Otimização por enxame de partículas aplicado em controladores PI

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorJeronymo, Daniel Cavalcanti-
Autor(es): dc.contributorAssunção, Wesley Klewerton Guêz-
Autor(es): dc.contributorJeronymo, Daniel Cavalcanti-
Autor(es): dc.contributorOliveira, Maurício Zardo-
Autor(es): dc.contributorOyamada, Marcio Seiji-
Autor(es): dc.creatorRoncaglio, Mateus Maruzka-
Data de aceite: dc.date.accessioned2025-08-29T12:30:20Z-
Data de disponibilização: dc.date.available2025-08-29T12:30:20Z-
Data de envio: dc.date.issued2024-10-29-
Data de envio: dc.date.issued2024-10-29-
Data de envio: dc.date.issued2020-12-02-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/35279-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1096601-
Descrição: dc.descriptionThis final work presents a study and implementation of a stochastic optimization population based algorithm, known as Particle Swarm Optimization (PSO). The optimization's target is a PID control system, simulated in Python language. This choice was made because of the popularity of PID control in the industry. Therefore, the algorithm must find the proportional and integrative gains of a discrete-time PI controller. The solutions were evaluated using the quality indicators Integral Squared Error (ISE), Integral of absolute error (IAE), Integral of time-weighted error (1TAE) and Total Variation Control (TVC) using as case study a fourth order linear time-invariant process. The results show a improvement in the transient response compared to the classical methods.-
Descrição: dc.descriptionEste trabalho de conclusão de curso apresenta o estudo e implementação de um algoritmo estocástico de otimização baseado em inteligência de enxames, a metaheurística Otimização por Enxame de Partículas (Particle Swarm Optimization - PSO). Como alvo da otimização, utilizouse a estratégia de controle PID, simulado em linguagem Python, dado que este método é o mais popular em controle de sistemas. A facilidade de implementação e desempenho satisfatório em diversas situações e problemas, são influenciadores diretos na sua popularidade e ampla utilização na indústria. Portanto, como alvo da otimização, deseja-se encontrar os ganhos Kp e Ki, de um controlador PI discreto, que forneçam o desempenho ótimo, relativo à indicadores de qualidade, como ISE (Integral Squared Error), IAE (Integral of Absolute Error), ITAE (Integral of Timeweighted Error) e TVC (Total Variation Control), relacionados ao controle de um processo com dinâmica linear de quarta ordem. Como resultado da otimização, obteve-se melhorias na resposta transitórias em relação aos métodos IMC e Ziegler-Nichols. Além disso, mesmo não sendo o foco da otimização, a estabilidade e robustez do sistema aproximou-se ao do método IMC.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherToledo-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia Eletrônica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectPython (Linguagem de programação de computador)-
Palavras-chave: dc.subjectSistemas lineares-
Palavras-chave: dc.subjectControle automático-
Palavras-chave: dc.subjectPython (Computer program language)-
Palavras-chave: dc.subjectLinear systems-
Palavras-chave: dc.subjectAutomatic control-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Título: dc.titleOtimização por enxame de partículas aplicado em controladores PI-
Título: dc.titleParticle swarm optimization applied to PI control-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.