Uma abordagem PID adaptativa leve guiada por metaheurística para regulação de tanques cônicos não lineares

Mantendo os Níveis de Líquido Estáveis em um Mundo Instável

De água potável limpa à fabricação química, inúmeras indústrias dependem de tanques que armazenam e movimentam líquidos. Quando esses tanques têm formato cônico em vez de cilíndrico, manter o nível do líquido estável torna-se surpreendentemente complicado. Este artigo apresenta uma nova forma de controlar automaticamente o nível em tanques cônicos usando um método de otimização rápido e leve inspirado no comportamento de bandos de flamingos, tornando o controle avançado prático mesmo em hardware de baixo custo.

Por que Tanques em Forma de Cone São Difíceis de Controlar

Ao contrário de um cilindro de paredes retas, um tanque cônico afunila em direção ao fundo, de modo que a área da seção transversal muda com a altura. Quando o tanque está quase vazio, uma pequena vazão de entrada eleva o nível rapidamente; quando está quase cheio, a mesma vazão altera o nível muito mais lentamente. Como resultado, a resposta e a estabilidade do tanque dependem fortemente de quão cheio ele está. Controladores industriais tradicionais, que usam ajustes fixos para as ações proporcional, integral e derivativa (PID), geralmente são sintonizados para um ponto de operação. Em um tanque cônico, isso significa que podem funcionar bem em uma altura, mas provocar ultrapassagem, respostas lentas ou baixa rejeição a perturbações em outras alturas.

Um Controlador Mais Inteligente que Aprende Enquanto Opera

Para domar esse comportamento variável, os autores projetam um controlador que se retuna constantemente enquanto o tanque opera. No cerne da abordagem está um esquema de "referência de modelo": um modelo alvo simples define como o nível d'água deveria idealmente subir e assentar — rápido, mas não rápido demais; estável, mas ainda responsivo. O nível do tanque real é continuamente comparado a essa resposta desejada, e a diferença torna-se o sinal de aprendizado. Em torno disso, um controlador PID ajusta a entrada da bomba. Em vez de fixar os ganhos PID, o sistema os atualiza ao longo do tempo para que a saída real do tanque siga o modelo de referência o mais próximo possível, mesmo à medida que as condições de operação mudam.

Flamingos em Silício: Otimização Rápida em um Computador Minúsculo

A novidade está em como esses ajustes PID são adaptados. Muitos métodos modernos de otimização — como algoritmos genéticos ou enxames de partículas — podem buscar bons parâmetros de controle, mas frequentemente exigem computação intensiva e muitas iterações, o que é impraticável para dispositivos embarcados pequenos. Os autores, em vez disso, usam o Flamingo Search Algorithm, uma metaheurística relativamente leve inspirada em como bandos de flamingos procuram alimento. Em software, cada "flamingo" representa um conjunto candidato de ganhos PID. Em janelas curtas de adaptação, esses candidatos são testados em um modelo matemático do tanque usando dados de medição recentes, e o erro quadrático médio de rastreamento é calculado. O bando virtual se movimenta pelo espaço de ganhos possíveis, equilibrando exploração global e refinamento local até encontrar um bom conjunto, tudo em dezenas de milissegundos.

Das Equações a um Sistema de Laboratório Funcional

A equipe primeiro deriva uma equação baseada na física para como o nível de água em um tanque cônico varia com a vazão de entrada e saída, capturando como a área efetiva e o comportamento do fluxo variam com a altura. Em seguida, montam um sistema em escala de laboratório: um tanque cônico transparente, um sensor de nível, uma bomba e um microcontrolador ESP32 conectado a um computador de borda Jetson Nano. O laço de controle é executado a cada segundo, enquanto o algoritmo Flamingo é acionado em intervalos maiores usando uma janela deslizante de dados recentes. Medidas de segurança, como limites de saturação da bomba e limites de taxa nas variações dos ganhos PID, mantêm os comandos do atuador suaves e evitam choques súbitos no fluxo de água.

Quão Bem Isso Funciona na Prática?

Em experimentos sob várias condições de vazão de entrada, o controlador adaptativo baseado em Flamingo alcançou consistentemente tempos de subida de cerca de 8–13 segundos e tempos de estabelecimento de 30–45 segundos, mantendo ultrapassagem em torno de 2–5% e erros em regime permanente abaixo de 0,5 cm. Também preservou margens de estabilidade generosas, o que significa que tolerou incertezas e perturbações sem ficar oscilatório. Quando comparado a duas receitas amplamente usadas para sintonia de controladores PID fixos — Ziegler–Nichols e Cohen–Coon — o método adaptativo mostrou claramente menor ultrapassagem, acomodação mais rápida, melhor rejeição a perturbações e controle de nível mais preciso ao longo de toda a faixa de operação do tanque. Análises estatísticas em múltiplas execuções repetidas confirmaram que essas vantagens não foram casualidades de testes isolados, mas tendências robustas e repetíveis.

O Que Isso Significa para Sistemas do Mundo Real

Para não especialistas, a mensagem principal é que o controle avançado e autoajustável não precisa mais ser computacionalmente pesado ou restrito a hardware grande e caro. Ao combinar um modelo de referência simples com um otimizador rápido inspirado em bandos, os autores demonstram um controlador capaz de manter um tanque difícil e altamente não linear ao mesmo tempo responsivo e estável, e fazê-lo em dispositivos embarcados modestos. Isso torna mais realista implantar estratégias de controle mais inteligentes e robustas em plantas reais — melhorando segurança, eficiência e qualidade do produto onde quer que líquidos precisem ser mantidos no nível adequado.

Citação: 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

Palavras-chave: tanque cônico, controle PID adaptativo, otimização metaheurística, controle embarcado, regulação de nível de líquido