Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/25060
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Itaborahy Filho, Marco Antonio | - |
dc.date.accessioned | 2021-05-27T21:17:44Z | - |
dc.date.available | 2021-05-27T21:17:44Z | - |
dc.date.issued | 2021-03-12 | - |
dc.identifier.citation | ITABORAHY FILHO, Marco Antonio. Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter. 2021. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2021. | pt_BR |
dc.identifier.uri | http://repositorio.utfpr.edu.br/jspui/handle/1/25060 | - |
dc.description.abstract | The objective of this work is to realize a comparative study of which bio-inspired metaheuristic strategies are the best to be used when finding the optimal gains for a Gaussian Adaptive PID control system applied to a Buck Converter. This comes from two necessities, the first one is that to surpass the performance of linear control systems a more advanced strategy such as adaptive control is required; the second is that since there are no deterministic optimization methods for such strategies, the use of metaheuristics is deemed necessary, and according to the No Free Lunch theorem such comparative studies ought to be made to understand what optimization techniques ares better suitable for such a problem. The chosen techniques were the Genetic Algorithm, the Particle Swarm Optimization and the Differential Evolution. The Gaussian function is employed as the adaptive rule because it is a smooth curve with smooth derivatives that avoids the potential of chattering and abrupt control changes. After evaluating the responses found from simulating all variations of each of the optimization strategies we were able to create an analytical and statistical comparison of each technique and show how an adaptive control system can create a faster and more robust response when compared to the linear PID. | pt_BR |
dc.language | eng | pt_BR |
dc.publisher | Universidade Tecnológica Federal do Paraná | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights | Attribution-NonCommercial-ShareAlike 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | * |
dc.subject | Controladores PID | pt_BR |
dc.subject | Algorítmos genéticos | pt_BR |
dc.subject | Heurística | pt_BR |
dc.subject | PID controllers | pt_BR |
dc.subject | Genetic algorithms | pt_BR |
dc.subject | Heuristic | pt_BR |
dc.title | Bio-inspired optimization algorithms applied to the GAPID control of a Buck converter | pt_BR |
dc.title.alternative | Algoritmos de otimização bio-inspirados aplicados ao controle de um conversor Buck | pt_BR |
dc.type | masterThesis | pt_BR |
dc.description.resumo | O objetivo deste trabalho é criar um estudo comparativo de quais estratégias metaheurísticas bioinspiradas podem ser as melhores para otimizar os ganhos ótimos de um sistema de controle PID Adaptativo Gaussiano para um Conversor Buck. Isso vem de duas necessidades, a primeira é que para superar o desempenho dos sistemas de controle linear é necessária uma estratégia mais avançada como o controle adaptativo; a segunda é que como não existem métodos de otimização determinísticos para tais estratégias, o uso de metaheurísticas é considerado necessário, e de acordo com o teorema do No Free Lunch tais estudos comparativos devem ser feitos para entender quais técnicas de otimização são mais adequadas para tal problema. As técnicas escolhidas foram o Algoritmo Genético, a Otimização do Enxame de Partículas e a Evolução Diferencial. O Gaussian Adaptive PID (GAPID) foi escolhido para o controle adaptativo por ser ser baseado na função Gaussiana, que é uma curva suave com derivadas suaves que evita vibrações e mudanças bruscas no controle. Depois de avaliar as respostas encontradas na simulação de todas as variações de cada uma das estratégias de otimização, foi criada uma comparação analítica e estatística de cada técnica mostrando como um sistema de controle adaptativo pode gerar uma resposta mais rápida e robusta quando comparado ao PID linear. | pt_BR |
dc.degree.local | Ponta Grossa | pt_BR |
dc.publisher.local | Ponta Grossa | pt_BR |
dc.creator.ID | https://orcid.org/0000-0002-3967-5326 | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/5904590772310824 | pt_BR |
dc.contributor.advisor1 | Kaster, Mauricio dos Santos | - |
dc.contributor.advisor1ID | https://orcid.org/0000-0002-7687-1297 | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/5494434934031784 | pt_BR |
dc.contributor.advisor-co1 | Siqueira, Hugo Valadares | - |
dc.contributor.advisor-co1ID | https://orcid.org/0000-0002-1278-4602 | pt_BR |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/6904980376005290 | pt_BR |
dc.contributor.referee1 | Kaster, Mauricio dos Santos | - |
dc.contributor.referee1ID | https://orcid.org/0000-0002-7687-1297 | pt_BR |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/5494434934031784 | pt_BR |
dc.contributor.referee2 | Trojan, Flavio | - |
dc.contributor.referee2ID | https://orcid.org/0000-0003-2274-5321 | pt_BR |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/1688457940211697 | pt_BR |
dc.contributor.referee3 | Martins, Marcella Scoczynski Ribeiro | - |
dc.contributor.referee3ID | https://orcid.org/0000-0002-5716-4968 | pt_BR |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/5212122361603572 | pt_BR |
dc.contributor.referee4 | Parpinelli, Rafael Stubs | - |
dc.contributor.referee4ID | https://orcid.org/0000-0001-7326-5032 | pt_BR |
dc.contributor.referee4Lattes | http://lattes.cnpq.br/4456007001373501 | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Elétrica | pt_BR |
dc.publisher.initials | UTFPR | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | pt_BR |
dc.subject.capes | Engenharia/Tecnologia/Gestão | pt_BR |
Aparece nas coleções: | PG - Programa de Pós-Graduação em Engenharia Elétrica |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
bioinspiredoptimizationalgorithms.pdf | 2,35 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons