Sintonia de controlador PID com Dois Graus de Liberdade por Otimização de Enxame de Partículas

• Vitor C. Chagas UFMT
• João Pedro M. Araujo UFMT
• Daniel M. Cruz UFMT
• João Gustavo C. Pena UFMT

DOI: https://doi.org/10.5753/eri-mt.2023.236587

Resumo

Embora os controladores PID sejam os mais usados na indústria e para os quais existe um grande número de métodos analíticos e empíricos de sintonia, o mesmo não pode ser dito acerca dos controladores PID com dois graus de liberdade. Por isso, este artigo tem como objetivo avaliar o uso do PSO no ajuste dos parâmetros desse tipo de controlador. Neste estudo, o método utilizado busca encontrar os valores ótimos dos ganhos do controlador aplicado a um conjunto de sistemas de primeira ordem nas mesmas condições operacionais de simulação, a fim de melhorar os critérios de desempenho como robustez e estabilidade da malha de controle, isto é, minimizar a função custo. Os resultados obtidos pelo algoritmo são comparados com os resultados obtidos com o uso dos métodos empíricos clássicos, no caso, os métodos CHR, IAE e ITAE.

Palavras-chave: Controlador 2DOF, Sintonia PID, Algoritmo PSO, IAE, ITAE

Referências

Alfaro, V. M. and Vilanova, R. (2013). Model reference based robust tuning of five-parameter 2dof pid controllers for first-order plus dead-time models. In 2013 European Control Conference (ECC), pages 3931–3936.

Chien, I. L., Hrones, J. A., and Reswick, J. B. (1952). On the automatic control of generalized passive systems. Trans. ASME, 74:175–185.

de Campos, M. C. M. M. and Teixeira, H. C. G. (2010). Controles Típicos de Equipamentos e Processos Industriais. Blucher, São Paulo, 2nd edition.

Gao, Z. and Yang, Y. (2013). Tuning of pid controllers based on particle swarm optimization for liquid level control of a spherical tank. ISA transactions, 52(1):97–104.

Indhuja, R. and Kamaraj, N. (2016). Implementation of pso tuned robust 2dof pid controller for avr system. In 2016 International Conference on Control, Instrumentation, Communication and Computational Technologies (ICCICCT), pages 159–163.

Jain, M., Saihjpal, V., Singh, N., and Singh, S. B. (2022). An overview of variants and advancements of pso algorithm. Applied Sciences, 12(17).

Kennedy, J. and Eberhart, R. (1995). Particle swarm optimization. In Proceedings of the IEEE International Conference on Neural Networks, volume 4, pages 1942–1948. IEEE.

Kennedy, J. and Mendes, R. (2002). Population structure and particle swarm performance. In Proceedings of the IEEE Congress on Evolutionary Computation, pages 1671–1676. IEEE.

Lopez, A. M. et al. (1967). Tuning controllers with error-integral criteria. Instrumentation Technology, 14:57–62.

Mirjalili, S., Gandomi, A. H., and Mirjalili, S. M. (2012). Multi-objective bat algorithm: a novel multi-objective optimization algorithm. Neural Computing and Applications, 22(6):1239–1255.

Ogata, K. (2010). Engenharia de controle moderno. In Engenharia de controle moderno, pages 521–544. Pearson Prentice Hall, 5 edition.

Poli, R., Kennedy, J., and Blackwell, T. (2007). Particle swarm optimisation: An overview. Swarm Intelligence Journal.

Rovira, A. A., Muril, P. W., and Smith, C. L. (1969). Tuning controllers for set-point changes. Instruments and Control Systems.

Xu, M. (2022). Control of dc adjustable speed electric vehicle based on pso-pid algorithm optimization research. In 2022 IEEE 5th International Conference on Automation, Electronics and Electrical Engineering (AUTEEE), pages 616–621.

Åström, K. J. and Murray, R. M. (2008). Feedback Systems: An Introduction for Scientists and Engineers. Princeton University Press.