Bei Steuerungssystemen, die in Umgebungen mit verrauschten Signalen arbeiten, erfordert die Abstimmung von PID-Reglern eine sorgfältige Berücksichtigung der Filtereinstellungen. Ohne eine ordnungsgemäße Filterung kann sich hochfrequentes Rauschen durch den Regelkreis ausbreiten, was zu unregelmäßigen Aktuatorbewegungen, vorzeitigem Verschleiß und sogar Systeminstabilität führt. Dieser Artikel untersucht die entscheidende Rolle der Filtereinstellungen bei der PID-Abstimmung für verrauschte Umgebungen und bietet praktische Anleitungen zur Auswahl und Einstellung von Filtern, um eine stabile, ansprechende und genaue Steuerung zu erreichen.

Verständnis von PID-Controllern und die Auswirkungen von Lärm

Ein PID-Controller berechnet eine Ausgabe basierend auf drei Termen: Proportional, Integral und Ableitung, wobei der Ableitungsterm insbesondere hochfrequentes Rauschen verstärkt, weil es auf die Änderungsgeschwindigkeit des Fehlersignals anspricht. In verrauschten Umgebungen kann das Fehlersignal schnelle Schwankungen enthalten, die keine echten Prozessstörungen sind. Ohne Filterung kann der Ableitungsterm aggressive Ausgangsschwankungen verursachen, die zu Schwingungen oder Instabilität führen. Der Integralterm kann zwar weniger empfindlich auf hochfrequentes Rauschen reagieren, kann aber auch leiden, wenn das Rauschen das Fehlersignal über die Zeit vorspannt.

Die Störquellen sind elektromagnetische Störungen (EMI), Vibrationen auf Sensoren, Quantisierungsfehler von Analog-Digital-Wandlern und hochfrequente Prozessstörungen. In industriellen Umgebungen sind solche Störungen üblich und müssen gemindert werden, um eine beeinträchtigte Regelleistung zu vermeiden.

Das Problem der Derivative Kick und Rauschen Verstärkung

Ein bekanntes Problem bei der PID-Steuerung ist der "Derivativ-Kick", bei dem eine plötzliche Änderung des Sollwertes oder eine verrauschte Spitze der Prozessvariable eine große Ableitungsleistung verursacht. In verrauschten Umgebungen können sogar kleine hochfrequente Schwankungen signifikante Ableitungsantworten erzeugen. Standard-Ableitungsaktion verstärkt das Rauschen, weil seine Verstärkung mit der Frequenz zunimmt. Ein reiner Ableitungsregler (s in der Laplace-Domäne) hat unendliche Verstärkung bei unendlicher Frequenz, was ihn ohne Filterung unbrauchbar macht. Daher enthalten praktische Ableitungsbegriffe immer einen Tiefpassfilter, um die hochfrequente Verstärkung zu begrenzen.

Die Bedeutung von Filtereinstellungen im PID Tuning

Filtereinstellungen bestimmen den Frequenzbereich, in dem der Regler reagiert. Durch die Dämpfung des Hochfrequenzinhalts können die Filter dem Regler in erster Linie auf sinnvolle, niederfrequente Änderungen wie Sollwertänderungen oder Laststörungen reagieren. Eine richtige Filterung ist unerlässlich, um ein Gleichgewicht zwischen Rauschunterdrückung und Systemreaktionsfähigkeit zu erreichen. Eine unzureichende Filterung lässt Rauschen in der Schleife zurück, was zu Jitter und übermäßiger Aktoraktivität führt. Eine übermäßige Filterung führt zu Phasenverzögerung und verzögert das Ansprechen des Reglers, wodurch Stabilitätsmargen möglicherweise verringert werden und eine schleppende Leistung verursacht wird.

Die Filterzeitkonstante oder Grenzfrequenz wird neben den PID-Verstärkungen zu einem Abstimmparameter. Moderne digitale Steuerungen enthalten oft einstellbare Filterparameter für jeden Term oder für den Prozessvariableneingang. Um zu verstehen, wie diese Einstellungen mit PID-Verstärkungen interagieren, ist für eine systematische Abstimmung entscheidend.

Filtertypen, die im PID-Tuning verwendet werden

Zur Konditionierung von Signalen in PID-Regelkreisen werden üblicherweise mehrere Filtertypen verwendet, die je nach Rauschcharakteristik und Systemanforderungen Stärken und Kompromisse aufweisen.

Tiefpassfilter

Das gebräuchlichste Filter ist ein Tiefpass erster Ordnung, der oft auf dem Eingang der Prozessvariablen (PV) oder auf dem abgeleiteten Term platziert wird.

Filter(s) = 1 / (τf s + 1)

Signal oberhalb von fc werden gedämpft. Erhöhendes τf (unteres Abschneiden) sorgt für mehr Rauschdämpfung, fügt aber Phasenverzögerung hinzu, was die Stabilitätsmargen verringern kann. Beim PID-Tuning wird die Filterzeitkonstante oft als Bruchteil der abgeleiteten Zeitkonstanten Td gewählt. Eine Faustregel ist, die Filterzeitkonstante auf Td/N zu setzen, wobei N typischerweise zwischen 5 und 20 liegt.

Derivative Filter

In vielen industriellen PID-Implementierungen wird der Derivatbegriff als

D(s) = Kd s / (Td/N s + 1)

Die Parameter N begrenzen die Hochfrequenzverstärkung. Typische N-Werte liegen zwischen 5 und 20, wobei niedrigere Werte mehr Filterung, aber mehr Phasenverzögerung bieten. Eine zu niedrige Einstellung N kann den Ableitungsterm unwirksam machen, eine zu hohe Einstellung führt die Rauschempfindlichkeit wieder ein. Das Ableitungsfilter ist oft die kritischste Filtereinstellung, um das Rauschen zu adressieren.

Moving Average Filter

Bei digitalen Steuerungen kann ein gleitendes Mittelwertfilter (oder ein laufendes Mittelwertfilter) das Prozessvariablen- oder Fehlersignal durch Mittelung der letzten M Abtastwerte glätten. Dies ist ein FIR-Filter (finite impulse response filter), das eine ausgezeichnete Rauschdämpfung auf Kosten einer Zeitverzögerung von (M-1)/2 Abtastperioden bietet. Gleitende Mittelwertfilter sind einfach zu implementieren und effektiv zur Beseitigung periodischer Störsignale, führen jedoch eine frequenzabhängige Phasenverschiebung ein, die für schnelle Schleifen problematisch sein kann.

Kalmanfilter

In Systemen mit signifikantem Rauschen oder mit schlechter Sensorqualität kann ein Kalman-Filter eine optimale Zustandsschätzung liefern, indem er verrauschte Messungen mit einem Prozessmodell kombiniert. Während ein Kalman-Filter komplexer ist als ein einfacher Tiefpassfilter, kann er sich an sich ändernde Rauscheigenschaften anpassen und eine viel bessere Rauschunterdrückung bieten, ohne übermäßige Verzögerung einzuführen. Kalman-Filter erfordern jedoch ein einigermaßen genaues Systemmodell und sind rechenintensiver. Sie sind in der Luft- und Raumfahrt, Robotik und fortschrittlicher Prozesssteuerung üblich.

Komplementäre Filter

Wenn mehrere Sensoren mit unterschiedlichen Rauscheigenschaften zur Verfügung stehen (z. B. ein Gyroskop und ein Beschleunigungsmesser), kann ein komplementäres Filter ihre Ausgänge verschmelzen, das niederfrequente Inhalte von einem Sensor und hochfrequente Inhalte von einem anderen überträgt, wodurch eine saubere Schätzung entsteht. Dies ist kein Standard-PID-Filter, sondern kann vor dem Controller angewendet werden.

Wo Filter im Kontrollschleife anwenden

Die Filterplatzierung beeinflusst die Reaktion des Reglers auf Rauschen und Sollwertänderungen.

Filterung mit Prozessvariablen (PV)

Die Filterung des PV vor dem Eintritt in den Regler dämpft das Rauschen des Meßsignals, was sich auf alle drei Terme (P, I, D) gleichermaßen auswirkt und die geräuschbedingten Leistungsschwankungen reduziert. Es verlangsamt jedoch auch die Reaktion auf tatsächliche Prozeßänderungen. Dies ist oft der einfachste und effektivste einzelne Filterpunkt.

Derivativer Begriff Filterung

Die Platzierung eines Filters speziell auf den Ableitungsterm ist bei den meisten modernen PID-Controllern üblich, wobei die Ableitungsverstärkung aggressiv verwendet werden kann, während die hochfrequente Rauschverstärkung verhindert wird. Dieses Filter hat typischerweise eine feste Beziehung zur Ableitungszeitkonstante (z. B. N-Faktor).

Sollwertfilterung

Sollwertänderungen haben oft scharfe Kanten, die einen Ableitungs-Kick verursachen. Das Anlegen eines Filters oder einer weichen Rampe auf den Sollwert kann diesen Effekt reduzieren, ohne die Geräuschabweisung zu beeinträchtigen. Dies wird manchmal als "Sollwertgewichtung" bezeichnet und kann mit Ableitungsfiltern kombiniert werden.

Fehlersignalfilterung

Weniger häufig, aber das Filtern des Fehlersignals (Sollwert minus PV) kann durchgeführt werden, wenn beide Signale verrauscht sind.

Anpassen der Filtereinstellungen für Noisy Environments

Die Abstimmung der Filtereinstellungen in Verbindung mit PID-Verstärkungen erfordert einen systematischen Ansatz.

Beginnen Sie mit konservativen Filtern

Beginnen Sie mit einer relativ niedrigen Grenzfrequenz (höhere Filterzeitkonstante) und einem niedrigen N-Wert (z. B. N = 5), wodurch die Schleife stabil und die Aktorbewegung minimal ist. Dann erhöhen Sie die Grenzfrequenz oder N allmählich, während Sie die Variabilität des Reglerausgangs beobachten. Suchen Sie nach einem Kompromiss, bei dem der Ausgangsjitter akzeptabel ist, während die Reaktionszeit für die Anwendung schnell genug bleibt.

Verwenden Sie Bump-Tests zur Beurteilung der Rauschfrequenz

Durchführung eines Stoßtests (kleine sprunghafte Änderung des Sollwertes oder der Leistung) bei der Aufzeichnung des PV- und des Reglerausgangs; Analyse des Frequenzgehalts des PV-Rauschens nach Möglichkeit anhand eines Leistungsspektraldichtediagramms; dies hilft, die geeignete Filtergrenzfrequenz zur Unterdrückung des Rauschens zu bestimmen, ohne die vorherrschende Prozessdynamik zu beeinträchtigen.

Tune Filter und Gains iterativ

Filtereinstellungen und PID-Verstärkungen sind miteinander verbunden. Ein höherer Filterabschnitt (weniger Filterung) kann eine Verringerung des Ableitungsgewinns erfordern, um Instabilität zu vermeiden. Umgekehrt ermöglicht aggressiveres Filtern einen höheren Ableitungsgewinn, fügt jedoch Phasenverzögerung hinzu, was eine Verringerung des Integralgewinns oder eine Erhöhung des proportionalen Gewinns erfordern kann. Iterieren Sie einen Zyklus des Anpassens des Filters, dann Neuabstimmung der PID-Verstärkungen (z. B. unter Verwendung der Ziegler-Nichols- oder Cohen-Coon-Methoden oder optimierungsbasiertes Tuning).

Adaptive Filterung in Betracht ziehen

Wenn sich die Rauschpegel im Laufe der Zeit ändern (z. B. aufgrund unterschiedlicher Sensorumgebungen oder elektromagnetischer Störungen), kann die adaptive Filterung automatisch Filterparameter anpassen. Ein Ansatz besteht darin, die Rauschvarianz kontinuierlich zu schätzen und die Filterzeitkonstante entsprechend anzupassen. Ein anderer besteht darin, ein Kalman-Filter mit einer abstimmbaren Messrauschkovarianz zu verwenden. Anpassende Methoden sind komplexer, können aber eine optimale Leistung über einen weiten Bereich von Bedingungen hinweg beibehalten.

Überwachungsaktoraktivität

Eine nützliche Metrik zur Bewertung der Filtereffektivität ist der Aktuator-Tastgrad oder die Bewegungsfrequenz. Bei Ventilen, Servos oder Motorantrieben zeigt übermäßiges Dithering eine unzureichende Filterung an. Zur Verfolgung der Anzahl der Umsteuerungen pro Minute wird eine Datenprotokollierung verwendet. Filtereinstellungen, die Umsteuerungen reduzieren, ohne die Sollwertverfolgung oder die Störausschlussfestigkeit signifikant zu beeinträchtigen, werden bevorzugt.

Praktische Tipps für eine effektive PID-Abstimmung mit Filtern

Verwenden Sie Simulationstools für Pre-Tuning

Vor der Implementierung von Live-Geräten sollten Prozess und Rauschen in Simulationssoftware modelliert werden (z. B. MATLAB/Simulink, Python mit Kontrollbibliothek oder kommerzielle Tuning-Tools). Verschiedene Filterkonfigurationen und PID-Gewinne simulieren, um einen optimalen Kompromiss zu finden. Dies spart Zeit und reduziert das Risiko. Achten Sie auf die Rauschinjektion, die die reale Umgebung nachahmt – verwenden Sie aktuelle Rauschdaten, wenn verfügbar.

Starten Sie mit Derivative Filter Only

In vielen Fällen genügt es, nur den abgeleiteten Term zu filtern (unter Verwendung des N-Faktors), wenn das Rauschen auf den Proportional- oder Integralpfaden weiterhin besteht, dann fügen Sie einen PV-Tiefpass hinzu.

Set Filter Time Constant relativ klein

Eine zu große Filterzeitkonstante (low cutoff) macht den Regler träge. Als Ausgangspunkt sollte man die Filterzeitkonstante auf etwa 10% der kleinsten Zeitkonstante im Prozess (falls bekannt) einstellen. Bei unbekannten Prozessen beginnt man mit τf = 0,1 * (dominante Zeitkonstante) und passt sie an.

Erwägen Sie den Wechsel zu einem PI-Controller

Wenn die Derivatwirkung trotz Filterung anhaltende Rauschprobleme verursacht, sollten Sie stattdessen einen PI-Controller verwenden. Derivative ist oft optional und kann in Anwendungen mit starkem Rauschen und ohne schnelles Ansprechen weggelassen werden.

Regelmäßig Systemleistung überprüfen

Die Geräuscheigenschaften können sich aufgrund der Alterung der Sensoren, der Verschlechterung der Verdrahtung oder neuer Geräte in der Nähe ändern. Regelmäßige Leistungsüberprüfungen, die eine Analyse der PV-Rauschenpegel, der Aktoraktivität und der Regelkreismetriken umfassen, vornehmen Filtereinstellungen nach Bedarf.

Fallstudien und Beispiele

Fall 1: Temperaturregelung mit Thermoelementgeräusch

In einem Ofentemperaturregelkreis erzeugte ein Thermoelement vom Typ K Hochfrequenzrauschen von EMI aufgrund von in der Nähe variabler Frequenzantriebe. Der PID-Regler hatte eine Ableitungsverstärkung, die dazu führte, dass die Leistung (Heizleistung) alle paar Sekunden schwankte, wodurch das Festkörperrelais verschleißte. Durch Hinzufügen eines Tiefpasses erster Ordnung auf dem PV mit einer Zeitkonstanten von 2 Sekunden (Cutoff ~ 0,08 Hz) und Verkleinerung des Ableitungsfilters N von 10 auf 5 wurde der Ausgangsjitter um 80% reduziert, während die Sollwertverfolgung innerhalb von ±1 °C beibehalten wurde.

Fall 2: Durchflusskontrolle in einer chemischen Anlage

Ein Durchflussregelkreis mit einem magnetischen Durchflussmesser erfuhr ein Rauschen von Blasen in der Flüssigkeit. Der abgeleitete Begriff bewirkte, dass das Regelventil schwingt. Die Ingenieure ersetzten die Derivat-Implementierung durch einen reinen PI-Regler und fügten einen gleitenden Durchschnittsfilter von 10 Proben hinzu (100 ms Gesamtverzögerung). Die Oszillation hörte auf und der Durchfluss blieb innerhalb von 2% des Sollwertes. Dieses Beispiel zeigt, dass manchmal die Eliminierung von Derivat die beste Lösung ist.

Fall 3: Robotik Gemeinsame Positionsregelung

In einem Roboterarmgelenk verursachte das Encoder-Quantisierungsrauschen (aufgrund von Encodern mit niedriger Auflösung) ein extrem lautes Geschwindigkeitsschätzergebnis. Ein Kalman-Filter wurde implementiert, um sowohl Position als auch Geschwindigkeit aus verrauschten Encoder-Messwerten zu schätzen. Das Kalman-Filter lieferte glatte Geschwindigkeitsschätzungen, so dass der PID-Controller Derivatwirkung ohne Jitter verwenden konnte. Der Arm bewegte sich glatter und setzte sich schneller ein.

Schlussfolgerung

Filtereinstellungen sind ein unverzichtbarer Bestandteil des PID-Tunings in rauschenden Signalumgebungen. Durch sorgfältige Auswahl des Filtertyps (Tiefpass, Derivat, gleitender Durchschnitt oder Kalman), seiner Platzierung (PV, abgeleiteter Begriff oder Sollwert) und seiner Parameter (Zeitkonstante, N-Faktor oder Abtastfenster) können Ingenieure die Auswirkungen von Rauschen bei gleichzeitiger Aufrechterhaltung einer akzeptablen Regelleistung erheblich reduzieren. Der Schlüssel ist die Einführung eines systematischen Abstimmungsprozesses, der die Wechselwirkung zwischen Filtereinstellungen und PID-Verstärkungen berücksichtigt, Simulationen und Datenanalysen verwendet und iterativ auf der Grundlage der realen Leistung optimiert. Wenn dies richtig durchgeführt wird, führt die richtige Filterkonfiguration zu stabileren, genaueren und effizienteren Steuerungssystemen, verlängert die Lebensdauer der Ausrüstung und reduziert die Wartungskosten.

Für weitere Informationen siehe Derivative Control with Filtering auf Control.com, den PID-Controller-Artikel auf Wikipedia und praktische Tuning-Anleitungen wie ISAs Practical Guide to PID Tuning.