Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motor

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Castilho Neto, Carlos da Conceição
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:
Sistemas difusos
Controladores PID
Otimização matemática
Programação heurística
Algorítmos
Motores elétricos
Fuzzy Systems
PID controllers
Mathematical optimization
Heuristic programming
Algorithms
Electric motors
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Engenharia/Tecnologia/Gestão
Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/31216
Resumo: Long operating life, high dynamic response and efficiency, and higher torque-to-weight ratio make the BLDC motor attractive for several applications, such as electric vehicles, drones, etc. Due to its versatility, the BLDC motor can be exposed to applications in which load disturbances, sudden disturbances, and parameter variation occur, making conventional control techniques such as proportional-integral-derivative PID controller not reach its variables with precision and agility. To avoid this inconvenience, the PID controller can improve its performance when used in conjunction with adaptive techniques that collect data from the system’s operating environment and perform adjustments based on the condition it is in, dynamically minimizing system failures.Adaptive techniques based on fuzzy logic or Gaussian functions can be an alternative to this impasse. However, the choice of parameters and variables empirically are some obstacles that the designer faces, requiring full knowledge of the system’s behavior to which they will be applied. For this, using a metaheuristic optimization algorithm such as Particle Swarm Optimization (PSO) would be a solution, this bio-inspired algorithm searches in a complex universe of multiple solutions the best one for a given problem. This paper aims to compare different control techniques, such as PID, Hybrid Fuzzy-PID Hybrid Fuzzy-PID, and GAPID optimized by PSO for speed control of a BLDC motor, through simulations performed in the Simulink software and its practical implementation in an ESP32 microcontroller.
id UTFPR-12_f628c0fba7fa5fc94d4677db2bd2e321
oai_identifier_str oai:repositorio.utfpr.edu.br:1/31216
network_acronym_str UTFPR-12
network_name_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository_id_str
spelling Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motorTécnicas adaptativas otimizadas por algoritmo bio-inspirado para o controle de um motor BLDCSistemas difusosControladores PIDOtimização matemáticaProgramação heurísticaAlgorítmosMotores elétricosFuzzy SystemsPID controllersMathematical optimizationHeuristic programmingAlgorithmsElectric motorsCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEngenharia/Tecnologia/GestãoLong operating life, high dynamic response and efficiency, and higher torque-to-weight ratio make the BLDC motor attractive for several applications, such as electric vehicles, drones, etc. Due to its versatility, the BLDC motor can be exposed to applications in which load disturbances, sudden disturbances, and parameter variation occur, making conventional control techniques such as proportional-integral-derivative PID controller not reach its variables with precision and agility. To avoid this inconvenience, the PID controller can improve its performance when used in conjunction with adaptive techniques that collect data from the system’s operating environment and perform adjustments based on the condition it is in, dynamically minimizing system failures.Adaptive techniques based on fuzzy logic or Gaussian functions can be an alternative to this impasse. However, the choice of parameters and variables empirically are some obstacles that the designer faces, requiring full knowledge of the system’s behavior to which they will be applied. For this, using a metaheuristic optimization algorithm such as Particle Swarm Optimization (PSO) would be a solution, this bio-inspired algorithm searches in a complex universe of multiple solutions the best one for a given problem. This paper aims to compare different control techniques, such as PID, Hybrid Fuzzy-PID Hybrid Fuzzy-PID, and GAPID optimized by PSO for speed control of a BLDC motor, through simulations performed in the Simulink software and its practical implementation in an ESP32 microcontroller.Vida operacional longa, alta resposta dinâmica e eficiência e maior relação torque-peso são características que fazem o motor BLDC ser atrativo para diversas aplicações, como veículos elétricos, drones e etc. Entretanto, devido a sua versatilidade o motor BLDC pode ser exposto a aplicações em que ocorram distúrbios de carga, perturbação súbita e variação de parâmetros, fazendo com que as técnicas de controle convencionais como controlador proporcional-integral-derivativo PID, não alcancem suas variáveis com precisão e agilidade. Para evitar esse inconveniente, o controlador PID pode ter o seu desempenho melhorado quando utilizado em conjunto com técnicas adaptativas que coletam dados do ambiente de operação do sistema e realizam ajustes baseados na condição em que ele se encontra de forma dinâmica minimizando falhas no sistema.Técnicas adaptativas baseadas em lógica difusa ou que utilizam funções Gaussianas podem ser uma alternativa para esse impasse.Porém, a escolha dos parâmetros e variáveis de forma empírica são alguns obstáculos que o projetista enfrenta, requerendo do mesmo pleno conhecimento do comportamento do sistema ao qual serão aplicadas. Para isso o uso de um algoritmo de otimização metaheurística como o Particle Swarm Optimization (PSO) seria uma solução, esse algoritmo bio-inspirado busca em um universo complexo de múltiplas soluções melhor resultado para o dado problema. Tem-se como objetivo realizar neste trabalho a comparação entre diferentes técnicas de controle, como PID, Híbrido Fuzzy-PID e Híbrido Fuzzy-PID e GAPID otimizado pelo PSO para o controle de velocidade de um motor BLDC por meio de simulações realizadas no software Simulink e a sua implementação prática em um microcontrolador ESP32.Universidade Tecnológica Federal do ParanáPonta GrossaBrasilPrograma de Pós-Graduação em Engenharia ElétricaUTFPRCorrêa, Fernanda Cristinahttps://orcid.org/0000-0003-4907-0395http://lattes.cnpq.br/1495216809511536Corrêa, Fernanda Cristinahttps://orcid.org/0000-0003-4907-0395http://lattes.cnpq.br/1495216809511536Janzen, Frederic Conradhttps://orcid.org/0000-0001-8215-4510http://lattes.cnpq.br/9154035815097979Eckert, Jony Javorskihttp://orcid.org/0000-0002-5137-8041http://lattes.cnpq.br/5343034796494955Martins, Marcella Scoczynski Ribeirohttps://orcid.org/0000-0002-5716-4968http://lattes.cnpq.br/5212122361603572Castilho Neto, Carlos da Conceição2023-04-26T15:27:00Z2023-04-26T15:27:00Z2022-12-07info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCASTILHO NETO, Carlos da Conceição. Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motor. 2022. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2022.http://repositorio.utfpr.edu.br/jspui/handle/1/31216engAttribution-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:UTFPR2023-04-27T06:07:44Zoai:repositorio.utfpr.edu.br:1/31216Repositório InstitucionalPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestriut@utfpr.edu.br || sibi@utfpr.edu.bropendoar:2023-04-27T06:07:44Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false
dc.title.none.fl_str_mv Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motor
Técnicas adaptativas otimizadas por algoritmo bio-inspirado para o controle de um motor BLDC
title Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motor
spellingShingle Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motor
Castilho Neto, Carlos da Conceição
Sistemas difusos
Controladores PID
Otimização matemática
Programação heurística
Algorítmos
Motores elétricos
Fuzzy Systems
PID controllers
Mathematical optimization
Heuristic programming
Algorithms
Electric motors
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Engenharia/Tecnologia/Gestão
title_short Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motor
title_full Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motor
title_fullStr Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motor
title_full_unstemmed Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motor
title_sort Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motor
author Castilho Neto, Carlos da Conceição
author_facet Castilho Neto, Carlos da Conceição
author_role author
dc.contributor.none.fl_str_mv Corrêa, Fernanda Cristina
https://orcid.org/0000-0003-4907-0395
http://lattes.cnpq.br/1495216809511536
Corrêa, Fernanda Cristina
https://orcid.org/0000-0003-4907-0395
http://lattes.cnpq.br/1495216809511536
Janzen, Frederic Conrad
https://orcid.org/0000-0001-8215-4510
http://lattes.cnpq.br/9154035815097979
Eckert, Jony Javorski
http://orcid.org/0000-0002-5137-8041
http://lattes.cnpq.br/5343034796494955
Martins, Marcella Scoczynski Ribeiro
https://orcid.org/0000-0002-5716-4968
http://lattes.cnpq.br/5212122361603572
dc.contributor.author.fl_str_mv Castilho Neto, Carlos da Conceição
dc.subject.por.fl_str_mv Sistemas difusos
Controladores PID
Otimização matemática
Programação heurística
Algorítmos
Motores elétricos
Fuzzy Systems
PID controllers
Mathematical optimization
Heuristic programming
Algorithms
Electric motors
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Engenharia/Tecnologia/Gestão
topic Sistemas difusos
Controladores PID
Otimização matemática
Programação heurística
Algorítmos
Motores elétricos
Fuzzy Systems
PID controllers
Mathematical optimization
Heuristic programming
Algorithms
Electric motors
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Engenharia/Tecnologia/Gestão
description Long operating life, high dynamic response and efficiency, and higher torque-to-weight ratio make the BLDC motor attractive for several applications, such as electric vehicles, drones, etc. Due to its versatility, the BLDC motor can be exposed to applications in which load disturbances, sudden disturbances, and parameter variation occur, making conventional control techniques such as proportional-integral-derivative PID controller not reach its variables with precision and agility. To avoid this inconvenience, the PID controller can improve its performance when used in conjunction with adaptive techniques that collect data from the system’s operating environment and perform adjustments based on the condition it is in, dynamically minimizing system failures.Adaptive techniques based on fuzzy logic or Gaussian functions can be an alternative to this impasse. However, the choice of parameters and variables empirically are some obstacles that the designer faces, requiring full knowledge of the system’s behavior to which they will be applied. For this, using a metaheuristic optimization algorithm such as Particle Swarm Optimization (PSO) would be a solution, this bio-inspired algorithm searches in a complex universe of multiple solutions the best one for a given problem. This paper aims to compare different control techniques, such as PID, Hybrid Fuzzy-PID Hybrid Fuzzy-PID, and GAPID optimized by PSO for speed control of a BLDC motor, through simulations performed in the Simulink software and its practical implementation in an ESP32 microcontroller.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-07
2023-04-26T15:27:00Z
2023-04-26T15:27:00Z
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 CASTILHO NETO, Carlos da Conceição. Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motor. 2022. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2022.
http://repositorio.utfpr.edu.br/jspui/handle/1/31216
identifier_str_mv CASTILHO NETO, Carlos da Conceição. Adaptive techniques optimized by bio-inspired algorithm for the control of a BLDC motor. 2022. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2022.
url http://repositorio.utfpr.edu.br/jspui/handle/1/31216
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_ 1850498337947516928

Registros relacionados