Lekka adaptacyjna metoda PID sterowana metaheurystyką do regulacji nieliniowego zbiornika stożkowego

Utrzymywanie poziomu cieczy w chwiejnych warunkach

Od czystej wody pitnej po produkcję chemiczną — niezliczone branże polegają na zbiornikach do przechowywania i przemieszczania cieczy. Gdy zbiorniki mają kształt stożka zamiast walca, utrzymanie stabilnego poziomu staje się zaskakująco trudne. W artykule przedstawiono nowe podejście do automatycznego sterowania poziomem w takich zbiornikach, wykorzystujące szybki, lekki algorytm optymalizacyjny inspirowany zachowaniem stada flamingów, co sprawia, że zaawansowane sterowanie jest praktyczne nawet na tanim sprzęcie.

Dlaczego zbiorniki stożkowe są trudne do sterowania

W przeciwieństwie do walca o prostych ścianach, zbiornik stożkowy zwęża się ku dołowi, więc pole przekroju zmienia się wraz z wysokością. Gdy zbiornik jest prawie pusty, niewielki dopływ szybko podnosi poziom; gdy jest niemal pełny, ten sam dopływ zmienia go znacznie wolniej. W rezultacie czułość i stabilność układu zależą w dużym stopniu od stopnia napełnienia. Tradycyjne regulatory przemysłowe, stosujące stałe nastawy działania proporcjonalnego, całkującego i różniczkującego (PID), zwykle są strojonedla jednego punktu pracy. W przypadku zbiornika stożkowego oznacza to, że mogą działać dobrze na jednej wysokości, ale powodować przeregulowanie, wolne odpowiedzi lub słabe tłumienie zaburzeń na innych wysokościach.

Sprytniejszy regulator, który uczy się w trakcie pracy

Aby opanować tę zmienną dynamikę, autorzy zaprojektowali regulator, który nieustannie dostraja się w trakcie pracy zbiornika. W centrum podejścia znajduje się schemat „modelu odniesienia”: prosty model celu określa, jak poziom wody powinien się idealnie podnosić i ustalać — szybko, ale nie nadmiernie, stabilnie, lecz wciąż responsywnie. Rzeczywisty poziom zbiornika jest ciągle porównywany z tą pożądaną odpowiedzią, a różnica staje się sygnałem uczącym. Wokół tego działa regulator PID sterujący pompą. Zamiast utrzymywać stałe wzmocnienia PID, system aktualizuje je w czasie, tak by rzeczywiste wyjście zbiornika jak najwierniej śledziło model odniesienia, nawet gdy warunki pracy się zmieniają.

Flamingi w krzemie: szybka optymalizacja na małym komputerze

Nowatorskim elementem jest sposób adaptacji nastaw PID. Wiele nowoczesnych metod optymalizacyjnych — jak algorytmy genetyczne czy roje cząstek — potrafi wyszukiwać dobre parametry regulatora, ale często wymagają dużej mocy obliczeniowej i wielu iteracji, co jest niepraktyczne na małych urządzeniach wbudowanych. Autorzy wykorzystują zamiast tego Flamingo Search Algorithm, stosunkowo lekką metaheurystykę inspirowaną sposobem, w jaki stada flamingów poszukują pożywienia. W oprogramowaniu każdy „flaming” reprezentuje kandydat na zestaw wzmocnień PID. W krótkich oknach adaptacyjnych kandydaci są testowani na matematycznym modelu zbiornika z wykorzystaniem świeżych danych pomiarowych, po czym obliczany jest średniokwadratowy błąd śledzenia. Wirtualne stado porusza się w przestrzeni możliwych nastaw, równoważąc eksplorację globalną z lokalnym dopracowaniem, aż znajdzie się dobry zestaw, i to w ciągu kilkudziesięciu milisekund.

Od równań do działającego systemu laboratoryjnego

Zespół najpierw wyprowadził równanie oparte na fizyce opisujące, jak poziom wody w zbiorniku stożkowym zmienia się przy dopływie i odpływie, uwzględniając, jak efektywne pole przekroju i zachowanie przepływu zależą od wysokości. Następnie zbudowali stanowisko laboratoryjne: przezroczysty zbiornik stożkowy, czujnik poziomu, pompę oraz mikrokontroler ESP32 połączony z komputerem krawędziowym Jetson Nano. Pętla sterowania działa co sekundę, natomiast algorytm Flamingo uruchamiany jest w dłuższych odstępach, korzystając z przesuwnego okna ostatnich danych. Środki bezpieczeństwa, takie jak ograniczenia nasycenia pompy i ograniczenia szybkości zmian wzmocnień PID, utrzymują polecenia aktuatora płynne i zapobiegają nagłym skokom przepływu.

Jak to działa w praktyce?

W eksperymentach przy różnych warunkach dopływu, adaptacyjny regulator oparty na Flamingo konsekwentnie osiągał czasy narastania około 8–13 sekund i czasy ustalania 30–45 sekund, przy jednoczesnym utrzymaniu przeregulowania na poziomie około 2–5% i błędów stanu ustalonego poniżej 0,5 cm. Zachowywał też szerokie marginesy stabilności, co oznaczało odporność na niepewności i zakłócenia bez wpadania w oscylacje. W porównaniu z dwiema powszechnie stosowanymi regułami strojenia dla regulatorów PID o stałych nastawach — Ziegler–Nichols i Cohen–Coon — metoda adaptacyjna wykazała wyraźnie mniejsze przeregulowanie, szybsze ustalanie, lepsze tłumienie zaburzeń i dokładniejszą kontrolę poziomu w całym zakresie pracy zbiornika. Analiza statystyczna przy wielokrotnych powtórzeniach potwierdziła, że te zalety to nie przypadkowe pojedyncze próby, lecz trwałe, powtarzalne trendy.

Co to oznacza dla systemów w rzeczywistych zakładach

Dla osób niebędących ekspertami kluczowa wiadomość jest taka, że zaawansowane, samostrojące się sterowanie nie musi już być obciążające obliczeniowo ani ograniczone do dużego, kosztownego sprzętu. Łącząc prosty model odniesienia z szybkim, stadem inspirowanym optymalizatorem, autorzy demonstrują regulator, który potrafi utrzymać trudny, silnie nieliniowy zbiornik jednocześnie responsywnym i stabilnym, i zrobić to na skromnych urządzeniach wbudowanych. Ułatwia to wdrażanie inteligentniejszych, bardziej odpornych strategii sterowania w rzeczywistych zakładach — poprawiając bezpieczeństwo, efektywność i jakość produktu tam, gdzie poziomy cieczy muszą być utrzymywane z dużą precyzją.

Cytowanie: 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

Słowa kluczowe: zbiornik stożkowy, adaptacyjne sterowanie PID, optymalizacja metaheurystyczna, sterowanie wbudowane, regulacja poziomu cieczy