PID Tuning via Desired Step Response Curve Fitting

Resumen Técnico: Ajuste de PID mediante Ajuste de Curva de Respuesta al Escalón Deseada (PID-SRCF)

Planteamiento del Problema
El ajuste de controladores Proporcional-Integral-Derivativo (PID) sigue siendo un desafío central en la ingeniería de control, requiriendo el cálculo de coeficientes ($K_p, K_i, K_d$) para cumplir criterios específicos de rendimiento en el dominio del tiempo, como tiempo de asentamiento, sobreimpulso y robustez. Si bien existen numerosos métodos analíticos y empíricos —incluyendo Ziegler-Nichols, ajuste Lambda, colocación de polos y herramientas propietarias de MATLAB—, estos enfoques a menudo dependen de modelos de planta específicos (por ejemplo, Orden Primero más Retardo), reglas heurísticas o respuestas objetivo implícitas que pueden no alinearse con precisión con las especificaciones transitorias definidas por el usuario. Además, los métodos analíticos como la colocación de polos a menudo pasan por alto el impacto de los ceros de lazo cerrado, lo que puede provocar sobreimpulsos inesperados, mientras que las herramientas propietarias pueden carecer de transparencia respecto a sus objetivos de optimización.

Metodología
El artículo propone el método de Ajuste de Curva de Respuesta al Escalón para PID (PID-SRCF), un enfoque de optimización numérica que minimiza directamente la norma $L_2$ del error entre una respuesta al escalón de lazo cerrado real y una respuesta al escalón deseada definida por el usuario.

• Función Objetivo: El núcleo del método es un problema de optimización no lineal con restricciones que minimiza el error cuadrático medio (RMSE) entre la trayectoria deseada $y_{deseada}(t)$ y la respuesta real del sistema $y_{PID}(t)$ durante un tiempo de simulación $T_{sim}$:
  $$\min_{K_p, K_i, K_d} \sqrt{\int_{0}^{T_{sim}} |y_{deseada}(t) - y_{PID}(t)|^2 dt}$$
• Definición de la Respuesta Deseada: Los usuarios definen la respuesta objetivo ya sea como una función de transferencia (por ejemplo, Orden Primero más Retardo para comportamiento no oscilatorio) o especificando parámetros de rendimiento para un sistema de segundo orden (tiempo de asentamiento $T_s$ y porcentaje de sobreimpulso $PO$). El algoritmo calcula automáticamente el correspondiente coeficiente de amortiguamiento ($\zeta$) y frecuencia natural ($\omega_n$).
• Algoritmo de Optimización: El problema se resuelve utilizando el solver fmincon de MATLAB con el algoritmo de Programación Cuadrática Secuencial (SQP). La optimización está restringida para garantizar ganancias PID no negativas ($K_p, K_i, K_d \geq 0$) y se inicializa desde cero para evitar sesgos.
• Validación: Post-optimización, el método verifica la estabilidad de lazo cerrado inspeccionando las ubicaciones de los polos y evalúa la robustez mediante la métrica de sensibilidad máxima ($M_s$).

Contribuciones Clave

1. Marco Unificado: El artículo postula que PID-SRCF actúa como un "meta-método" que subsume técnicas de ajuste clásicas. Al seleccionar funciones de transferencia deseadas específicas, el método puede replicar los resultados de Ziegler-Nichols (objetivando una respuesta de decaimiento cuartil), ajuste Lambda (objetivando una respuesta de Orden Primero más Retardo) y Colocación de Polos (objetivando una respuesta críticamente amortiguada).
2. Especificación Explícita: A diferencia de los métodos tradicionales donde la respuesta objetivo es implícita en las reglas de ajuste, PID-SRCF permite al ingeniero definir explícitamente la dinámica de lazo cerrado deseada, desacoplando la especificación de diseño del método de solución.
3. Implementación de Código Abierto: Los autores proporcionan una implementación transparente y de código abierto en MATLAB, en contraste con herramientas propietarias de caja negra. Esto permite la inspección y modificación de la lógica de optimización.
4. Análisis de Robustez: El estudio demuestra analíticamente que especificar una respuesta sin sobreimpulso (Orden Primero o Segundo Orden Críticamente Amortiguado) acota inherentemente la sensibilidad máxima ($M_s$) dentro de umbrales industriales robustos ($1 < M_s < 2$). Específicamente, un objetivo de segundo orden críticamente amortiguado produce una $M_s$ de $2/\sqrt{3} \approx 1.155$.

Resultados
Se realizaron evaluaciones comparativas en diversas órdenes de sistema y escenarios de ajuste:

• Caso Ziegler-Nichols: Para un proceso de tercer orden, PID-SRCF logró coeficientes PID y métricas de rendimiento (tiempo de asentamiento, sobreimpulso, IAE) casi idénticos al método de curva de reacción de Ziegler-Nichols, confirmando que Ziegler-Nichols apunta implícitamente a una forma específica de respuesta de segundo orden.
• Caso Ajuste Lambda: Para un proceso de Orden Primero más Retardo (FOTD), los coeficientes PI derivados por PID-SRCF coincidieron estrechamente con los del método de ajuste Lambda (con cancelación polo-cero), validando su capacidad para replicar prácticas industriales estándar.
• Caso Colocación de Polos: Al apuntar a una respuesta sin sobreimpulso para un proceso de primer orden, PID-SRCF produjo valores de ganancia más bajos que la colocación de polos analítica. El método analítico, que ignora el cero de lazo cerrado, resultó en un sobreimpulso significativo (9.2%), mientras que PID-SRCF logró el objetivo con solo un 2.5% de sobreimpulso.
• Sistemas de Alto Orden: Para un proceso de tercer orden, PID-SRCF produjo coeficientes PI casi idénticos al "Control System Tuner" propietario de MATLAB (diferiendo solo en la cuarta cifra significativa). Esta similitud se atribuye a que ambas herramientas minimizan la desviación entre la respuesta de lazo cerrado y un modelo de referencia, aunque PID-SRCF logra esto mediante un solver de código abierto (fmincon) en lugar de uno patentado (systune).

Significado y Afirmaciones
El artículo afirma que PID-SRCF ofrece una alternativa flexible y computacionalmente eficiente tanto a métodos analíticos heurísticos como a software propietario. Su significado principal radica en su capacidad para:

• Reemplazar múltiples métodos de ajuste distintos con un único algoritmo unificado simplemente cambiando el modelo de respuesta deseada.
• Proporcionar un control preciso sobre las características de la respuesta transitoria (sobreimpulso y tiempo de asentamiento) sin depender de aproximaciones que pueden fallar en sistemas de orden superior.
• Garantizar robustez acotando naturalmente la sensibilidad cuando se seleccionan objetivos sin sobreimpulso.
• Ofrecer transparencia y accesibilidad mediante una implementación de código abierto, permitiendo a los profesionales comprender y modificar la lógica de ajuste sin restricciones de licencia.

Los autores concluyen que, si bien el principio de optimización subyacente (minimizar el error contra un modelo de referencia) no es novedoso, la formulación explícita y la disponibilidad de código abierto de PID-SRCF proporcionan una herramienta práctica y unificada para el ajuste industrial de PID que puede reemplazar eficazmente los métodos establecidos.