Adaptive differentiating filter: case study of PID feedback control

Título: Filtro Adaptativo de Diferenciação: Estudo de Caso de Controle por Realimentação PID

1. Problema Abordado

O artigo aborda um desafio central na teoria de sistemas e controle: a obtenção de derivadas confiáveis de sinais medidos em tempo real, especialmente na presença de ruído.

• O Dilema: Filtros de estrutura fixa (tamanho fixo) enfrentam um compromisso (trade-off) fundamental entre a redução de ruído e o atraso de fase (lag).
  • Janelas pequenas permitem seguir transientes rápidos, mas tornam a estimativa da derivada extremamente sensível ao ruído de medição.
  • Janelas grandes reduzem o ruído, mas suavizam excessivamente o sinal, causando subestimação de mudanças rápidas (picos) e introduzindo atrasos indesejados.
• Contexto: Em aplicações de controle (como sistemas de movimento com controle PID), a derivada da saída (ex: velocidade) é frequentemente necessária, mas não disponível diretamente por sensores, exigindo diferenciação numérica de sinais ruidosos.

2. Metodologia Proposta

Os autores propõem um Filtro Adaptativo de Diferenciação (ADF - Adaptive Differentiating Filter), um filtro causal de tempo discreto baseado em um estimador de mínimos quadrados com restrição e adaptação de janela.

• Conceito Central:

  • O filtro ajusta automaticamente o tamanho da janela de tempo ($R$) com base nas medições atuais.
  • Critério de Adaptação: O tamanho da janela é maximizado para garantir a menor sensibilidade ao ruído, mas é limitado para garantir que o sinal dentro da janela possa ser aproximado por uma função linear com uma precisão absoluta $\delta$. Se o sinal for muito dinâmico (não linear) dentro da janela, a janela é reduzida automaticamente para capturar a transição.
  • Restrição: O problema de otimização é um "mínimos quadrados com restrição", onde a estimativa do valor do sinal na ponta da janela deve estar dentro de uma faixa $\delta$ do valor medido real.

• Algoritmo e Implementação Eficiente:

  • O algoritmo utiliza uma busca eficiente para encontrar o tamanho ótimo da janela ($R^*$) sem precisar calcular explicitamente os coeficientes da regressão linear a cada passo para verificar a viabilidade.
  • É apresentada uma Teorema 1 que permite verificar a viabilidade da janela apenas comparando valores máximos e mínimos de incluições ponderadas, permitindo atualizações recursivas (adicionar ponto à direita, remover à esquerda) com baixa carga computacional.
  • A solução dos mínimos quadrados é dada analiticamente, permitindo pré-cálculo de vetores para taxas de amostragem fixas.

• Parâmetros de Sintonia:

  • $R_{max}$: Tamanho máximo da janela (limitado pela capacidade de memória/CPU).
  • $\delta$: Limiar de precisão, geralmente ajustado logo acima da amplitude do ruído de medição ($d$).

3. Estudo de Caso e Configuração Experimental

O desempenho do ADF foi validado em um sistema de controle de movimento real (atuador de motor de bobina móvel) com controle PID.

• Configuração do Sistema:

  • Hardware: Motor de bobina móvel, sensor indutivo sem contato, placa de aquisição Speedgoat (2 kHz).
  • Controle: Um controlador PID sintonizado pelo método do "Ótimo Simétrico" (Symmetrical Optimum).
  • Comparação: O ADF foi comparado com dois diferenciadores existentes:
    1. LDF (Linear Filtered Differentiator): Diferenciação finita com filtro passa-baixa linear de 2ª ordem.
    2. RED (Robust Exact Differentiator): Diferenciador baseado em modo deslizante (algoritmo super-twisting de Levant).

• Parâmetros de Teste:

  • Ruído de medição significativo (±12 micrômetros).
  • Testes realizados com referências em degrau e rampa.

4. Resultados Principais

A comparação experimental revelou as seguintes vantagens do ADF:

• Sensibilidade ao Ruído: O ADF demonstrou sensibilidade extremamente baixa ao ruído de medição, superando o LDF e o RED na suavidade do sinal de controle.
• Resposta a Transientes: Ao contrário dos filtros lineares que suavizam picos, o ADF preservou a largura de banda para grandes mudanças no sinal do processo, ajustando a janela dinamicamente.
• Desempenho do Controle PID:
  • Sobressinal (Overshoot): O ADF proporcionou um sobressinal ligeiramente menor na resposta ao degrau em comparação aos outros métodos.
  • Sinal de Controle ($u(t)$): Este foi o resultado mais significativo. Os controladores usando LDF e RED geraram padrões de controle mais oscilatórios e ricos em componentes de alta frequência (devido à estimativa de velocidade mais ruidosa), resultando em maior consumo de energia e carga no sistema. O ADF produziu um sinal de controle muito mais suave e uniforme, mantendo a estabilidade.
• Eficiência Computacional: O algoritmo foi executado em tempo real sem sobrecarga da CPU, demonstrando viabilidade para implementação em hardware dedicado.

5. Contribuições e Significância

• Inovação Técnica: O artigo apresenta uma abordagem que desacopla a adaptação da janela do cálculo da derivada, permitindo uma adaptação ótima e maior eficiência computacional em comparação com trabalhos anteriores (como o de [5] citado no texto).
• Aplicabilidade Prática: Demonstra que é possível obter derivadas de alta qualidade em tempo real sem o compromisso tradicional entre ruído e atraso de fase, utilizando apenas um sinal de saída ruidoso.
• Impacto no Controle: A melhoria na qualidade da estimativa de derivada traduz-se diretamente em um desempenho superior do controlador PID, reduzindo a fadiga mecânica e o consumo de energia do atuador, o que é crucial para aplicações mecatrônicas de precisão.
• Conclusão: O filtro ADF é uma solução robusta, causal e adaptativa que supera as limitações dos diferenciadores lineares fixos e dos diferenciadores de modo deslizante em cenários de controle real com ruído significativo.

Em resumo, o trabalho oferece uma ferramenta prática e matematicamente fundamentada para melhorar a qualidade da realimentação em sistemas de controle que dependem de derivadas estimadas, validada experimentalmente em um cenário de engenharia real.