Redução do custo computacional na síntese de controladores PI multivariáveis utilizando algoritmo evolutivo combinado com redes neurais

• Ano de defesa: 2020
• Autor(a) principal: Negreiro, Vitor Vidal de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Centro Federal de Educação Tecnológica de Minas Gerais / Universidade Federal de São João del-Rei; Programa de Pós-Graduação em Engenharia Elétrica; Brasil; CEFET-MG / UFSJ
• Palavras-chave em Português: Controladores PI; Redes neurais (Computação); Otimização multiobjetivo
• Link de acesso: https://repositorio.cefetmg.br/handle/123456789/365

A síntese de controladores PI multivariáveis por meio de otimização é uma estratégia efetiva e que tem sido amplamente testada graças à grande variedade de algoritmos disponíveis. Esse processo tem como etapas fundamentais a modelagem do problema a ser otimizado e a escolha do método de otimização aplicado. A escolha da função objetivo tem reflexos no custo computacional e nas características do sistema em malha fechada obtido. O método de otimização, por sua vez, impacta na capacidade de se encontrar ou não uma solução satisfatória em tempo computacional aceitável. Este trabalho apresenta uma variante do método Evolução Diferencial que lança mão de redes neurais artificiais para reduzir o custo computacional do processo de síntese de controladores PI multivariáveis. O algoritmo é testado com funções de benchmark clássicas da área de otimização para sua validação e estudo. Dois sistemas típicos da área de controle, ambos com múltiplas entradas e saídas e atrasos de transporte são usados como exemplos para sintonia de controladores pelo método Evolução Diferencial clássico e pela nova versão. Os resultados mostram os benefícios e pontos de atenção em relação ao método proposto, além de comparar, como objetivo secundário, o impacto da utilização de funções objetivo baseadas em normas de sistemas e de sinais no procedimento de síntese. O método proposto diminui o número total de cálculos da função objetivo, reduzindo o custo computacional do processo de otimização. Em contrapartida, observou-se uma maior variância e menor taxa de convergência do algoritmo modificado. As funções objetivo baseadas em normas de sinais apresentam o melhor desempenho de controle, enquanto funções objetivo baseadas em normas de sistemas apresentam menor custo computacional.