Control pid para motor dc

Controlador pid para la velocidad y la posición del motor

Un controlador proporcional-integral-derivativo (controlador PID o controlador de tres términos) es un mecanismo de bucle de control que emplea la retroalimentación y que se utiliza ampliamente en los sistemas de control industrial y en una variedad de otras aplicaciones que requieren un control continuamente modulado. Un controlador PID calcula continuamente un valor de error

como la diferencia entre una consigna deseada (SP) y una variable de proceso medida (PV) y aplica una corrección basada en términos proporcionales, integrales y derivativos (denominados P, I y D respectivamente), de ahí su nombre.

En términos prácticos, aplica automáticamente una corrección precisa y sensible a una función de control. Un ejemplo cotidiano es el control de crucero de un coche, en el que al subir una cuesta se reduce la velocidad si sólo se aplica una potencia constante al motor. El algoritmo PID del controlador restablece la velocidad medida a la deseada con un retardo y un rebasamiento mínimos, aumentando la potencia del motor de forma controlada.

El primer análisis teórico y la primera aplicación práctica se produjeron en el campo de los sistemas de dirección automática para barcos, desarrollados a partir de principios de la década de 1920. A continuación, se utilizó para el control automático de procesos en la industria manufacturera, donde se implantó ampliamente en controladores primero neumáticos y luego electrónicos. Hoy en día, el concepto PID se utiliza universalmente en aplicaciones que requieren un control automático preciso y optimizado.

Servomotor con controlador pid

Modelado del motor de CCUn modelo incierto del motor de CC se deriva en el ejemplo «Robustez del servocontrolador para el motor de CC». La función de transferencia de la tensión aplicada a la velocidad angular está dada pordonde la resistencia , la inductancia , la constante EMF , la constante del inducido , la fricción viscosa , y la carga inercial son parámetros físicos del motor. Estos parámetros no son perfectamente conocidos y están sujetos a variaciones, por lo que los modelamos como valores inciertos con un rango especificado o porcentaje de incertidumbre.R = ureal(‘R’,2,’Porcentaje’,40);

Las funciones de respuesta en tiempo y frecuencia, como la de paso o la de bode, muestrean automáticamente los parámetros inciertos dentro de su rango. Esto es útil para medir el impacto de la incertidumbre. Por ejemplo, trace la respuesta de paso de la planta incierta P y observe la gran variación en la ganancia DC de la planta.step(P,getNominal(P),3)

Ajuste robusto del PIDPara ajustar de forma robusta un controlador PID para este motor de CC, cree un bloque PID sintonizable C y construya un modelo de bucle cerrado CL0 del bucle de retroalimentación de la Figura 1. C = tunablePID(‘C’,’pid’);

Control de velocidad en lazo cerrado de un motor de corriente continua mediante un controlador pid

donde es la tensión aplicada al inducido, es la contrafunción, es la constante del motor, es la constante de la contrafunción, es la inercia del rotor, es el amortiguamiento viscoso, es el par desarrollado del motor, es el par entregado a la carga, es el par de perturbación (lo despreciamos), es la resistencia del inducido, es la inductancia del inducido, es la corriente del inducido, y es el plano s.Figura 1 Diagrama de bloques del motor de CC.Utilizando (1) la función de transferencia del motor de CC es

donde factor de peso de inercia, es el mejor local, es el mejor global, es la velocidad de la partícula, es la posición de la partícula, es la inteligencia individual, y es la inteligencia colectiva.4.3. Recocido Simulado (SA) Recocido simulado (SA)El recocido simulado se inspiró originalmente en el proceso de formación de cristales cuando los sólidos se enfrían desde alguna temperatura elevada [21]. Cuanto más lento es el enfriamiento, más perfecto es el cristal que se forma. En el proceso de enfriamiento, en última instancia se converge hacia un estado energético mínimo y estable. El movimiento del sistema hacia la estabilidad es aleatorio, pero la probabilidad de permanecer en cualquier configuración particular depende directamente de la energía del sistema y de su temperatura. Dicha probabilidad viene dada por la siguiente relación de Gibbs:

Controlador pid para motor de corriente continua arduino

Los controladores proporcionales, integrales y derivativos (PID) se utilizan ampliamente en la industria para controlar la velocidad de los motores de corriente continua. La única debilidad de los controladores PID es su sensibilidad a la variación de los parámetros y las condiciones de funcionamiento; por lo tanto, el ajuste de las ganancias del controlador para adaptarse a estas variaciones presenta un desafío práctico. En este trabajo, se implementa un mecanismo adaptativo que utiliza un algoritmo de mínimos cuadrados recursivos (RLS), con limitadores de velocidad, para realizar un auto-ajuste en línea de cada una de las ganancias del PID con el fin de lograr un controlador PID adaptativo (APID) que se adapte a las variaciones del sistema. Se utiliza el software MATLAB/Simulink para implementar y simular el control APID de un motor de corriente continua alimentado por chopper. También se diseña y simula un sistema de control PID convencional para obtener resultados que puedan servir para juzgar el rendimiento del controlador APID. Los resultados demostraron que el controlador APID obligó a la velocidad del motor a seguir la entrada de referencia con un error de seguimiento insignificante, y también logró alcanzar la velocidad del motor en su valor deseado, independientemente de los cambios de carga infligidos al motor. Esto mejora las respuestas de velocidad tanto transitoria como en estado estacionario.