AS_01

Automazione e Strumentazione Gennaio/Febbraio 2019 CONTROLLO approfondimenti 55 sistemi di supporto alle decisioni , i sistemi di manutenzione predittiva , i sistemi di program- mazione della produzione e lo strato di integra- zione con i software gestionali . Il controllo automatico di un sistema è possibile solo se il sistema è raggiungibile e osservabile, cioè se è possibile sia portarlo in un dato stato interno agendo sui suoi ingressi, sia risalire allo stato attuale basandosi sulle sue uscite. Il controllo di sistemi con più ingressi e più uscite è un argomento complesso e richiede nozioni di teoria del controllo avanzate. Si osservi, d’altra parte, che le tecniche di controllo nel dominio del tempo si prestano natural- mente all’applicazione su sistemi multi-variabili . Ma anche rimanendo nel dominio della frequenza o con tecniche di disaccoppiamento e decentralizza- zione, si possono ricondurre i problemi di controllo multi-variabile a una serie di problemi a singola variabile più semplici da gestire. Controllo avanzato con tecniche di Soft Computing Dai primi anni 90 del secolo scorso il controllo automatico ha iniziato ad avvalersi del Soft Com- puting, una branca dell’Informatica che include una serie di metodologie di elaborazione a base lingui- stica quali reti neurali, logica fuzzy, sistemi esperti e algoritmi genetici. Queste metodologie di elabo- razione dell’informazione sono ispirate a modelli biologici come il cervello (reti neurali) e suoi mec- canismi decisionali (logica fuzzy), imitandone il funzionamento e le peculiarità. Le metodologie di Soft Computing non sono tecniche di Intelligenza Artificiale in senso stretto. Sono piuttosto metodo- logie che conferiscono ai sistemi di automazione e controllo la capacità di reagire a situazioni variabili, con caratteristiche di affidabilità, autonomia, faci- lità di modellazione, economicità funzionale. Le reti neurali artificiali sono parte di una meto- Controllo Descrizione Pro Contro Anello chiuso (feedback) L’anello di controllo riporta all’ingresso del pro- cesso che si vuole controllare o rendere stabile una funzione dell’uscita che va sommata algebri- camente al segnale presente in ingresso. Robustezza, controlla anche i disturbi non misurabili o imprevisti. Può introdurre instabilità nella risposta se tarato male, non agi- sce in tempo reale. Anello aperto (o in avanti o predittivo o feedforward) Si basa su una elaborazione degli ingressi ese- guita senza conoscere il valore dell’uscita del sistema controllato, essendo note alcune pro- prietà del sistema da controllare. Agisce prima che il sistema risenta del disturbo, non introduce instabilità nella risposta. Il sistema deve scostarsi poco dal modello, è richiesta una buona conoscenza del sistema, il disturbo deve essere misurabile. Controllo on/off Forma di controllo ad anello chiuso nel quale l’a- zione del controllore è discontinua. Semplice ed economico Scarsa precisione Controllo PID La semplicità delle tre azioni elementari che lo costituiscono ne favorisce l’implementazione sia con tecnologie pneumatiche sia elettroniche. Semplice e funzionale, implementabile in diverse tecnologie Prestazioni modeste con sistemi fortemente non lineari. Controllo in cascata Architettura a due ingressi, un sistema di con- trollo con anello di retroazione è in grado di risol- vere molti problemi di regolazione. Utilizzata nei sistemi di controllo distri- buito (DCS) per una migliore gestione dell’impianto. Regolazione problematica nel caso in cui anche le variabili manipolate siano soggette a un errore. Controllo inferenziale Schema di controllo che utilizza delle stime delle variabili controllate per effettuare correzioni sulle variabili in ingresso a processo. Utile quando le variabili da controllare non sono misurabili direttamente Controllo adattativo In questa categoria rientrano gli algoritmi di controllo con capacità di adattarsi ai cambiamenti delle condi- zioni di funzionamento del sistema da controllare. Sforzo di taratura ridotto, prestazioni elevate anche al variare dei parametri per fenomeni di invecchiamento. Costo computazionale maggiore, implementazione possibile solo con dispositivi elettronici digitali. Controllo ottimo Si prefigge di stabilizzare il sistema dinamico tra- mite l’ottimizzazione di una funzione di costo. Permette di sintetizzare un controllore basandosi su un indice di costo, valido anche per sistemi lineari MIMO. Peso computazione e delle opera- zioni di sintesi elevato, valido solo per sistemi lineari. Controllo robusto Permette di imporre sia le prestazioni nominali, sia le prestazioni robuste sotto ipotesi di incer- tezze parametriche sul modello del sistema. Robustezza a variazioni parametriche Valido solo per sistemi lineari Controllo split range Controllo di una singola variabile di uscita coor- dinando le azioni su diverse variabili manipolate. Sicurezza e prestazioni avanzate Controllo deadbit Tecnica nata per sistemi tempo-continuo e poi estesa ai sistemi tempo-discreto. Ottime proprietà dinamiche ed errore a regime nullo in funzione di un dato segnale in ingresso Valido solo per sistemi lineari Controllo sliding mode Può essere considerato un’estensione del con- trollo on/off utilizzato per la regolazione della temperatura di caldaie e frigoriferi. Basso costo computazionale, elevata robustezza Alcune soluzioni possono essere affette da chatter (oscillazioni sull’uscita) Principali strutture e tipi di controllo tradizionali