Lerend regelen verbetert de prestaties van motion-systemen met een factor tien

Lerende technieken doorgronden en direct toepassen

Met lerende technieken zijn de prestaties van motionsystemen formidabel te verbeteren. Vaak kan het zelfs tien keer beter. De aanpak is echter principieel anders dan bestaande feedback en feedforward technieken. Toepassen vereist dan ook een grondig begrip van de onderliggende lerende mechanismes. De training Advanced feedforward control levert de bagage waarmee regeltechnici lerende technieken doorgronden en direct kunnen toepassen.

News - tom-oomen-3
Foto: Tom Oomen met het stuurmechanisme van een desktop-printer die ondanks talrijke beperkingen met een lerende regeling tot verbazingwekkende prestaties is gebracht.

Ook regel-experts uit de industrie staan hiervan te kijken, zegt Tom Oomen, van de Control Systems Technology-groep (TU Eindhoven). Hij laat het stuurmechanisme van een desktop-printer zien die door een lab-assistent is omgebouwd tot experimentele opstelling. 'Dit is een eenvoudige opstelling van pakweg honderd euro met heel veel wrijving en goedkope mechanica', zegt Oomen. 'Maar ondanks die beperkingen kunnen we daarmee toch een perfecte performance halen met lerend regelen. De meetnauwkeurigheid van de printkop is 42 micrometer en met onze lerende aansturing blijven we binnen die grens.' Hij kan zijn enthousiasme moeilijk onderdrukken: 'Dat is gewoon gaaf. Ook echte motion-specialisten vragen zich af hoe dat kan. Deelnemers aan de cursus Advanced feedforward control gaan ook met deze printer aan de slag.'

Control Systems Technology van Maarten Steinbuch heeft een lange traditie van samenwerken met hightech bedrijven. Met ASML, CCM, NXP, Océ, Philips Innovation Services en Philips Healthcare werken onderzoekers daar aan control op basis van lerend regelen. Ook het High Tech Systems Center (HTSC) speelt daarbij een rol. De hightech bedrijven implementeren en valideren de ontwikkelde algoritmen direct op hun systemen.

Oomen: 'Ze willen eigenlijk allemaal lerende regeltechnieken toepassen, want je kunt daarmee de prestaties aanzienlijk verbeteren. De een wil  nanometernauwkeurigheid bereiken, de andere een hogere productiviteit of juist goedkopere sensoren, actuatoren of mechanica gaan toepassen. Want lerend regelen is qua implementatie gewoon heel erg goedkoop. De oplossing verschuift van dure meetinstrumenten en aandrijvingen naar software en slimme algoritmes. Ons uitgangspunt is dat meetdata heel erg goedkoop zijn en dat we volledig kunnen compenseren wat reproduceerbaar is in de meetdata.'

De oplossing verschuift van dure meetinstrumenten en aandrijvingen naar software en slimme algoritmes.

Terug naar de basis. Terugkoppeling of feedback kent iedereen in de besturingswereld van de PID-regelaars. Die koppelen een gemaakte servo-fout terug aan de besturing. Het is een correctie achteraf. PID-regelaars zijn populair, omdat het systeem ‘in gesloten lus is’ en daardoor ongevoelig is voor veranderingen. Ander pluspunt is dat ontwikkelaars er aan de hand van vuistregels heel intuïtief mee kunnen werken.

De prestaties van deze traditionele regelsystemen zijn aanzienlijk te verbeteren door er feedforward technologie aan toe te voegen. Feedback regelen is immers een beetje mosterd na de maaltijd: de corrigerende actie volgt na de fout. Met feedforward anticipeert het systeem op verstoringen in de toekomst. Als de baan vlak van tevoren bekend is, dan kan de besturing deze kennis gebruiken om de volgfouten significant te verkleinen. 'Dat leidt typisch tot tien keer betere prestaties', zegt Tom Oomen. Het is dan ook niet verbazingwekkend dat vrijwel iedereen intussen feedforward toepast.

Maar het kan nog beter. Door gebruik te maken van het repeterende karakter waarmee veel mechatronische systemen werken zijn besturingen in staat om van eerdere volgfouten te leren. Het resultaat is nogmaals een forse stap in performance. Oomen: 'Ten opzichte van gecombineerde feedback-feedforward ontwerpen is de volgfout nogmaals met een factor tien te verbeteren.' Dit is het basisidee achter lterative Learning Control (ILC), oftewel lerend regelen bij repeterende bewegingen.

Ontwerptechnieken in de hightech industrie

Lerende technieken staan centraal in de driedaagse training Advanced feedforward control, waarvan Tom Oomen een van de docenten en cursusleiders is. 'Op de eerste dag beginnen we met PID-regelaars en brengen we cursisten bij waarom je daar maar beperkte prestaties mee kunt halen. Feedforward scheelt meer, omdat je de gewenste baan aan je regelaar geeft en daarmee voor een deel in de toekomst kijkt. Het idee van lerend regelen is eenvoudig: elke keer als je dezelfde taak doet, weet je wat er in de toekomst gaat gebeuren. Met een goede lerende regelaar kan je perfecte performance halen. Dat is ook wat mijn vakgebied zegt: alles wat reproduceerbaar is, kun je perfect compenseren.'

News - tom-oomen-2
Foto: Tom Oomen, docent en cursusleider van de training Advanced feedforward control.

Lerend regelen zorgt dat de prestaties stap voor stap verbeteren. Bij elk experiment, elke cyclus, verzamelt het systeem meetdata en daarna kijkt de lerende regelaar: heb ik het nu beter gedaan? Als het perfect is dan behoudt de besturing het aanstuursignaal. Als er nog steeds een fout is, volgt er weer een kleine correctie voor een nog beter stuursignaal. Met een goed ontwerp zie je na een vijftal iteraties een bijna perfecte uitvoering.'

Met een goed ontwerp zie je na een vijftal iteraties een bijna perfecte uitvoering.

De methodes in de Advanced feedforward control-training sluiten heel goed aan bij de ontwerptechnieken die de Nederlandse hightech industrie kent. Ze maken het mogelijk om motionsystemen met leren heel snel te laten convergeren. Oomen: 'Dat is echt anders dan in de rest van de wereld. Je ziet heel veel academische technieken die honderden of duizenden iteraties kosten om te convergeren.'

De unieke Eindhovense aanpak berust op zeer nauwkeurige modellen voor mechatronische systemen. Oomen: 'De basis daarvoor werd al in de jaren zeventig, tachtig en negentig op het Philips Natlab gelegd, onder meer bij de ontwikkeling van de compact disc-spelers. Zaken die daaruit voortkomen, zoals loop-shaping, notch-filters en frequentie-response functies, zitten nu in de basiscursus Motion Control Tuning om PID-regelaars te tunen. Oomen: 'In de vervolgtraining Advanced feedforward control bouwen we de lerende regeltechniek de eerste dag vanuit dezelfde filosofie op, zodat cursisten op dag één al in staat zijn zelf een lerende regelaar te ontwerpen en te implementeren, die na enkele iteraties nagenoeg perfecte prestaties geeft.'

Theorie
De tweede trainingsdag bevat veel theorie. Het doel is om deelnemers een compleet beeld te geven van wat er in de wereld op het gebied van learning control te koop is. Oomen: 'Zoek op internet naar 'learning control' en je vindt bergen informatie. Heel veel verschillende wiskunde, meestal vanuit een sterk academische blik. Nieuwsgierige technici vragen zich dan automatisch af: waarom passen we dit niet toe?'

De alternatieve wiskundige beschrijvingen vormen een wereld van verschil met de technieken die cursisten op de eerste dag voorgeschoteld krijgen. Waarom dan toch die zware kost? 'We willen cursisten nadrukkelijk laten ervaren hoe alternatieve werkwijzen wiskundig in elkaar steken', zegt Oomen. 'Dat is voor de meeste cursisten inderdaad best zwaar, want ze moeten de onderliggende wiskunde vaak weer opfrissen. Toch confronteren we ze ermee en slepen ze er bewust doorheen, zodat ze die andere aanpakken ook begrijpen en kunnen plaatsen.'

De wereldwijde publicaties over regeltechnieken spreken altijd over ‘optimale ontwerp-algoritmen’. 'Bijna iedereen in ons vak werkt daar immers aan', zegt Oomen. 'Dat klopt ook zeker binnen de criteria die ze stellen. We gaan er ook mee aan de slag. Cursisten ervaren dat deze criteria ook knoppen hebben om aan te draaien. Maar onze ervaring is dat het ontzettend moeilijk is om die knoppen goed in te stellen. Door dit cursisten zelf te laten ervaren, krijgen ze alle kennis om te beoordelen wat specifieke algoritmes wel of niet kunnen en wat de voor- en de nadelen zijn. Daarmee krijgen ze het gevoel dat ze het hele vakgebied van learning control kunnen overzien. Zeker als ze zich er verder in willen verdiepen.'

Je zegt dat je deelnemers door die theorie en wiskunde heen moet slepen. Lukt dat altijd?
'Dat lukt eigenlijk altijd. En als je dat eenmaal gezien hebt, kun je later vrij goed plaatsen wat voor technieken allemaal beschikbaar zijn. Het gaat niet om het reproduceren van formules, maar cursisten moeten wel weten wat erachter steekt, wat de basisideeën zijn en hoe ze het kunnen gebruiken. Aan het einde van dat stuk blijkt het eigenlijk heel makkelijk te zijn. Iets dat ze in twee regels Matlab-code kunnen implementeren. Maar het belangrijkste is dat ze kunnen beargumenteren wat de voor- en nadelen zijn van specifieke technieken. Ook is het prettige bagage voor dag drie, waar we ingaan op recente ontwikkelingen en automated feedforward tuning toepassen.’

Hoeveel ervaring in besturingstechniek hebben deelnemers nodig voor de advanced feedforward control-training?
'Mensen met ervaring in het ontwerpen van regelaars en motion systemen kunnen automatisch naar deze training. Dat geldt voor de meeste mensen die in de regio Eindhoven feedback-regelaars ontwerpen. Die weten hoe je een PID-regelaars ontwerpt en ook wat state-space, loop-shaping en filtertechnieken zijn en hoe je inspeelt op het frequentiedomein. Een beetje Matlab-kennis is overigens erg handig.'

'De basiskennis die nodig is zit in feite in de basistraining Motion Control Tuning. De beschrijving daarvan geeft een duidelijk beeld van de verwachte voorkennis. Het kan dus zijn dat mensen tot de conclusie komen dat ze beter eerst de motion control tuning training volgen.'

Geef eens voorbeelden van deelnemers aan Advanced feedforward control?
'Het varieert van jonge mensen die net uit de collegebanken komen tot motion control tuning experts die al twintig jaar in de industrie werken en dagelijks regelaars ontwerpen. Bijvoorbeeld motion control-experts van ASML, K&S, Nexperia Itec of Océ die nog niet bekend zijn met learning. Maar ook technici die in hun werk al eens wat geëxperimenteerd hebben en die interesse hebben in deze nieuwe techniek. Daaronder zitten ook veel kleine bedrijven die learning control willen gaan toepassen. Die krijgen in drie dagen een gevoel van wat het kan bieden voor hun machine en ook meteen een basisimplementatie om direct aan de slag te gaan op hun eigen machines.'

Je noemde eerder vijf cycli. Maken een paar iteraties meer of minder zoveel uit?
'Het mooie van lerende algoritmen is dat ze zichzelf aanpassen als de situatie verandert. Als temperatuur een rol speelt, bijvoorbeeld vanwege een  dag-nachtritme, dan is het prettig als het systeem zich binnen enkele iteraties aanpast. Als er honderd iteraties nodig zijn die een uur duren, dan kan dat bijvoorbeeld tot productie-uitval leiden.'

News - tom-oomen-1

Oomen geeft een ander extreem voorbeeld. In samenwerking met het onderzoekers van het Eindhovense researchinstituut Differ heeft de motioncontrol-groep lerende technieken toegepast op kernfusie-experimenten voor de Tokamak reactor (TCV) in Lausanne. 'De natuurkundigen vertrouwen voor het simuleren van deze fusieprocessen van oudsher op complexe fysische modellen. Er zit een groot gat met het gebruiken van data en regeltechniek. Mijn collega Federico Felici heeft naast een regeltechnische achtergrond ook expertise in kernfusie. Hij bemoeit zich nu vanuit zijn regeltechnische achtergrond met die wereld.'

Bij Tokamak-reactorexperimenten komt het aan op plasmavorming door middel van de juiste actuatorsignalen. Zo’n shot duurt een paar seconden en en is zeer kostbaar. 'Omdat er reeds een complexe computersimulator was ontwikkeld, konden we uitrekenen hoe we het signaal moeten aanpassen om het beter te maken. Daarvoor hebben we de simulator gekoppeld aan de meetdata uit de experimenten. Het bleek dat we met onze lerende regeltechniek binnen een aantal iteraties een bijna perfect aanstuursignaal hadden. Dat heeft veel impact gehad in de kernfusiewereld.

De training Advanced feedforward control wordt door de partners Mechatronics Academy en High Tech Instute op de markt gebracht.

Op 10 - 12 oktober 2018 vindt de cursus
'Advanced feedforward control'
plaats in Eindhoven.

Bekijk cursusomschrijving

Aanmelden kan via ons 
online registratieformulier.

Aanmelden voor de cursus