Académique Documents
Professionnel Documents
Culture Documents
s
2
+ K
P
s + K
I
s
O
= Ganho Proporcional;
nde,
K
P
= Ganho Integral; K
I
K
= Ganho Derivativo.
1.4.1 Necessidade de Ajuste de Parmetros
A sintonia satisfatria do controlador PID de fundamental
importncia para evitar que nas proximidades de seu ponto de
operao o sistema se torne instvel devido a um mau ajuste
de seus parmetros. Sendo assim, tcnicas inteligentes como
o uso de softwares para aperfeioar a sintonia se torna
essencial.
2. PRELIMINARES
2.1 Populao Inicial
A populao inicial para este AG foi obtida de forma
aleatria respeitando os limites dos parmetros do PID no
intervalo [0,10] utilizando a funo rand( ) do Matlab. O
tamanho da populao inicial foi fixado em 50 por motivos
de ordem experimental.
2.2 Operadores
2.2.1 Reproduo
O operador de reproduo foi sintetizado baseado nos dois
princpios citados na introduo. Primeiramente a avaliao
de desempenho de cada elemento; os elementos que tivessem
ndice de desempenho calculado a partir da funo
adequabilidade menor ou igual ao dobro do menor ndice
seriam mantidos na populao. Posteriormente, para
preencher as lacunas deixadas no primeiro processo, cpias
dos elementos selecionados anteriormente foram criadas de
forma aleatria, ou seja, nenhum elemento foi priorizado
aps a seleo; para tal foi utilizada a funo randi( ).
2.2.2 Recombinao
Uma forma eficiente de emular a recombinao com nmeros
reais selecionar de forma aleatria dois indivduos da
populao e, em uma probabilidade pr-definida da ordem de
60% a 80%, aplic a ar estes a relao:
X
un
= X
u
(o) +X
b
(1 -o)
X
bn
= X 1 -o)
b
(o) +X
u
(
u < o < 1
Sendo X
u
e X
b
os indivduos selecionados para a
recombinao e X
un
e X
bn
os descendentes resultantes da
recombinao. O fator o selecionado de forma aleatria.
2.2.3 Mutao
Dois operadores de mutao foram desenvolvidos. Ambos
foram baseados numa simples multiplicao de um fator
prximo unidade. Assim:
X [ X
n
= .
u,7 < [ < 1 ,S
Sendo X um indivduo qualquer e X
n
o resultado da mutao
deste indivduo. A aplicao deste operador tem baixa
probabilidade como citado na introduo; da ordem de 0,3%
a 0,5 %. A diferena dos operadores de mutao so que um
executa o operador simultaneamente para os parmetros Kp,
Ki e Kd do PID, o outro opera cada parmetro de forma
individual; ou seja, o primeiro, se dentro da probabilidade,
aplica o operador aos trs parmetros de mesmo grupo na
populao (mesma linha da matriz), o outro pode aplicar a
um parmetro isolado e outro, de mesma linha, no.
2.2.4 Funes Adequabilidade
Os critrios de desempenho utilizados como funes de
adequabilidade foram:
I
I1AL
= _ t|c(t)|
1
0
Jt
I
IAL
= _ |c(t)|
1
Jt
0
I
IS
= _ c
2
(t)
1
Jt
L
0
I
MSL
=
1
n
(c(t))
2
n
=1
2.3 Processo a ser controlado
O processo escolhido para ser controlado foi um motor CC de
funo r sferncia: de t an
0(s)
I(s)
=
K
I
u
[s
3
+(R
u
[ +BI
u
)s
2
+(K
2
+R
u
B)s
O
= Indutncia da armadura;
nde,
I
u
= Resistncia da armadura; R
u
= Constante do motor; K
= Momento de inrcia; [
B = Frico Mecnica.
Os valores nominais dos parmetros do motor CC escolhido
o: s
= 0,025 H; I
u
= 5 ; R
u
= 0,9; K
= 0,042 kg.m
2
; [
B = 0,01625 N.
Desta for odelo do motor fica: ma, o m CC
0(s)
I(s)
=
u,9
u,uu1uSs
3
+u,21u4s
2
+u,891Ss
3. RESULTADOS
Ao executar o AG utilizando os critrios de desempenho
citados anteriormente, aps 10 geraes, foram obtidas as
seguintes curvas:
0 1 2 3 4 5 6 7 8 9 10
0
0.2
0.4
0.6
0.8
1
1.2
Tempo (s)
n
g
u
l
o
(
r
a
d
)
Resposta ao degrau unitrio
(Sistema com PID otimizado)
IAE
ISE
MSE
ITAE
Resposta ao degrau para os parmetros calculados por cada
funo adequabilidade
ITAE
(1,3673)
IAE
(2,0510)
ISE
(1,0283)
MSE
(0.0034)
K
P
9,9486 9,0962 10,0000 9,5300
K
I
8,0046 0,1294 2,9080 9,2346
K
D
2,4915 6,0218 9,4882 8,8747
Parmetros do PID cada funo adequabilidade e valores
mnimos de cada funo
4. CONCLUSO
O uso de Algoritmo Gentico para sintonia de controladores
PID uma boa opo, visto que os resultados obtidos com os
algoritmos foram bastante satisfatrios. Outra virtude do AG
ele possuir um grande poder de avaliao e otimizao
utilizando conceitos e ferramentas simples e de fcil acesso.
A implementao de AG em outras plataformas diferentes do
Matlab no um grande desafio.
REFERNCIAS
B.Nagaraj, B.Rampriya and A.N. Other (2008). Tuning
Algorithms for PID Controller Using Soft Computing
Techniques. In: IJCSNS International Journal of
Computer Science and Network Security , 278-
281.
Griffin, Ian. (2003). On-line PID Controller Tuning using
Genetic Algorithms.
Ribeiro, Jos Luiz (1996). Tutorial Algoritmos Genticos. III
Simpsio Brasileiro de Redes Neurais.