Strategie di controllo..

• 
• Tweet
• Pin It
• Condividi per email

Quando entra in gioco la robustezza

Per valutare la robustezza di un controllo occorre innanzitutto stimare le incertezze e gli errori presenti nel modello del processo, considerandone per esempio il comportamento non lineare o la variabilità nel tempo; in questo modo si dispone di una descrizione del processo in tutte le condizioni operative possibili. Il secondo passo consiste nel progettare un controllore in grado di mantenere la stabilità e garantire le migliori prestazioni possibili nelle condizioni operative individuate: un controllore con queste caratteristiche è definito ‘robusto’. La sensibilità di un controllore influenza le prestazioni raggiunte: sfortunatamente un controllore sensibile lo è anche alle incertezze del processo, quindi soffre problemi d’instabilità; un controllore poco sensibile alle incertezze del processo, d’altro canto, offre un livello di prestazione inferiore. Il problema della robustezza, allora, viene risolto attraverso un compromesso tra le prestazioni da raggiungere e i requisiti di stabilità richiesti in rapporto alle incertezze del processo. Per la progettazione di un controllore robusto può essere utile considerare il principio del modello interno: se la strategia di controllo non contiene una descrizione del processo da controllare, non si potranno ottenere le prestazioni, o la stabilità, oppure entrambi i valori. Se invece il modello del processo è invertibile, il controllore è semplicemente l’inverso del modello; se oltretutto il modello è preciso e non presenta disturbi, in assenza di un filtro, si può raggiungere un controllo perfetto. Ciò implica che, se si conosce perfettamente il comportamento di un sistema, non occorre alcun meccanismo di retroazione. Il principio del modello interno, dunque, è l’essenza di un controllo basato su un modello.

Il controllo lineare globale

In alcuni casi lo schema di un controllo lineare adattativo non è il sistema ottimale da adottare in presenza di non linearità nel processo. Il meccanismo di adattamento, infatti, potrebbe non essere sufficientemente veloce per far fronte alle variazioni delle caratteristiche del processo. I controllori non lineari e le reti neurali possono costituire una valida alternativa. Un recente ambito di ricerca per questo scenario riguarda la progettazione di controllori non lineari basati su modelli meccanicistici che sfruttano concetti di geometria differenziale. Lo scopo della progettazione è analogo all’utilizzo delle serie di Taylor per linearizzare modelli non lineari, solo che invece di applicare una linearizzazione locale le strategie di controllo non lineare applicano la linearizzazione globalmente, in tutto lo spazio di esistenza degli stati del processo. La linearizzazione globale è raggiunta grazie a un precompensatore che agisce in modo tale da rendere lineare la relazione tra gli ingressi al precompensatore e l’uscita del processo.

Osservazioni finali

Nei prossimi anni l’attenzione di ricercatori e ingegneri sarà focalizzata soprattutto sulle reti neurali, sulla teoria dei sistemi non lineari, sulla robustezza del controllo e sul miglioramento continuo dei metodi di misura. I campi di applicazione che riceveranno particolare attenzione saranno quelli in cui i dati più elementari possono essere tradotti in preziose informazioni; l’informazione infatti è un valore. Nell’industria, in particolare in quella di processo, si intravedono enormi margini di miglioramento grazie alle metodologie di controllo avanzato. Oggi, infatti, si utilizzano prevalentemente tecniche di controllo primitive o poco sofisticate e l’introduzione di una tecnologia all’avanguardia porterebbe un netto miglioramento dell’efficienza del processo industriale.

• 
• Tweet
• Pin It
• Condividi per email