Slim en Eenvoudig: Modelgebaseerde Optimale Besturing bij CNH

Het ontwerpen van intelligente regelsystemen die kunnen anticiperen op en zich aanpassen aan veranderende omstandigheden is een belangrijke uitdaging binnen automatisering. Voor complexe toepassingen wordt Model Predictive Control (MPC) vaak gezien als de ideale aanpak, omdat deze methode de best mogelijke acties berekent op basis van een model van het systeem en zijn voorspelde gedrag in de toekomst.
Toch is MPC rekentechnisch zwaar en daardoor niet altijd praktisch toepasbaar in industriële machines.

Daarom ontwikkelden we een methode om vereenvoudigde regelingen te ontwerpen die bijna dezelfde prestaties halen als MPC, maar veel eenvoudiger zijn om te ontwerpen, te implementeren en af te stemmen. Zo kunnen industriële partners krachtige, nieuwe regeltechnieken efficiënt en betrouwbaar toepassen in hun eigen systemen.

Van Complexe Modellen naar Praktische Regeling

De nieuwe aanpak vertrekt van een MPC-model dat het optimale regelgedrag voor een systeem bepaalt. Met een geautomatiseerd ontwerpproces genereren we vervolgens een lichtere versie, opgebouwd uit modulaire regelblokken. Deze blokken nemen de belangrijkste eigenschappen van de oorspronkelijke MPC over, maar vergen veel minder rekenkracht.

Het resultaat is een regelaar die de voordelen van MPC behoudt – zoals het anticiperen op toekomstige gebeurtenissen, het respecteren van beperkingen en het coördineren van subsystemen – terwijl hij eenvoudig genoeg blijft voor praktische toepassing en snelle herafstemming. Zo vermindert de nood aan langdurige handmatige ontwerpfases en kan het systeem sneller worden aangepast aan veranderende bedrijfsomstandigheden.

Assistant Schema

Toepassing in de Praktijk: De Zwaden Volgen

Om deze aanpak te testen, pasten we dit samen met CNH Industrial toe op een tractor–balenperscombinatie die automatisch de zwaden op het veld moet volgen.
Dit is een uitdagend regelprobleem: het automatiseren van één voertuig kan nog met klassieke PID-regeling, maar hier moet de tractor zo gestuurd worden dat de balenpers erachter nauwkeurig de zwadlijn blijft volgen, ook bij bochten, oneffen terrein of variabele snelheid.

Tot voor kort vereiste dit een handmatig ontworpen en uitgebreid afgestelde regelaar. Met de nieuwe methode kan een equivalente regelaar automatisch gegenereerd worden, die vergelijkbare of zelfs betere prestaties levert – bijna op het niveau van de MPC-referentie. En dat met ongeveer dezelfde rekenbelasting als een PID-regelaar.
De nieuwe regelaar vangt bovendien verstoringen, zoals slip of stuurvertraging, effectief op, waardoor de bestuurder minder mentale belasting ervaart en het balenpersproces consistenter verloopt.

Een visualisatie

Hieronder zie je een reeks voorbeelden van manoeuvres die zijn uitgevoerd met de resulterende controller. Daarop is te zien dat de nieuwe controller deze bijna perfect kan uitvoeren.

Als we vervolgens controleren hoe de besturingssignalen van de nieuwe controller overeenkomen met de MPC-signalen en hoe de resulterende beweging lijkt op die met een MPC, zien we dat beide inderdaad zeer vergelijkbaar zijn en dat de nieuwe controller dus zeer dicht in de buurt komt van de MPC.

Ruimer Toepasbaar dan Landbouw Alleen

Hoewel dit voorbeeld uit de landbouw komt, kan dezelfde aanpak ook worden toegepast in andere domeinen waar systemen complex zijn of voorspellende coördinatie nodig is – zoals in productie, mobiliteit of energiebeheer.

Door het ontwerp van modelgebaseerde regelingen te vereenvoudigen, helpt Flanders Make de kloof te overbruggen tussen geavanceerde algoritmen en industriële implementatie. Op die manier ondersteunen we de evolutie naar slimmere, autonomere machines die eenvoudiger te bouwen, af te stemmen en te onderhouden zijn.