiten, bessere Störunterdrückung und engere Pegelregelung über den gesamten Betriebsbereich des Tanks. Statistische Analysen über mehrere Wiederholläufe bestätigten, dass diese Vorteile keine zufälligen Einzelergebnisse waren, sondern robuste, reproduzierbare Trends.

Was das für reale Systeme bedeutet

Für Nichtfachleute lautet die Kernbotschaft: Fortgeschrittene, selbstanpassende Regelung muss nicht mehr rechenintensiv sein oder auf große, teure Hardware beschränkt bleiben. Durch die Kombination eines einfachen Referenzmodells mit einem schnellen, schwarminspirierten Optimierer zeigen die Autoren einen Regler, der einen schwierigen, stark nichtlinearen Tank sowohl reaktionsfreudig als auch stabil halten kann — und das auf bescheidener eingebetteter Hardware. Das macht den Einsatz intelligenterer, robusterer Regelstrategien in realen Anlagen realistischer und verbessert so Sicherheit, Effizienz und Produktqualität überall dort, wo Flüssigkeiten auf einem bestimmten Niveau gehalten werden müssen.

Zitation: Rajaram , K., Kathirvel, M. & Subburathinam, K. A lightweight metaheuristic-driven adaptive PID approach for nonlinear conical tank regulation. Sci Rep 16, 13288 (2026). https://doi.org/10.1038/s41598-026-42548-2

Schlüsselwörter: konischer Tank, adaptiver PID-Regler, metaheuristische Optimierung, eingebettete Regelung, Flüssigkeitsstandregelung