⚡ electrical engineering

Robust Performance Assessment of a Simulink-Tuned PID Controller for a DC Motor: A Case Study in Noise Rejection

Dieses Paper demonstriert, dass ein mittels Simulink abgestimmter PID-Regler, der für einen Gleichstrommotor optimiert wurde, eine robuste Stabilität und effektive Rauschunterdrückung aufrechterhält, während er gleichzeitig ein schnelles Einschwingverhalten unter stochastischen Messstörungen bewahrt.

Ursprüngliche Autoren: Mohammad Heidar Khamsehei Fadaei, Fahimeh Sadat Ghasemi

Veröffentlicht 2026-06-26

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Mohammad Heidar Khamsehei Fadaei, Fahimeh Sadat Ghasemi

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen, ein schweres, altmodisches Auto (den DC-Motor) einen Hügel hinaufzufahren. Sie wollen, dass das Auto schnell eine bestimmte Geschwindigkeit erreicht und diese auch perfekt hält, egal was passiert. Um dies zu erreichen, haben Sie einen sehr klugen Beifahrer (den PID-Regler), der ständig den Tacho überprüft und das Gaspedal anpasst.

Dieses Papier ist im Wesentlichen ein „Testfahrt“-Bericht für diesen Beifahrer, der vollständig in einer Computersimulation namens Simulink durchgeführt wurde. Die Forscher wollten zwei Dinge herausfinden:

Wie gut fährt der Beifahrer das Auto auf einer perfekt glatten, ruhigen Straße?
Wie gut fährt der Beifahrer, wenn der Tacho wackelt und leicht falsche Werte liefert, weil es „Statik“ oder Rauschen gibt?

Hier ist die Aufschlüsselung ihrer Reise:

1. Das Setup: Das Auto und den Beifahrer bauen

Zuerst bauten die Forscher ein digitales Modell eines Standard-Elektromotors. Sie gaben ihm realistische Teile: Widerstand in den Drähten, das Gewicht der rotierenden Teile und Reibung.

Dann programmierten sie den PID-Regler. Stellen Sie sich den PID als ein dreiteiliges Gehirn vor:

Der Proportional-Teil (P): „Wenn wir weit von der Zielgeschwindigkeit entfernt sind, tritt voll aufs Gas.“
Der Integral-Teil (I): „Wenn wir eine Zeit lang etwas zu langsam waren, drücke das Gas ein wenig mehr, bis wir aufholen.“
Der Derivative-Teil (D): „Wenn wir zu schnell beschleunigen, nimm das Gas etwas zurück, um ein Überschießen zu verhindern.“

Der Haken: Der „Derivative“-Teil ist wie ein empfindliches Ohr. Er hört die Änderung der Geschwindigkeit. Aber wenn der Tacho zittrig ist (verrauscht), könnte der Derivative-Teil denken, das Auto würde heftig schwingen, obwohl es eigentlich ruhig fährt, was dazu führen könnte, dass der Beifahrer in Panik gerät und das Gaspedal ruckartig betätigt. Um dies zu beheben, fügten die Forscher einen Filter hinzu (ein „Noise-Cancelling-Kopfhörer“ für den Regler), um zu verhindern, dass er auf winzige Zitterbewegungen überreagiert.

2. Testfahrt #1: Die perfekte Straße (Kein Rauschen)

Zuerst führten sie die Simulation mit einem perfekt sauberen Tacho durch.

Das Ergebnis: Das Auto war ein Star. Es beschleunigte aus dem Stand auf die Zielgeschwindigkeit in nur 0,24 Sekunden.
Es schoss nicht zu weit über das Ziel hinaus (nur etwa 7 %, wie ein Auto, das kurz vor einem Stoppschild etwas zu schnell fährt, bevor es sanft abbremst).
Es pendelte sich ein und blieb in weniger als einer Sekunde stabil.
Fazit: An einem perfekten Tag ist dieser Beifahrer exzellent.

3. Testfahrt #2: Die holprige Straße mit einem wackeligen Tacho (Rauschen hinzufügen)

Als Nächstes schalteten sie das „bandbegrenzte weiße Rauschen“ ein. Stellen Sie sich das als einen Tacho vor, der von statischer Elektrizität bedeckt ist und dem Beifahrer zufällige, winzige, hochfrequente Zitterbewegungen in den Daten liefert.

Die Herausforderung: Normalerweise würde ein sensibler Beifahrer diese Zitterbewegungen sehen, denken, das Auto würde vibrieren, und anfangen, das Gaspedal ständig auf und ab zu treten, was die Fahrt unruhig macht und potenziell den Motor beschädigen könnte.
Das Ergebnis: Der Beifahrer bewältigte es wie ein Profi.
- Das große Ganze: Das Auto erreichte die Zielgeschwindigkeit in der gleichen Zeit. Die allgemeine Form der Fahrt sah fast identisch aus wie beim Test auf der perfekten Straße.
- Die kleinen Details: Wenn man sehr nah heranzoomte, konnte man sehen, dass die Geschwindigkeitslinie durch das Rauschen leicht „fuzzig“ oder wellig war. Die Durchschnittsgeschwindigkeit war jedoch immer noch perfekt.
- Das Gaspedal: Das Gaspedal bewegte sich etwas mehr als zuvor (weil der Beifahrer auf das Rauschen reagierte), aber der Filter hielt diese Bewegungen klein und sicher. Das Auto schüttelte sich nicht auseinander und der Motor geriet nicht durcheinander.

4. Das endgültige Urteil

Das Papier kommt zu dem Schluss, dass diese spezifische Einstellung (das „Tuning“ des Beifahrers) robust ist.

Robust bedeutet, dass das System belastbar ist. Es funktioniert großartig, wenn alles perfekt ist, aber es bricht nicht zusammen, wenn die Dinge chaotisch werden.
Selbst mit dem „wackeligen Tacho“ blieb das System stabil, stürzte nicht ab und erledigte die Aufgabe.

Kurz gesagt: Die Forscher haben bewiesen, dass ein Standard-PID-Regler mit den richtigen Einstellungen und einem guten Rauschfilter einen DC-Motor sanft und sicher steuern kann, selbst wenn die Sensoren ein wenig „verrauscht“ und unvollkommen sind, genau wie sie es in der realen Welt sind.

Technisches Resümee: Robuste Leistungsbewertung eines durch Simulink abgestimmten PID-Reglers für einen Gleichstrommotor

Problemstellung
Gleichstrommotoren (DC-Motoren) sind aufgrund ihrer linearen Drehmomentcharakteristik und ihrer einfachen Regelbarkeit in industriellen und kommerziellen Anwendungen allgegenwärtig. Um jedoch eine präzise Geschwindigkeits- oder Positionsregelung in praktischen Umgebungen zu erreichen, sind robuste Rückkopplungsstrategien erforderlich, die in der Lage sind, Laststörungen, Parameteränderungen und insbesondere Messrauschen zu kompensieren. Während der Proportional-Integral-Derivativ-Regler (PID) der dominante industrielle Regelalgorithmus bleibt, wirkt sein Differenzialanteil als Hochpassfilter, der inhärent hochfrequentes Sensorrauschen verstärkt. Diese Verstärkung kann zu übermäßigem Verschleiß der Aktoren, mechanischen Vibrationen und erhöhtem Energieverbrauch führen. Es besteht eine signifikante Lücke in vielen Bildungs- und Einführungskontexten, in denen die PID-Leistung unter idealisierten, rauschfreien Bedingungen bewertet wird, wodurch die Berücksichtigung der stochastischen Störungen, die in physischer Hardware implementiert sind, vernachlässigt wird.

Methodik
Diese Studie verwendet einen simulationsbasierten Ansatz innerhalb der MATLAB/Simulink-Umgebung, um einen klassisch abgestimmten PID-Regler zu evaluieren, der auf einem separat erregten Gleichstrommotor angewendet wird. Die Methodik ist in drei primäre Phasen unterteilt:

Modellierung der Strecke: Der Gleichstrommotor wird als linear zeitinvariantes (LTI) System unter Verwendung gekoppelter elektromechanischer Differentialgleichungen modelliert. Die ungestörte Übertragungsfunktion setzt die Winkelgeschwindigkeitsausgabe in Bezug zur Ankerspannung unter Verwendung spezifischer physikalischer Parameter (z. B. $R=2,0\,\Omega$ , $L=0,5\,H$ , $J=0,02\,kg\cdot m^2$ ).
Regler-Synthese: Ein klassischer PID-Regler mit einem Verzögerungsglied erster Ordnung wurde implementiert, um die Rauschverstärkung zu mildern. Die Reglerparameter ( $K_p$ , $K_i$ , $K_d$ und der Filterkoeffizient $N$ ) wurden mithilfe des automatisierten PID-Tuning-Tools in Simulink abgeleitet. Das Tuning-Ziel balancierte schnelle Referenzverfolgung mit minimalem Überschwingen unter Anvisierung einer Phasenreserve von etwa 60 Grad.
Robustheitsbewertung: Um realistische Betriebsbedingungen zu simulieren, wurde eine stochastische Störquelle in den Rückführpfad eingeführt. Dies wurde durch einen Bandbegrenzten Weißes Rauschen-Block erreicht, der mit einer Rauschleistung von $1\times 10^{-7}$ und einer Abtastzeit von 0,001 Sekunden konfiguriert wurde. Die Simulation wurde in zwei distinkten Phasen durchgeführt: ein Nominaltest (rauschfrei) zur Etablierung von Basismetriken und ein Robustheitstest (mit injiziertem Rauschen) zur Evaluierung der Störunterdrückungsfähigkeit.

Zentrale Beiträge
Die Arbeit liefert einen umfassenden, quantitativen Vergleich eines PID-geregelten Gleichstrommotorsystems unter idealen gegenüber verrauschten Bedingungen. Zu den primären Beiträgen gehören:

Präzise Dokumentation der Parameter: Die Studie berichtet explizit über die finalen Reglergewinne ( $K_p = 8,3463$ , $K_i = 36,9358$ , $K_d = 0,39908$ , $N = 731,767$ ), die mittels automatisiertem Tuning ermittelt wurden.
Dual-Phase-Validierung: Sie etabliert einen strengen Benchmark, indem sie transiente Antwortmetriken (Anstiegszeit, Einschwingzeit, Überschwingen) in einer rauschfreien Umgebung quantifiziert und anschließend die Systemintegrität bei Einwirkung von additivem Messrauschen verifiziert.
Analyse der Rauschunterdrückung: Die Arbeit analysiert die spezifischen Auswirkungen von bandbegrenztem weißem Rauschen auf das Reglersignal und den Trackingfehler und demonstriert die Wirksamkeit des Differenzialfilters bei der Begrenzung hochfrequenter Fluktuationen, ohne die Stabilität zu gefährden.

Ergebnisse
Die Simulationsergebnisse liefern die folgenden quantitativen und qualitativen Erkenntnisse:

Nominale Leistung (Rauschfrei): Der abgestimmte Regler erreichte eine Anstiegszeit von 0,243 Sekunden, eine Einschwingzeit (2%-Kriterium) von 0,817 Sekunden und ein Überschwingen von 7,04 %. Das System zeigte einen stationären Fehler von Null und robuste Stabilitätsmargen, einschließlich einer Phasenreserve von 69 Grad bei einer Durchtrittsfrequenz von 6,4 rad/s.
Robustheitsleistung (Mit Rauschen): Nach Aktivierung der Rauschquelle behielt das System eine bedingungslose geschlossene Regelungsstabilität bei. Während das Ausgangssignal eine begrenzte, hochfrequente Welligkeit aufwies, die konsistent mit der Rauschleistungsspektraldichte war, blieb die makroskopische transiente Hüllkurve nahezu identisch mit dem Nominalfall.
Stationäres Verhalten: Die Integralwirkung eliminierte effektiv den stationären Bias, was zu einem mittleren Trackingfehler von Null führte, trotz der Anwesenheit von Rauschen. Die Ausgangsspannung des Reglers zeigte jedoch persistente hochfrequente Fluktuationen, was den Kompromiss zwischen transienter Dämpfung und Rauschverstärkung illustriert.
Stabilität: Entscheidend ist, dass die Rauschinjektion keine Divergenz, Grenzzyklen oder Instabilität induzierte. Das System bewahrte seine Stabilitätsmargen, was bestätigt, dass die abgestimmten Parameter gegenüber der modellierten spezifischen Ebene der stochastischen Perturbation resilient sind.

Bedeutung und Behauptungen
Die Autoren kommen zu dem Schluss, dass die abgeleiteten PID-Tuning-Parameter in Verbindung mit dem implementierten Differenzialfilter eine robuste und praktisch lebensfähige Regelungslösung für Gleichstrommotoranwendungen bieten. Die Studie behauptet, dass der Regler die transiente Leistung und Stabilität selbst in Gegenwart realistischer Sensorrauschartefakte erfolgreich aufrechterhält. Durch die Validierung des Designs gegen stochastische Störungen behauptet die Arbeit, dass die auf Simulink basierende Tuning-Methodik einen Regler liefert, der nicht bloß eine akademische Übung ist, sondern ein Design, das in der Lage ist, realen Signalimperfektionen standzuhalten. Die Ergebnisse legen nahe, dass PID-Regler mit angemessener Filterung und Abstimmung die konkurrierenden Anforderungen an schnelle Referenzverfolgung und Rauschunterdrückung in industriellen elektromechanischen Systemen effektiv ausbalancieren können.

1. Das Setup: Das Auto und den Beifahrer bauen

2. Testfahrt #1: Die perfekte Straße (Kein Rauschen)

3. Testfahrt #2: Die holprige Straße mit einem wackeligen Tacho (Rauschen hinzufügen)

4. Das endgültige Urteil

Mehr davon