Uso de Metaheurísticas para projeto de controladores industriais PID em sistema de controle de velocidade

• Lucas L. C. Batista UFPI
• Lucas M. Rufini UFPI
• José M. A. Junior UFPI

DOI: https://doi.org/10.5753/ercemapi.2024.243758

Resumo

Metaheurísticas são algoritmos de otimização capazes de encontrar soluções sub-ótimas em pouco tempo, com aplicações em Potência, Comunicações e Controle de processos industriais. Este trabalho apresenta o desempenho de metaheurísticas do tipo Algoritmo de Enxame de Partículas (PSO), sua variante acelerada (APSO) e Algoritmo Firefly (FA) aplicados na otimização do projeto dos parâmetros de um controlador PID utilizado em um processo industrial didático de controle de velocidade. Os controladores PID projetados por metaheurísticas foram comparados a controladores clássicos e obtiveram melhores resultados que algoritmos de controle clássicos.

Referências

K. J. Astrom. Pid controllers: theory, design, and tuning. The international society of measurement and control, 1995.

A. K. Bhullar, R. Kaur, and S. Sondhi. Enhanced crow search algorithm for avr optimization. Soft Computing, 24(16):11957–11987, 2020.

C. Bruni, G. Dipillo, and G. Koch. Bilinear systems: An appealing class of”nearly linear”systems in theory and applications. IEEE Transactions on automatic control, 19 (4):334–348, 1974.

Y. Dhieb, M. Yaich, A. Guermazi, M. Ghariani, et al. Pid controller tuning using ant colony optimization for induction motor. Journal of Electrical Systems, 15(1):133–141, 2019.

F. Glover, M. Laguna, F. Glover, and M. Laguna. Tabu search principles. Tabu Search, pages 125–151, 1997.

M. A. Guelfi, P. R. S. S. Oliveira, A. A. Carniato, and L. A. Carniato. Estudo comparativo entre variações de evolução diferencial para a sintonia de controladores pid. Revista Sinergia, 22(1), 2020.

K. Hussain, M. N. Mohd Salleh, S. Cheng, and Y. Shi. Metaheuristic research: a comprehensive survey. Artificial intelligence review, 52:2191–2233, 2019.

D. Ibrahim. Microcontroller based applied digital control. John Wiley, 2006.

M. J. Kochenderfer and T. A. Wheeler. Algorithms for optimization. Mit Press, 2019.

S. Nesmachnow. An overview of metaheuristics: accurate and efficient methods for optimisation. International Journal of Metaheuristics, 3(4):320–347, 2014.

K. Ogata. Engenharia de controle moderno. 5ª. São Paulo: Pearson, 2011.

P. W. d. Oliveira. Contribuições ao problema de sintonia ótima de controladores pid de ordens inteira e fracionária via otimização metaheurística. 2020.

S. Rajendran and H. Srinivasan. Simplified accelerated particle swarm optimisation algorithm for efficient maximum power point tracking in partially shaded photovoltaic systems. IET Renewable Power Generation, 10(9):1340–1347, 2016.

S. S. Rao. Engineering optimization: theory and practice. John Wiley & Sons, 2009.

G. F. Soares, J. B. d. C. Neto, L. G. d. Oliveira, and O. d. M. Almeida. Desenvolvimento de hardware didático para ensino de controle digital, 2019.

F. Van den Bergh and A. P. Engelbrecht. A new locally convergent particle swarm optimiser. In IEEE International conference on systems, man and cybernetics, volume 3, pages 6–pp. IEEE, 2002.

R. U. Viaro, L. C. Borin, R. Medke, E. Mattos, C. R. D. Osório, and V. F. Montagner. Otimização de controladores baseada em meta-heurística aplicada a conversores cc-cc com validação em hardware-in-the-loop. Eletrônica de Potência, 29, 2024.

J. F. Vidal et al. Metaheurísticas populacionais: estudo comparativo na sintonia de parâmetros de controladores clássicos. 2016.

X.-S. Yang. Firefly algorithms for multimodal optimization. In International symposium on stochastic algorithms, pages 169–178. Springer, 2009.

X.-S. Yang. Metaheuristic Optimization. Scholarpedia, 6(8):11472, 2011. DOI: 10.4249/scholarpedia.11472. revision#91488.