Identificación en Lazo Cerrado y Ajuste de Reguladores Mediante Algoritmos Genéticos

Alberto Aguado

Cuba

Instituto de Cibernética, Matemática y Física

Aldo Cipriano

Chile

Pontificia Universidad Católica de Chile

Enviado: 14-09-2017

|

Aceptado:

|

Publicado: 09-01-2009

Datos de financiación

Descargas

Palabras clave:

Identificación en lazo cerrado de sistemas continuos, algoritmos genéticos, ajuste de parámetros de reguladores PID, modelo AC5A

Agencias de apoyo:

Esta investigación no contó con financiación

Resumen:

La identificación en lazo cerrado de sistemas continuos es un problema de optimización no lineal que resulta de difícil solución mediante métodos convencionales. En este trabajo se propone el uso de algoritmos genéticos (AG) para esta tarea y se muestra mediante simulaciones que los modelos obtenidos pueden reproducir fielmente el comportamiento de la planta, aun en el caso de sistemas inestables o que presentan algún tipo de no-linealidad. Estos modelos pueden utilizarse para el ajuste de parámetros de reguladores PID mediante un método también basado en AG, como se muestra en dos ejemplos: un sistema inestable en lazo abierto y otro de alto orden con retardo. La metodología propuesta se aplica también a la identificación del modelo AC5A de la IEEE para unidades de generación eléctrica, que incluye una no-linealidad del tipo saturación.
Ver más Ver menos

Citas:

Astrom K.J. y Hagglund T. (1984): Automatic tuning of simple regulators, Preprints 9th IFAC World Congress, pp. 267-272, Budapest, Hungary.

Back T. (1996): Evolutionary Algorithms in Theory and Practice, Oxford University Press, New York.

Baker E. (1987): Reducing bias and inefficiency in the selection algorithms, Proceedings of the Second International Conference on Genetic Algorithms, Grefenstette, Vol. 1, pp. 14-21.

Botero H.A., Ramírez J.M. (2005): A methodology for excitation systems identification, Proceedings International Conference on Industrial Electronics and Control Applications, ICIECA 2005.

Butcher J.C. (2002): The A-stability of methods with Padé and generalized Padé stability functions, Numerical Algorithms, 31(4), pp. 47-58.

Forssell U. y Ljung L. (1999): Closed-loop identification revisited, Automatica 35(7) pp. 1215-1241.

Goldberg E. (1989): Genetic Algorithms in Search Optimization and Machine Learning, Addison Wesley.

IEEE (1992): Recommended practice for excitation system models for power systems stability studies, IEEE Power Engineering Society, IEEE std 421.5.

Kundur P. (1994): Power System Stability and Control, McGraw-Hill Inc.

Ljung L. y Forssell U. (1999): An alternative motivation for the indirect approach to closed loop identification, IEEE Transactions of Automatic Control, AC-44(11) pp. 2206- 2209.

Michalewicz Z. (1996): Genetic Algorithms + Data Structures = Evolution Program, Springer series Artificial Intelligence, 3rd edition, Springer.

Mohamed vall O.M. y Radhi M. (2005): Using Genetic Algorithms in Closed Loop Identification of the Systems with Variable Structure Controller, Proceedings of Word Academy of Sciences, Engineering and Technolog, vol 7, pp 1307-1311.

Muhlenbein H. y Schlierkamp V. D. (1993): Predictive models for the breeder genetic algorithm in continuous parameter optimization, Evolutionary Computation, The MIT Press 1(1), pp. 25.

Smith C.L. (1972): Digital Computer Process Control, Intext Educational Publishers, San Francisco.

Van den Hof P.M.J. (1998): Closed-loop issues in system identification, Annual Reviews in Control, Vol. 22 pp. 173-186.

Whorton M.S. (2004): Closed Loop System Identification with Genetic Algorithms, Preprints of the AIAA Guidance, Navigation and Control Conference and Exhibit, pp 16-19, Providence Rhode Island.

Yuan Y.H. y Chuan-Sheng, S.L (1996): Experience with identification and tuning of excitation system parameters at the second nuclear plant of Taiwan Power Company, IEEE Transaction on Power Systems, 11(2) pp. 747-753.

Ver más Ver menos