Neste projecto foi elaborada uma aplicação informática em ambiente Matlab e Simulink que permite sintonizar algoritmos do tipo PID. A técnica de optimização estudada foi o PSO. O algoritmo foi implementado e testado na optimização de funções estáticas padrão e posteriormente adaptado para sintonizar o controlador PID. O método de avaliação utilizado foi o ITAE (Integral of Time the Absolute of the Error).
O algoritmo foi testado num conjunto significativo de processos. Para cada processo seleccionado foram alteradas os parâmetros do modelo correspondente bem como as definições do PSO, nomeadamente o tamanho da população utilizada. Tendo em consideração que alguns dos processos seleccionados não são os mais adequados a serem controlados por controladores simples como o PID, os resultados obtidos são bons. O algoritmo foi testado na optimização da resposta dos sistemas no seguimento de um sinal unitário na referência, com e sem ruído aplicado, bem como na rejeição de uma perturbação em degrau aplicada à saída controlada. O algoritmo mostrou uma boa imunidade ao ruído indicando a sua robustez para aplicação em processos reais. Também nos testes de comparação efectuados com outras técnicas como a de Cohen- Coon e do óptimo ITAE os resultados obtidos com o PSO foram de uma forma geral sempre superiores.
Foi também implementado uma variante do algoritmo de optimização por bando de partículas para problemas multi-objectivo (MOPSO). A técnica MOPSO implementada foi testada num conjunto de funções teste padrão e depois na sintonia do controlador PID considerando dois objectivos de projecto: i) o seguimento do sinal de referência e ii) rejeição de perturbações na saída do sistema a controlar. Os resultados obtidos são promissores, indicando que o MOPSO utilizado consegue encontrar as frentes não dominadas de Pareto com relativa facilidade.
Conclusão e Trabalho Futuro
124
Como trabalho futuro sugerem-se os dois pontos seguintes:
Considerar mais do que dois objectivos de projecto. A complexidade da optimização aumenta significativamente com o aumento do número de objectivos. Outros objectivos de projecto relevantes no projecto de controladores PID podem ser utilizados tais como: o tempo de crescimento, a sobre-elongação, margens de ganho e fase, etc.
Melhorar a técnica MOPSO utilizada, testando novos algoritmos que permitam a selecção das partículas guias de entre o conjunto de soluções não dominadas guardadas no arquivo.
Um ponto importante deixado em aberto é a validação dos resultados em sistemas reais, pretendendo-se que as propostas de trabalho referidas sejam implementadas e ensaiadas na modelação e controlo ambiental de estufas ou num simulador laboratorial de processos.
125
2008
Referências
[Abido, 2007] M. A. Abido, Two-Level of Nondominated Solutions Approach to Multiobjective Particle Swarm Optimization GECCO’07, July 7–11, 2007, London, England, United Kingdom. Copyright 2007 ACM
[Alvarez et al., 2005] Julio E. Alvarez-Benitez, Richard M. Everson, and Jonathan E. Fieldsend. A MOPSO algorithm based exclusively on pareto dominance concepts. In Third International
Conference on Evolutionary Multi-Criterion Optimization, EMO 2005., pages 459–473,
Guanajuato, Mexico, 2005. LNCS 3410, Springer-Verlag.
[Åström et al., 2002] Åström K.J. and Wallén A., Pulse step control
In Proceedings 15th IFAC World Congress, Barcelona, Spain, January 2002.
[Balling, 2003] Richard Balling. The maximin fitness function;
multiobjective city and regional planning. In Carlos M. Fonseca, Peter J. Fleming, Eckart Zitzler, Kalyanmoy Deb, and Lothar Thiele, editors, Second International Conference on
Evolutionary Multi-Criterion Optimization, EMO 2003, pages 1–15, Faro, Portugal, April
2003.
[Bergh et al, 2002] F. Van den Bergh and A.P. Engelbrecht. A new locally convergent particle swarm optimizer. In
Proceedings of IEEE International Conference on Systems, Man, and Cybernetics 2002 (SMC 2002), pp. 96-101, 2002.
[Clerc e Kennedy, 2001] Clerc, M. e Kennedy, J. (2001). The particle
swarm: Explosion, stability and convergence.
IEEE Journal of Evolutionary Computation
[Coello e Lechunga, 2002] C.A.C. Coello and M.S. Lechunga. MOPSO: A
Proposal for Multiple Objective Particle Swarm Optimization.In Proceedings of the 2002
Congess on Evolutionary Computation, part of
the 2002 IEEE World Congress on
Referências
126
Hawaii, May 12-17, 2002. IEEE Press.
[Coelho et al., 2002] C.A.C. Coello and D.A.V. Veldhuizen and G.B.
Lamont. Evolutionary Algorithms for solving
Multi-Objective Problems. Klumer Academic
Publishers , New York, May 2002
[Coelho, 2003] J.P. Coelho, P.B. de Moura Oliveira e J.
Boaventura Cunha “Estudo Comparativo de Técnicas para Modelação e Previsão de Séries Temporais” Dissertação Mestrado. Junho 2003 UTAD
[Cohen e Coon, 1953] Cohen,G.H. and Coon,G.A(1953) Theoretical
consideration of retarded control. Trans. ASME, 75,pp 827-834
[Chow e Tsui, 2004] Chi-kin Chow and Hung-tat Tsui. Autonomous
agent response learning by a multi-species particle swarm optimization. CEC2004 volume 1 , pages 778-785, USA June 2004 IEEE Service Center
[Oliveira et al., 2002] P. B. de Moura Oliveira, J. Boaventura Cunha e
J.P. Coelho (2002). “Please No More PID Tuning Rules”, Controlo 2002, 5ª Conferência Portuguesa de Controlo Automático, p.p. 126- 131, Aveiro– Portugal
[De Moura Oliveira, 2005] De Moura Oliveira, P. B., (2005), “Modern Heuristics Review for PID Control Systems Optimization: a Teaching Experiment”, IEEE International Conference on Control and Automation (ICCA2005), pp.828-833, Junho, Budapeste, Hungria
[Deb et al., 2000] K. Deb, S. Agrawal, A. Pratap, and T.
Meyarivan. A Fast Elitist Non-Dominated Sorting Genetic Algorithm for Multi-Objective Optimization: NSGA-II. In Proceedings of
Parallel Problem Solving from Nature - PPSN
VI, pp 849-858. Springer, 2000.
[Deb, 2001] K. Deb, Multi-objective Optimization Using
Referências
127 (2001).
[Deb et al., 2002] K. Deb, A. Pratap, S. Agarwal, and T. Meyarivan. “A fast and elitist multiobjective
genetic algorithm: NSGA–II.” IEEE
Transactions on Evolutionary Computation,
6(2):182–197, April 2002.
[Everson et al., 2002] R.M. Everson, J.E. Fieldsend, and S. Singh. Full Elite Sets for Multi-Objective Optimisation. In I.C. Parmee, editor, Adaptive Computing in Design and Manufacture V, pages 343-354. Springer, 2002.
[Esmin et al., 2005] A. A. A. Esmin, G. L. Torres, A. C. Z. Souza, Estudo de Aplicação do Algoritmo de Otimização por Enxame de Partícula na Resolução de Problemas de Otimização Ligados ao SEP, Universidade Federal de ITajubá – UNIFEI Estado de Minas Gerais – Brasil, April, 2005
[Fieldsend e Singh, 2002] J.E. Fieldsend and S. Singh. A Multi-Objective Algorithm based upon Particle Swarm Optimisation, an Efficient Data Structure and Turbulence. In Proceedings of UK Workshop on
Computational Intelligence (UKCI'02), pages
37-44, Birmingham, UK, Sept. 2-4, 2002.
[Fielsend et al., 2003] J.E. Fieldsend, R.M. Everson, and S. Singh. Using Unconstrained Elite Archives for Multi- Objective Optimisation. IEEE Transactions on Evolutionary Computation, 7(3):305-323, 2003.
[Fogel et al, 1966] Fogel, L., Owens, A. e Walsh, M. (1966).
Artificial intelligence through simulated evolution. John Wiley.
[Fonseca et al., 2004] M.O. Fonseca, C.S. Filho and B.S. Torres, “Avaliação de Desempenho e Auditoria de Malhas de Controle”. InTech Brasil, 63, 32-37 (2004).
[Goldberg et al., 1987] D. E. Goldberg and J. Richardson. Genetic algorithms with sharing for multimodal function optimization. In Proceedings of the Second
International Conference on Genetic
Algorithms, pages 41–49. Lawrence Erlbaum
Referências
128
[Goldberg, 1989] D.E. Goldberg, (1989). Genetic algorithms in
search, optimization and machine learning.
Addison-Wesley.
[Herros et al., 2001] A. Herreros, E. Baeyens and J. R. Pera “Design of PID-type controllers using multiobjective genetic algorithms”
Instituto de las Tecnologı´as Avanzadas de la Produccio´n, ETSII. University of Valladolid, Paseo del Cauce, s/n Valladolid, Spain 47011, 2001.
[Hoffmeyer, 1991] Hoffmeyer, J.(1992). Some semiotic aspects of
the psycho-physical relation: the
endoexosemiotic boundary. Sebeok T. e Umiker-Sebeok J. Editores, Biosemiotics: the semiotix web 1991, pp101-123. Berlin: Mounton de Gruyter.
[Holland, 1975] Holland, J.H. (1975). Adaptation in natural
artificial systems. Ann Arbor, MI: University of
Michigan Press.
[Hu e Eberhart, 2002] X. Hu and R. Eberhart. Multiobjective
Optimization Using Dynamic Neighborhood Particle Swarm Optimization. In Proceedings of
the 2002 Congress on Evolutionary
Computation, part of the 2002 IEEE World Congress on Computational Intelligence,pages 1677-1681 IEEE
[Hu e Eberhart, 2003] X. Hu and R. Eberhart. Particle Swarm Optimization with extended memory for multiojective optimization. In Proceedings of
the 2003 IEEE Swarm Intelligence Symposion, pages 193-197,USA, April 2003 IEEE
[Kiong et al., 1999] Tan Koh Kiong, Wang Qing-Guo,Hang Chan
Chieh:Advances in PID Control, (1999)
[Li, 2004] Xiaodong Li. Better spread and convergence:
Particle swarm multiobjective optimization using the maximin fitness function. In Kalyanmoy Deb et al., editor, Proceedings of
the Genetic and Evolutionary Computation Conference (GECCO’2004), pages 117–128,
Referências
129
Verlag, Lecture Notes in Computer Science Vol. 3102.
[Liu et al., 2002] G.P. Liu, J.F. Whiborne and G.R. Duan, “Multiobjective Design Using Various control
Techeniques”2002 IEEE international
Symposium on Computer Aided Control SystemDesign Proceedings September 18-20, 2002 Glasgow,Scotland,U.k.
[Løvbjerg et al., 2001] M. Løvbjerg, T. K. Rasmussen, and T. Krink. Hybrid Particle Swarm Optimiser with Breeding and Subpopulations. In Proceedings of the
Genetic and Evolutionary Computation
Conference (GECCO), San Francisco, USA,
2001
[Mendes et al., 2004] R. Mendes, J. Kennedy, and J. Neves The Fully Informed Particle Swarm: Simpler, Maybe Better, IEEE Transactions on Evolutionary Computation, vol. 8, June 2004
[Moore e Chapman, 1999] Jacqueline Moore and Richard Chapman.
Aplication of particle swarm to multiobjective optimization. Departmente of computer Science and Software Engineering, Auburn University
[Mostaghim e Teich, 2003] Sanaz Mostaghim and J¨urgen Teich. Strategies for finding good local guides in multi-objective particle swarm optimization (MOPSO). In
Proceedings of the 2003IEEE Swarm
Intelligence Symposium, pages 26–33,
Indianapolis,Indiana, USA, April 2003. IEEE
[Mostaghim e Teich, 2003b] Sanaz Mostaghim and J¨urgen Teich. The role of "-dominance in multi objective particle swarm optimization methods. In Congress on
Evolutionary Computation (CEC’2003), volume
3, pages 1764–1771, Canberra,Australia, December 2003. IEEE Press.
[Mostaghim e Teich, 2004] Sanaz Mostaghim and J¨urgen Teich. Covering paretooptimal fronts by subswarms in multi- objective particle swarm optimization. In
Congress on Evolutionary Computation
(CEC’2004), volume 2, pages 1404–1411,
Portland, Oregon, USA, June 2004. IEEE Service
Referências
130
[Mostaghim et al. 2007] Sanaz Mostaghim, Jürgen Branke, and Hartmut
Schmeck. Multi-Objective Particle Swarm Optimization on Computer Grids, GECCO’07,
July 7–11, London, England, United
Kingdom,2007
[Parsopoulos e Vrahantis, 2002] K.E. Parsopoulos and M.N. Vrahatis. Particle Swarm Optimization Method in Multiobjective Problems. In Proceedings of the 2002 ACM Symposium on Applied Computing (SAC 2002), pp 603-607, 2002.
[Pires, 2005] E.J.S. Pires, J.A.T. Machado e J.P.B. M.
Oliveira. Uma Perspectiva Evolutiva dos Sistemas Robóticos. Tese doutoramento UTAD, pp 171-191 June 2005
[Kennedy e Eberhart, 1995] Kennedy, J. e Eberhart, R.C. (1995). Particle
Swarm Optimization. Actas de1995 IEEE Int. Conference on Neural Networks, Perth, Austrália, pp.1942-1948
[Kennedy e Eberhart, 2001] Kennedy, J. e Eberhart, R.C. (2001). Swarm
Intelligence. Academic Press.
[Kennedy, 1997] Kennedy J. (1997). The Particle Swarm: Social
Adaptation of Knowledge. Proc. of the 1997
IEEE Int. Conference on Evolutionary Computation, pp. 303-308.
[Rechenberg, 1965] Rechenberg, L. (1965). Cybernetic solution path
of an experiment problem. Royal Aircraft
Establishment Translation nº 1122, B. F. Toms, Trans.
[Reeves, 1983] Reeves , W. T., (1983) Particle Systems- A
Technique for Modelling a class of Fuzzy Objects, ACM Transactions on Graphics. 2(2), Abril, pp 359-376.
[Reynolds, 1987] Reynolds, C. W. (1987). Flocks, herds and
Referências
131
Computer Graphics. 21(4): 25-34
[Ricardo Poli, 2007] Poli, R. (2007) Analysis of the Publications on
the Applications of Particle Swarm
Optimization. Review Article. Volume 2008 Article ID 685175, 10 pages
[Selvan Swarm, 2003] S. Easter Selvan, Sethu Subramanian, S. Theban
Solomon “Novel Technique for PID Tuning by Particle Swarm Optimization”
[Shi e Eberhart, 1998] Shi Y. e Eberhart, R. C. (1998). Parameter
selection in particle swarm optimisation.
Evolutionary Programming VII, Lecture Notes in Computer Science 1447, pp. 591-600, Springer Verlag.
[Toscano e Carlos, 2003] Gregorio Toscano Pulido and Carlos A. Coello Coello.The micro genetic algorithm 2: Towards online adaptation in evolutionary multiobjective optimization. In Carlos M. Fonseca, Peter J. Fleming, Eckart Zitzler, Kalyanmoy Deb, and Lothar Thiele, editors, SecondInternational
Conference on Evolutionary Multi-Criterion Optimization, EMO 2003, pages 252–266, Faro,
Portugal, April 2003. Springer. Lecture Notes in Computer Science. Volume 2632.
[Zhang et al., 2003] L.B. Zhang, C.G. Zhou, X.H. Liu, Z.Q. Ma, and
Y.C.Liang. Solving multi objective optimization problems using particle swarm optimization. In
Congress on Evolutionary Computation
(CEC’2003), volume 3, pages 2400–2405,
Canberra, Australia, December 2003. IEEE Press.
[Ziegler and Nichols, 1942] E. Ziegler, and N.B, Nichols (1942) Optimum Settings for automatic controllers. Trans. ASME,64,759-768
[Zitzler, 1999] E. Zitzler. Evolutionary Algorithms for
Multiobjective Optimization: Methods and Applications. PhD thesis, Swiss Federal Institute of Technology Zurich (ETH), 1999.
Referências
132
Diss ETH No. 13398.
[Zitzler et al., 2000] E. Zitzler, K. Deb and L. Thiele Comparison of Multiobjective Evolutionary Algorithms: Empirical Results Evolutionary Computation 8(2000) 173-193
[Zitzler et al., 2001] E. Zitzler, M. Laumanns, and L. Thiele. SPEA2: Improving the Strength Pareto Evolutionary Algorithm. Technical Report TIK-Report 103, Swiss Federal Institute of Technology Zurich (ETH), May 2001.
[Zitzler et al., 2002] E. Zitzler, K. Deb, and L. Thiele. Comparison of Multiobjective Evolutionary Algorithms: Empirical Results. Evolutionary Computation, 8(2):173-195, 2000.
Referências
133
Bibliografia
J. Pereira, P. Oliveira e J. Boaventura, “Projecto Evolutivo de Controladores Industriais”Projecto final de curso Eng.ª Electrotécnica. UTAD, 2007
E. Pires, J. Machado, P. Oliveira “Uma Perspectiva Evolutiva de Sistemas Robóticos” Tese Doutoramento UTAD, 6 de Junho 2005
W. Ticona e Z. Lian “Aplicação de algoritmos genéticos Multi-objectivo para alinhamento de sequências Biológicas” ICMC-USP Fevereiro 2003
Coelho, L.S. & A.A.R. Coelho. “Algoritmos Evolutivos em Identificação e Controle de Processos: uma Visão Integrada e Perspectivas”. SBA Controle & Automação
Vol. 10 no. 01 / Jan., Fev., Mar, Abril de 1999.
ÄSTRÖM, K.; HÄGGLUND, T. PID Controlers: Theory, Design and Tuning. Nova York: Editora ISA, 2nd Edition, 1992.
João Paulo Coelho, P. B. de Moura Oliveira e J. Boaventura Cunha “Estudo Comparativo de Técnicas para Modelação e Previsão de Séries Temporais” Dissertação Mestrado. UTAD,2002
Russell C. Eberthart, Roy W. Dobbins and Patrick K. Simpson (1996), Computational Intelligence PC Tools.
James Kennedy, Russ Eberhart, Yuhui shi (2002), Swarm Intelligence.
Birge, B., 2003, PSOt, A Particle Swarm Optimization Toolbox for Matlab,IEEE Swarm Intelligence Symposium Proceedings, April 24-26
Wesam ELSHAMY (wesamelshamy@yahoo.com) Electrical Engineering Dept., Faculty of Engineering Cairo University, Egypt
Referências
134 Dr Xiaohui Hu, PSO Bibliography
"http://www.swarmintelligence.org/bibliography.php" (Visitada a 03/05/2008)
Dr Xiaohui Hu (2000), Particle Swarm Optimization
"http://www.swarmintelligence.org" (Visitada a 03/05/2008)
Particle Swarm Central (2006)
"http://www.particleswarm.info" (Visitada a 03/05/2008) Dr. Yuhui Shi (2006), Particle Swarm Optimization
"htpp://www.engr.iupui.edu/~shi/pso.html" (Visitada a 03/05/2008) http://www.swarmintelligence.org/xhu.php (Visitada a 03/05/2008) http://www.funceme.br/revistaeletronica/724.pdf (Visitada a 03/05/2008) http://www.produtronica.pucpr.br/publico/ppgeps/conteudo/dissertacoes/pdf/CezarSiera kowski.pdf (Visitada a 03/05/2008) http://www.ppgia.pucpr.br/~soares/cursos/recpad2/public/CE005.pdf Xiaohui Hu, “Particle Swarm Optimization”, (Visitada a 03/05/2008) http://www.swarmintelligence.org/index.php
http://en.wikipedia.org/wiki/Particle_Swarm_Optimization (Visitada a 03/05/2008)
Maurice Clerc, “Discrete Particle Swarm Optimization Illustrated by the Traveling Salesman Problem”, (Visitada a 03/05/2008)
http://clerc.maurice.free.fr/pso/pso_tsp/Discrete_PSO_TSP.htm
Maurice Clerc, “Discrete Particle Swarm Optimization: A Fuzzy Combinatorial Black Box”, (Visitada a 03/05/2008)