Un approccio adattivo PID leggero guidato da metaeuristiche per la regolazione di serbatoi conici non lineari

Mantenere stabili i livelli dei liquidi in un mondo instabile

Dall’acqua potabile pulita alla produzione chimica, innumerevoli settori si affidano a serbatoi per contenere e spostare liquidi. Quando questi serbatoi hanno forma conica anziché cilindrica, mantenere il livello del liquido stabile diventa sorprendentemente complesso. Questo articolo presenta un nuovo metodo per controllare automaticamente il livello in serbatoi conici utilizzando un procedimento di ottimizzazione rapido e leggero ispirato al comportamento a stormo dei fenicotteri, rendendo il controllo avanzato praticabile anche su hardware a basso costo.

Perché i serbatoi conici sono difficili da controllare

A differenza di un cilindro con pareti diritte, un serbatoio conico si restringe verso il fondo, quindi l’area della sezione trasversale cambia con l’altezza. Quando il serbatoio è quasi vuoto, una piccola portata in ingresso innalza rapidamente il livello; quando è quasi pieno, la stessa portata modifica il livello molto più lentamente. Di conseguenza, la reattività e la stabilità del serbatoio dipendono fortemente da quanto è pieno. I regolatori industriali tradizionali, che impiegano parametri fissi per le azioni proporzionale, integrale e derivativa (PID), sono solitamente tarati per un solo punto di lavoro. In un serbatoio conico questo significa che possono funzionare bene a una certa altezza ma provocare sovraelongazioni, risposte lente o scarsa gestione delle perturbazioni ad altre altezze.

Un controllore più intelligente che impara mentre opera

Per domare questo comportamento variabile, gli autori progettano un controllore che si ritara continuamente mentre il serbatoio è in funzione. Al centro dell’approccio c’è uno schema a "modello di riferimento": un modello target semplice definisce come il livello dell’acqua dovrebbe idealmente salire e stabilizzarsi—veloce ma non troppo, stabile ma reattivo. Il livello reale del serbatoio viene confrontato continuamente con questa risposta desiderata e la differenza diventa il segnale di apprendimento. Attorno a questo, un controllore PID regola l’ingresso della pompa. Invece di fissare i guadagni PID, il sistema li aggiorna nel tempo in modo che l’uscita reale del serbatoio segua il modello di riferimento il più possibile, anche quando cambiano le condizioni operative.

Fenicotteri in silicio: ottimizzazione rapida su un piccolo computer

La novità sta nel modo in cui questi settaggi PID vengono adattati. Molti metodi di ottimizzazione moderni—come gli algoritmi genetici o gli sciami di particelle—possono cercare buoni parametri di controllo, ma spesso richiedono calcoli intensivi e molte iterazioni, cosa poco pratica per dispositivi embedded di piccole dimensioni. Gli autori usano invece il Flamingo Search Algorithm, una metaeuristica relativamente leggera ispirata a come i stormi di fenicotteri cercano il cibo. Nel software ogni "fenicottero" rappresenta un candidato set di guadagni PID. Su brevi finestre di adattamento, questi candidati vengono testati su un modello matematico del serbatoio usando dati di misura recenti, e si calcola l’errore quadratico medio di inseguimento. Lo stormo virtuale si muove nello spazio dei possibili guadagni, bilanciando esplorazione globale e messa a punto locale finché non si trova un buon set, il tutto in poche decine di millisecondi.

Dalle equazioni a un sistema di laboratorio funzionante

Il team prima deriva un’equazione basata sulla fisica che descrive come il livello dell’acqua in un serbatoio conico varia con le portate in ingresso e in uscita, catturando come l’area effettiva e il comportamento del flusso cambino con l’altezza. Costruiscono quindi un setup di laboratorio: un serbatoio conico trasparente, un sensore di livello, una pompa e un microcontrollore ESP32 collegato a un computer edge Jetson Nano. Il ciclo di controllo viene eseguito ogni secondo, mentre l’algoritmo Flamingo è attivato a intervalli più lunghi usando una finestra mobile di dati recenti. Misure di sicurezza come limiti di saturazione della pompa e limiti sulla velocità di variazione dei guadagni PID mantengono i comandi all’attuatore morbidi ed evitano shock improvvisi nel flusso d’acqua.

Quanto funziona bene in pratica?

Negli esperimenti su diverse condizioni di portata in ingresso, il controllore adattivo basato su Flamingo ha costantemente ottenuto tempi di salita nell’ordine di 8–13 secondi e tempi di assestamento di 30–45 secondi, mantenendo le sovraelongazioni intorno al 2–5% e gli errori in regime stazionario sotto i 0,5 cm. Ha inoltre conservato margini di stabilità generosi, il che significa che ha tollerato incertezze e perturbazioni senza diventare oscillatorio. Rispetto a due ricette di taratura largamente usate per controllori PID fissi—Ziegler–Nichols e Cohen–Coon—il metodo adattivo ha mostrato sovraelongazioni notevolmente inferiori, assestamenti più rapidi, migliore rigetto delle perturbazioni e controllo del livello più accurato sull’intero campo operativo del serbatoio. L’analisi statistica su molteplici ripetizioni ha confermato che questi vantaggi non erano dovuti a singoli esperimenti fortunati ma tendenze robuste e ripetibili.

Cosa significa per i sistemi reali

Per i non esperti, il messaggio chiave è che il controllo avanzato e auto‑tarante non deve più essere computazionalmente pesante o riservato a hardware grande e costoso. Combinando un modello di riferimento semplice con un ottimizzatore rapido ispirato agli stormi, gli autori dimostrano un controllore capace di mantenere un serbatoio altamente non lineare sia reattivo sia stabile, e di farlo su dispositivi embedded modesti. Ciò rende più realistico l’impiego di strategie di controllo più intelligenti e robuste negli impianti reali—migliorando sicurezza, efficienza e qualità del prodotto ovunque i liquidi debbano essere mantenuti a un livello preciso.

Citazione: 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

Parole chiave: serbatoio conico, controllo PID adattivo, ottimizzazione metaeuristica, controllo embedded, regolazione del livello del liquido