Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Itaborahy Filho, Marco Antonio
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Universidade Tecnológica Federal do Paraná
Ponta Grossa
Brasil
Programa de Pós-Graduação em Engenharia Elétrica
UTFPR
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Controladores PID
Algorítmos genéticos
Heurística
PID controllers
Genetic algorithms
Heuristic
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Engenharia/Tecnologia/Gestão
Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/25060
Resumo: The objective of this work is to realize a comparative study of which bio-inspired metaheuristic strategies are the best to be used when finding the optimal gains for a Gaussian Adaptive PID control system applied to a Buck Converter. This comes from two necessities, the first one is that to surpass the performance of linear control systems a more advanced strategy such as adaptive control is required; the second is that since there are no deterministic optimization methods for such strategies, the use of metaheuristics is deemed necessary, and according to the No Free Lunch theorem such comparative studies ought to be made to understand what optimization techniques ares better suitable for such a problem. The chosen techniques were the Genetic Algorithm, the Particle Swarm Optimization and the Differential Evolution. The Gaussian function is employed as the adaptive rule because it is a smooth curve with smooth derivatives that avoids the potential of chattering and abrupt control changes. After evaluating the responses found from simulating all variations of each of the optimization strategies we were able to create an analytical and statistical comparison of each technique and show how an adaptive control system can create a faster and more robust response when compared to the linear PID.
id UTFPR-12_adbb1380913372b8278c2699e8f5ce74
oai_identifier_str oai:repositorio.utfpr.edu.br:1/25060
network_acronym_str UTFPR-12
network_name_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository_id_str
spelling Bio-inspired optimization algorithms applied to the GAPID control of a Buck converterAlgoritmos de otimização bio-inspirados aplicados ao controle de um conversor BuckControladores PIDAlgorítmos genéticosHeurísticaPID controllersGenetic algorithmsHeuristicCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEngenharia/Tecnologia/GestãoThe objective of this work is to realize a comparative study of which bio-inspired metaheuristic strategies are the best to be used when finding the optimal gains for a Gaussian Adaptive PID control system applied to a Buck Converter. This comes from two necessities, the first one is that to surpass the performance of linear control systems a more advanced strategy such as adaptive control is required; the second is that since there are no deterministic optimization methods for such strategies, the use of metaheuristics is deemed necessary, and according to the No Free Lunch theorem such comparative studies ought to be made to understand what optimization techniques ares better suitable for such a problem. The chosen techniques were the Genetic Algorithm, the Particle Swarm Optimization and the Differential Evolution. The Gaussian function is employed as the adaptive rule because it is a smooth curve with smooth derivatives that avoids the potential of chattering and abrupt control changes. After evaluating the responses found from simulating all variations of each of the optimization strategies we were able to create an analytical and statistical comparison of each technique and show how an adaptive control system can create a faster and more robust response when compared to the linear PID.O objetivo deste trabalho é criar um estudo comparativo de quais estratégias metaheurísticas bioinspiradas podem ser as melhores para otimizar os ganhos ótimos de um sistema de controle PID Adaptativo Gaussiano para um Conversor Buck. Isso vem de duas necessidades, a primeira é que para superar o desempenho dos sistemas de controle linear é necessária uma estratégia mais avançada como o controle adaptativo; a segunda é que como não existem métodos de otimização determinísticos para tais estratégias, o uso de metaheurísticas é considerado necessário, e de acordo com o teorema do No Free Lunch tais estudos comparativos devem ser feitos para entender quais técnicas de otimização são mais adequadas para tal problema. As técnicas escolhidas foram o Algoritmo Genético, a Otimização do Enxame de Partículas e a Evolução Diferencial. O Gaussian Adaptive PID (GAPID) foi escolhido para o controle adaptativo por ser ser baseado na função Gaussiana, que é uma curva suave com derivadas suaves que evita vibrações e mudanças bruscas no controle. Depois de avaliar as respostas encontradas na simulação de todas as variações de cada uma das estratégias de otimização, foi criada uma comparação analítica e estatística de cada técnica mostrando como um sistema de controle adaptativo pode gerar uma resposta mais rápida e robusta quando comparado ao PID linear.Universidade Tecnológica Federal do ParanáPonta GrossaBrasilPrograma de Pós-Graduação em Engenharia ElétricaUTFPRKaster, Mauricio dos Santoshttps://orcid.org/0000-0002-7687-1297http://lattes.cnpq.br/5494434934031784Siqueira, Hugo Valadareshttps://orcid.org/0000-0002-1278-4602http://lattes.cnpq.br/6904980376005290Kaster, Mauricio dos Santoshttps://orcid.org/0000-0002-7687-1297http://lattes.cnpq.br/5494434934031784Trojan, Flaviohttps://orcid.org/0000-0003-2274-5321http://lattes.cnpq.br/1688457940211697Martins, Marcella Scoczynski Ribeirohttps://orcid.org/0000-0002-5716-4968http://lattes.cnpq.br/5212122361603572Parpinelli, Rafael Stubshttps://orcid.org/0000-0001-7326-5032http://lattes.cnpq.br/4456007001373501Itaborahy Filho, Marco Antonio2021-05-27T21:17:44Z2021-05-27T21:17:44Z2021-03-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfITABORAHY FILHO, Marco Antonio. Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter. 2021. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2021.http://repositorio.utfpr.edu.br/jspui/handle/1/25060engAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPR2021-05-28T06:11:54Zoai:repositorio.utfpr.edu.br:1/25060Repositório InstitucionalPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestriut@utfpr.edu.br || sibi@utfpr.edu.bropendoar:2021-05-28T06:11:54Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false
dc.title.none.fl_str_mv Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter
Algoritmos de otimização bio-inspirados aplicados ao controle de um conversor Buck
title Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter
spellingShingle Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter
Itaborahy Filho, Marco Antonio
Controladores PID
Algorítmos genéticos
Heurística
PID controllers
Genetic algorithms
Heuristic
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Engenharia/Tecnologia/Gestão
title_short Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter
title_full Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter
title_fullStr Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter
title_full_unstemmed Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter
title_sort Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter
author Itaborahy Filho, Marco Antonio
author_facet Itaborahy Filho, Marco Antonio
author_role author
dc.contributor.none.fl_str_mv Kaster, Mauricio dos Santos
https://orcid.org/0000-0002-7687-1297
http://lattes.cnpq.br/5494434934031784
Siqueira, Hugo Valadares
https://orcid.org/0000-0002-1278-4602
http://lattes.cnpq.br/6904980376005290
Kaster, Mauricio dos Santos
https://orcid.org/0000-0002-7687-1297
http://lattes.cnpq.br/5494434934031784
Trojan, Flavio
https://orcid.org/0000-0003-2274-5321
http://lattes.cnpq.br/1688457940211697
Martins, Marcella Scoczynski Ribeiro
https://orcid.org/0000-0002-5716-4968
http://lattes.cnpq.br/5212122361603572
Parpinelli, Rafael Stubs
https://orcid.org/0000-0001-7326-5032
http://lattes.cnpq.br/4456007001373501
dc.contributor.author.fl_str_mv Itaborahy Filho, Marco Antonio
dc.subject.por.fl_str_mv Controladores PID
Algorítmos genéticos
Heurística
PID controllers
Genetic algorithms
Heuristic
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Engenharia/Tecnologia/Gestão
topic Controladores PID
Algorítmos genéticos
Heurística
PID controllers
Genetic algorithms
Heuristic
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Engenharia/Tecnologia/Gestão
description The objective of this work is to realize a comparative study of which bio-inspired metaheuristic strategies are the best to be used when finding the optimal gains for a Gaussian Adaptive PID control system applied to a Buck Converter. This comes from two necessities, the first one is that to surpass the performance of linear control systems a more advanced strategy such as adaptive control is required; the second is that since there are no deterministic optimization methods for such strategies, the use of metaheuristics is deemed necessary, and according to the No Free Lunch theorem such comparative studies ought to be made to understand what optimization techniques ares better suitable for such a problem. The chosen techniques were the Genetic Algorithm, the Particle Swarm Optimization and the Differential Evolution. The Gaussian function is employed as the adaptive rule because it is a smooth curve with smooth derivatives that avoids the potential of chattering and abrupt control changes. After evaluating the responses found from simulating all variations of each of the optimization strategies we were able to create an analytical and statistical comparison of each technique and show how an adaptive control system can create a faster and more robust response when compared to the linear PID.
publishDate 2021
dc.date.none.fl_str_mv 2021-05-27T21:17:44Z
2021-05-27T21:17:44Z
2021-03-12
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv ITABORAHY FILHO, Marco Antonio. Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter. 2021. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2021.
http://repositorio.utfpr.edu.br/jspui/handle/1/25060
identifier_str_mv ITABORAHY FILHO, Marco Antonio. Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter. 2021. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2021.
url http://repositorio.utfpr.edu.br/jspui/handle/1/25060
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Ponta Grossa
Brasil
Programa de Pós-Graduação em Engenharia Elétrica
UTFPR
publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Ponta Grossa
Brasil
Programa de Pós-Graduação em Engenharia Elétrica
UTFPR
dc.source.none.fl_str_mv reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
instname:Universidade Tecnológica Federal do Paraná (UTFPR)
instacron:UTFPR
instname_str Universidade Tecnológica Federal do Paraná (UTFPR)
instacron_str UTFPR
institution UTFPR
reponame_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
collection Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository.name.fl_str_mv Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)
repository.mail.fl_str_mv riut@utfpr.edu.br || sibi@utfpr.edu.br
_version_ 1850498339071590400

Registros relacionados