Palabras clave
Matrices de peso Q y R
Algoritmos genéticos
Optimización por enjambre de partículas.
Cómo citar
Resumen
El llamado problema de regulación lineal cuadrático es una estrategia de control moderna que por medio de la configuración de las matrices de peso Q y R, se encarga de la tediosa labor realizada por el especialista en la optimización del controlador; encontrando los parámetros de control que reduzcan al mínimo las desviaciones no deseadas. Sin embargo, no existen métodos analíticos simples que ayuden al diseñador a definir los valores de dichas matrices, las cuales están en función del sistema, del control que se desee realizar y de los esfuerzos de las variables de control; siendo fundamental el conocimiento profundo del proceso por parte del ingeniero. Los enfoques clásicos como el ensayo y error, el método de Bryson, y la asignación de polos consumen mucho tiempo y no garantizan el rendimiento esperado. Esta investigación planteó una metodología basada en algoritmos genéticos y optimización por enjambre de partículas para definir las matrices de peso Q y R. Logrando diseñar controladores óptimos de forma sencilla, rápida y a partir de un conocimiento básico del sistema a controlar
Palabras Clave: Regulador lineal cuadrático, matrices de peso Q y R, algoritmos genéticos, optimización por enjambre de partículas.
Referencias
[1]W. J., Arcos, A., Tovar. “Control óptimo LQR de un exoesqueleto de marcha”. Intekhnia, vol. 7, no. 2, pp. 119-132, Julio 2012.
[2]S. A. Ghoreishi y M.-A. Nekoui. “Optimal weighting matrices design for LQR controller based on genetic algorithm and PSO”. AMR, vol. 443, no. 440, pp. 7546
– 7553, Enero 2012.
[3]S. Mobayen, A. Rabiei, M. Moradi y B. Mohammady. “Linear quadratic optimal control system design using particle swarm optimization algorithm”. Int. J.
Phys. Sci., vol. 6, no. 30, pp. 6958 – 6966, Noviembre ,2011.
[4]H. González. “Modelado, simulación y control de un sistema de generación eólico”. M.S. Tesis, UDES, Bucaramanga, SAN, Colombia, 2008.
[5]A. I. Abdulla, J. M. Ahmed y S. M. Attya. “Genetic algorithm (GA) based optimal feedback control weighting matrices computation.” Al-Rafidain Engineering,
vol. 21, no. 5, pp. 25- 33, Octubre 2013.
[6]D. E. Kirk (2004). Optimal control theory. An introduction. New York: Dover Publicaction, Inc, 2004.
[7]K. Ogata. Ingeniería de Control Moderna. 4ta ed., Minnesota: Pearson Prentice Hall, 2007.
[8]B. Kuo. Sistemas de Control Automático. 7ma ed. México: Prentice Hall Hispanoamericana, 1996.
[9] H. Bory P., F. Chang M., y J. E. Santos T. “Diseño y evaluación de un controlador de posición óptimo para electro mecanismo multivariable”. Ciencias Holguín, vol. 22, no. 1, pp. 1-14, Enero 2016.
[10]G. R Lanza S. (2013, Agosto) Control Multivariable para un evaporador de circulación forzada mediante realimentación del vector de estado. [Online]. Available: http://mriuc.bc.uc.edu.ve/handlet/123456789/1843 [Último acceso: 15 de agosto de 2019]