Een lichtgewicht, metaheuristiek-gestuurde adaptieve PID-benadering voor regeling van niet-lineaire kegelvormige tanks

Vloeistofniveaus stabiel houden in een wankele wereld

Van schoon drinkwater tot chemische productie: talloze industrieën zijn afhankelijk van tanks die vloeistoffen opslaan en verplaatsen. Wanneer die tanks kegelvormig zijn in plaats van cilindrisch, wordt het op peil houden van het vloeistofniveau verrassend lastig. Dit artikel presenteert een nieuwe manier om het niveau in dergelijke kegelvormige tanks automatisch te regelen met een snelle, lichtgewicht optimalisatiemethode geïnspireerd op het zwermgedrag van flamingo’s, waardoor geavanceerde regeling ook op goedkope hardware praktisch wordt.

Waarom kegelvormige tanks moeilijk te regelen zijn

In tegenstelling tot een rechtwandige cilinder wordt een kegelvormige tank naar de onderkant toe smaller, waardoor de dwarsdoorsnede met de hoogte verandert. Wanneer de tank bijna leeg is, zorgt een kleine toevoer voor een snelle stijging van het niveau; wanneer hij bijna vol is, verandert datzelfde debiet het niveau veel langzamer. Daardoor hangen de respons en stabiliteit sterk af van hoe vol de tank is. Traditionele industriële regelaars, die vaste instellingen gebruiken voor proportionele, integrale en differentiële (PID) acties, zijn meestal afgesteld op één bedrijfs­tandpunt. In een kegelvormige tank betekent dat dat ze goed kunnen werken op één hoogte maar overshoot, trage respons of slechte storingsafhandeling kunnen veroorzaken op andere hoogtes.

Een slimmere regelaar die leert terwijl hij draait

Om dit veranderlijke gedrag te temmen, ontwerpen de auteurs een regelaar die zich continu bijstelt tijdens bedrijf. De kern van de aanpak is een "modelreferentie"-schema: een eenvoudig doelmodel stelt vast hoe het waterniveau idealiter moet stijgen en insluipen—snel maar niet te snel, stabiel maar toch responsief. Het werkelijke tankniveau wordt continu vergeleken met deze gewenste respons en het verschil wordt het leersignaal. Daaromheen werkt een PID-regelaar die de pomp aanstuurt. In plaats van vaste PID-waarden, werkt het systeem deze waarden in de tijd bij zodat de werkelijke tankuitgang het referentiemodel zo nauwkeurig mogelijk volgt, zelfs als de bedrijfsomstandigheden veranderen.

Flamingo’s in sillicium: snelle optimalisatie op een klein computerbord

De nieuwe wending zit in de manier waarop die PID-instellingen worden aangepast. Veel moderne optimalisatiemethoden—zoals genetische algoritmen of deeltjeszwermen—kunnen goede regelaarparameters zoeken, maar ze vragen vaak veel rekenkracht en veel iteraties, wat onpraktisch is voor kleine embedded apparaten. De auteurs gebruiken in plaats daarvan het Flamingo Search Algorithm, een relatief lichtgewicht metaheuristiek geïnspireerd op hoe kolonies flamingo’s naar voedsel zoeken. In software vertegenwoordigt elke "flamingo" een kandidaatset PID-waarden. Over korte aanpassingsvensters worden deze kandidaten getest op een wiskundig model van de tank met recente meetgegevens, en wordt de gemiddelde kwadratische volgfout berekend. De virtuele zwerm beweegt zich door de ruimte van mogelijke gains, waarbij globale verkenning en lokale verfijning worden gebalanceerd totdat een goede set gevonden is—en dat alles binnen enkele tientallen milliseconden.

Van vergelijkingen naar een werkend labsysteem

Het team leidt eerst een op fysica gebaseerde vergelijking af voor hoe het waterniveau in een kegelvormige tank verandert met in- en uitstroom, waarbij wordt vastgelegd hoe de effectieve doorsnede en stromingsgedrag met de hoogte variëren. Vervolgens bouwen ze een labopstelling: een transparante kegelvormige tank, een niveausensor, een pomp en een ESP32-microcontroller gekoppeld aan een Jetson Nano edge-computer. De regelkring draait elke seconde, terwijl het Flamingo-algoritme op langere intervallen wordt geactiveerd met een schuivend venster van recente data. Veiligheidsmaatregelen zoals pompsaturatiegrenzen en limieten op de verandering­snelheid van de PID-waarden houden de actuatorcommando’s vloeiend en voorkomen plotselinge schokken in de waterstroom.

Hoe goed werkt het in de praktijk?

In experimenten bij meerdere instroomcondities behaalde de adaptieve regelaar op basis van Flamingo consequent stijgtijden van ongeveer 8–13 seconden en insluiptijden van 30–45 seconden, terwijl overshoot binnen ongeveer 2–5% bleef en de stationaire fout onder 0,5 cm. Ook werden ruime stabiliteitsmarges gehandhaafd, wat betekent dat het systeem onzekerheden en verstoringen verdroeg zonder oscillerend te worden. In vergelijking met twee veelgebruikte afstemmingsregels voor vaste PID-regelaars—Ziegler–Nichols en Cohen–Coon—liet de adaptieve methode duidelijk minder overshoot, snellere insluiving, betere verstoringsonderdrukking en strakkere niveauregeling zien over het gehele bedrijfsbereik van de tank. Statistische analyse over meerdere herhaalde runs bevestigde dat deze voordelen geen toevallige individuele proeven waren maar robuuste, reproduceerbare trends.

Wat dit betekent voor systemen in de praktijk

Voor niet‑experts is de kernboodschap dat geavanceerde, zelfsturende regeling niet langer rekenkundig zwaar of beperkt hoeft te zijn tot grote, dure hardware. Door een eenvoudig referentiemodel te combineren met een snelle, door zwermen geïnspireerde optimizer tonen de auteurs een regelaar die een lastige, sterk niet‑lineaire tank zowel responsief als stabiel kan houden, en dat op bescheiden embedded apparaten. Hierdoor wordt het realistischer om slimere, robuustere regelstrategieën in echte installaties in te zetten—wat de veiligheid, efficiëntie en productkwaliteit verbetert waar vloeistoffen op precies het juiste niveau moeten worden gehouden.

Bronvermelding: 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

Trefwoorden: kegelvormige tank, adaptieve PID-regeling, metaheuristieke optimalisatie, embedded regeling, vloeistofpeilregeling