Desarrollo de una herramienta en Matlab para Sintonización de Controladores PID, utilizando algoritmos genéticos basado en técnicas de optimización multiobjetivo

  • Brayan René Acevedo Jaimes
  • Juan Camilo Fonseca Galindo
  • July Andrea Gómez Camperos
Palabras clave: Algoritmos genéticos, Optimización multiobjetivo, Controlador PID, Matlab, Sintonización

Resumen

Este documento muestra la versatilidad y eficiencia que presenta el desarrollo de una herramienta en Matlab para sintonización de controladores proporcional, integral y derivativo (PID) utilizando algoritmos genéticos (AG) basado en técnicas de optimización multiobjetivo (MOP) fundamentado en frentes de Pareto, calculando de manera óptima las constantes de ganancia proporcional, ganancia integral y ganancia derivativa (KP, KI, KD) para minimización del error, atenuación del sobrepico máximo y reducción del tiempo de establecimiento en una planta determinada. Se compara el desempeño que tiene la implementación de algoritmos genéticos en dar soluciones a múltiples objetivos en controladores PID; con la sintonización de controladores PID existente en Sisotool de Matlab se simularon diferentes sistemas de control de lazo cerrado conformados por una función de transferencia, su controlador y lazo de realimentación. En estos sistemas se analiza el comportamiento que presentan los controladores al aplicarle un step a la entrada de la planta.Con la fabricación de esta herramienta se pretende optimizar la forma de sintonización de controladores PID que en la actualidad se está utilizando; hoy día no existe ninguna herramienta que ayude de forma estructural al proceso de sintonización sin utilizar un nivel complejo de programación y un amplio conocimiento en control; el uso e integración de una serie de técnicas que permitan obtener una herramienta versátil y eficiente; utilizable en la tarea de sintonización de controladores PID y que con la cual se pueda simular y calibrar a través de métodos de inteligencia computacional evolutiva, sin necesidad de tener profundos conocimiento de programación.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Brayan René Acevedo Jaimes
Brayan René Acevedo Jaimes, ingeniero electrónico de la Universidad Francisco de Paula Santander. Investigador adscrito al Grupo de Investigación en Automatización y Control (GIAC). Miembro estudiante ISA (International Society Automation) sección Colombiapayo_aj29@hotmail.com
Juan Camilo Fonseca Galindo
Juan Camilo Fonseca Galindo, ingeniero electrónico de la Universidad Francisco de Paula Santander. Investigador adscrito al Grupo de Investigación en Automatización y Control (GIAC). Miembro estudiante ISA (International Society Automation) sección Colombiajuankmilofg@gmail.com
July Andrea Gómez Camperos
July Andrea Gómez Camperos, ingeniera mecatrónica de la Universidad de Pamplona. Candidata a magíster en controles industriales. Dinamizadora de Tecnoparque Colombia Nodo Ocaña. Investigadora adscrita al Grupo de Investigación en Automatización y Control (GIAC).julyandreagomez@misena.edu.co

Referencias

Castro P. J. Camilo and Guzmán P., M. Alejandra (2013). Optimización multiobjetivo de un controlador PID. Aplicando Algoritmos Bioinspirados, CIIMA, 2 (20), 191-197.

De Jong. A. K. (1975). An Analysis of the Behavior of a Class of Genetic Adaptative Systems. PhD thesis. Michigan: University of Michigan.

Deb, K. et al., (2002). A fast an elitist multiobjective genetic algorithm: NSGA II. IEEE Transaction on Evolutionary Computation, vol. 6(2).

DiStefano, Stubberud and Williams (1992). Retroalimentación y sistemas de control. Segunda Edición (Trad. R. Gómez Cruz) Bogotá: Ed. McGraw- Hill.

Gunter, Rudolph (1994).Convergence analysis of canonical genetic algorithms. January IEEE Transactions on Neural Networks 5(1), 96-101.

Holland, John H. (1992). Adaptation in natural artificial system. Second edition. Cambridge, Massachusetts: The MIT Press.

Koza, John R. (1992). Genetic Programming: On the Programming
of Computers by Means of Natural Selection. Cambridge, Massachusetts: The MIT Press.

Lawrence, Davis. (1991). Handbook of Genetic Algorithms. New York: Van Nostrand Reinhold.

Maneiro Malavé, Ninoska (febrero 2002). Algoritmos genéticos aplicados al problema cuadrático de asignación de facilidades. Departamento de Investigación Operativa, Escuela de Ingeniería Industrial, Universidad de Carabobo, Valencia, Venezuela.

Muñoz M., A. F. (2003). Tecnologías de control inteligente: Redes neuronales, algoritmos genéticos y de clonación artificial. ISSN 1692-72577, vol. 1, No. 1, 4-9.

Muñoz M., A. F. Wseas, M. (July 2005) Advance control of applied artificial cloning paper Wseas, transactions on systems. Advance Artificial Cloning Applied to Industrial Process Control vol. 4 Issue 7, 930-938, Atenas, Grecia.

Ogata, K. (1993). Ingeniería de control moderna. Segunda edición. (Trad. B. A. Fabian-Kernel). México: Ed. Prentice-Hall.

Osyczka, A. (1984). Multicreterion Optimization in Engineering with Fortran programs. Ellis Horwood Limited.

Pinto F., M. Claudia (mayo 2006). Sintonización de controladores PID utilizando algoritmos evolutivos. Universidad de Pamplona, Facultad de Ingenierías y Arquitectura, Pamplona, Colombia.

Ruge, I. A. and Alvis, M. A. (2009). Aplicación de los algoritmos genéticos para el diseño de un controlador PID adaptativo. Tecnura, vol. 13(23), 82-90.

Syswerda, Gilbert (1989). Uniform Crossover in Genetic Algorithms. In J. David Schaffer (ed.) Proceedings of the Third International Conference on Genetic Algorithms. San Mateo, California: Morgan Kaufmann, 2-9.

Toscano, P. G. (septiembre 2001). Optimización multiobjetivo usando un microalgoritmo genético. Universidad Veracruzana-Lania.

Van Rensburg, P. J., Shaw, L. S. y Van Wyk J. D. (April 1998). Adaptive PID control using a Genetic Algorithm. 1998. Second International Conference on Knowledge-Based Intelligent Electronic Systems. Australia: Editors, L. C. Jain and R. K. Jain Adelaide, 21-23.

Wetzel. A. (1983). Evaluation of Effectiveness of genetic algorithms in combinational optimization.Pittsburgh (unpublished): University of Pittsburgh.

Whitley. Darrel (1989). The Genitor Algorithm and Selection Pressure: Why Rank-Based Allocation of Reproductive Trials is Best. In Proceedings of the Third International Conference on Genetic Algorithms. San Mateo, California: Morgan Kaufmann Publishers, 116-121.
Cómo citar
Acevedo Jaimes, B. R., Fonseca Galindo, J. C., & Gómez Camperos, J. A. (1). Desarrollo de una herramienta en Matlab para Sintonización de Controladores PID, utilizando algoritmos genéticos basado en técnicas de optimización multiobjetivo. Revista Sennova: Revista Del Sistema De Ciencia, Tecnología E Innovación, 1(1), 80-103. https://doi.org/10.23850/23899573.86
Sección
Las TIC aplicadas a la industria