Show simple item record

dc.contributor.advisorGuarnizo Marín, José Guillermo
dc.contributor.advisorMateus Rojas, Armando
dc.creatorCifuentes Duarte, Gloria Catalina
dc.date.accessioned2019-05-09T01:44:26Z
dc.date.available2019-05-09T01:44:26Z
dc.date.created2019-05-07
dc.identifier.citationCifuentes Duarte, G. C. (2019). Diseño de un algoritmo automático de sintonización de parámetros de un controlador PID empleando técnicas bio-inspiradas de aprendizaje de máquinasspa
dc.identifier.urihttp://hdl.handle.net/11634/16570
dc.descriptionEn la actualidad los sistemas de control en lazo cerrado mayormente empleados para aplicaciones industriales son los PID, dado que presentan grandes ventajas al ser comparados con otros sistemas de control; la sencillez de diseño y el bajo coste de implementación son ejemplos de dichas ventajas. De sintonizarse correctamente, el controlador logra aumentar la estabilidad, la rapidez y la exactitud en la respuesta. Este proceso de sintonización presenta desafíos específicos relacionados al desconocimiento de diversos factores (los cuales se plantean en la sección 1) y el poco personal apropiadamente capacitado en la implementación ocasionando un mal uso de la técnica. Lo anterior produce una mala sintonización de los parámetros, realizada mediante procesos de prueba - error o empleando técnicas de empíricas como Ziegler Nichols. Teniendo en cuenta la problemática anterior, diversas empresas han enfocado una gran cantidad de esfuerzos que buscan facilitar el proceso de sintonización a través de algoritmos capaces de ajustar de forma automática los parámetros del controlador PID. Sin embargo, las herramientas desarrolladas producto de dichos esfuerzos conllevan altos costos asociados y la intervención directa del sistema (no deseable por tiempos de paro en la producción, disminución de la confiabilidad del sistema, etc.). En este trabajo, se propone la implementación de un algoritmo inteligente basado en la respuesta de sistema inmune enfocado al principio de selección clonal, cuyo objetivo es encontrar un conjunto de posibles soluciones que cumplan con unos criterios de diseño que representan las condiciones a las cuales se debe ajustar el sistema y el resultado que se desea obtener. En la ejecución del algoritmo se van descartando los parámetros cuyos resultados no satisfacen y se van replicando aquellos que van disminuyendo el error de las figuras de mérito. Al finalizar su ejecución, el algoritmo logra mejorar significativamente el resultado de las figuras de mérito comparadas con las obtenidas por la técnica clásica de sintonización Ziegler Nichols. El desarrollo de la técnica de Ziegler Nichols se realiza a partir de información de la planta y presenta un desempeño pobre en el controlador; este proceso se realiza manualmente al realizar un sencillo análisis matemático. Por otro lado, con el algoritmo se realiza un proceso heurístico donde se prueban diversos parámetros, se analiza su respuesta y se van afinando los parámetros para obtener un conjunto de soluciones que satisfacen los criterios establecidos. Este proceso se realiza automáticamente y puede tardar en función de los procesos de adquisición de información, presentando un coste computacional alto respecto a la técnica clásica elegida, pero con una notable diferencia en los resultados de las figuras de mérito.spa
dc.description.abstractAt present, closed loop control systems mostly used for industrial applications are PIDs, since they have great advantages when compared with other control systems; simplicity of design and low cost of implementation are examples of such advantages. By tuning correctly, the controller manages to increase stability, speed and accuracy in the response. This tuning process presents specific challenges related to the ignorance of several factors (which are raised in section 1) and the few personnel properly trained in the implementation causing a misuse of the technique. This produces a bad tuning of the parameters, carried out through trial-and-error processes or using empirical techniques such as Ziegler Nichols. Taking into account the previous problems, several companies have focused a large amount of efforts that seek to facilitate the tuning process through algorithms capable of automatically adjusting the parameters of the PID controller. However, the tools developed as a result of such efforts have high associated costs and direct system intervention (undesirable due to downtime in production, decrease in system reliability, etc.). In this work, we propose the implementation of an intelligent algorithm based on the response of the immune system focused on the principle of clonal selection, whose objective is to find a set of possible solutions that meet design criteria that represent the conditions to which You must adjust the system and the desired result. In the execution of the algorithm the parameters whose results do not satisfy are discarded and those that decrease the error of the figures of merit are replicated. At the end of its execution, the algorithm manages to significantly improve the result of the figures of merit compared with those obtained by the classic tuning technique Ziegler Nichols. The development of the Ziegler Nichols technique is carried out from plant information and shows poor performance in the controller; This process is done manually when performing a simple mathematical analysis. On the other hand, the algorithm performs a heuristic process where various parameters are tested, its response is analyzed and the parameters are refined to obtain a set of solutions that meet the established criteria. This process is performed automatically and may take depending on the processes of information acquisition, presenting a high computational cost with respect to the classical technique chosen, but with a notable difference in the results of the figures of merit.spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherUniversidad Santo Tomásspa
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.sourceinstname:Universidad Santo Tomásspa
dc.sourcereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.subjectSistema Inmune Artificialspa
dc.subjectAlgoritmo Bio-inspiradospa
dc.subjectPrincipio de selección clonalspa
dc.subjectSintonizacion PIDspa
dc.titleDiseño de un algoritmo automático de sintonización de parámetros de un controlador PID empleando técnicas Bio-inspiradas de aprendizaje de máquinasspa
dc.typeFormación de Recurso Humano para la Ctel: Trabajo de grado de Pregradospa
dc.creator.degreeIngeniero Electronicospa
dc.publisher.programPregrado Ingeniería Electrónicaspa
dc.publisher.departmentFacultad de Ingeniería Electrónicaspa
dc.subject.keywordPID tuningspa
dc.subject.keywordartificial immune systemspa
dc.subject.keywordbio-inspired algorithmspa
dc.subject.keywordClonal selection principlespa
dc.subject.lembAlgoritmosspa
dc.subject.lembAlgoritmo -- Programacionspa
dc.subject.lembControladores de dispositivosspa
dc.subject.lembMaquinasspa
dc.type.spaTrabajo de gradospa
dc.rights.accesoAbierto (Texto Completo)spa
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersionspa
dc.description.sedeCRAI-USTA Bogotáspa
dc.description.GoogleScholarhttps://scholar.google.com/citations?user=_mObTPkAAAAJ&hl=esspa
dc.description.cvlachttp://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000855847spa
dc.description.cvlachttp://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000680630spa
dc.description.dominiohttp://unidadinvestigacion.usta.edu.cospa
dc.source.bibliographicCitationJ.A. Morales, M. A. Castro, D. García, C. Higuera, J. Sandoval. IDA-PBC Controller Tuning Using Steepest Descent. Tijuana, México. Springer. 2017.spa
dc.source.bibliographicCitationL.P Alomia Viver, C.A Bastidas Aldaz. “Caracterización y evaluación del comportamiento de controladores inteligentes difusos y controladores PID para aplicación industriales”, tesis master, Facultad de ingeniería mecánica, Escuela Politécnica Nacional, Quito, Ecuador, 2013.spa
dc.source.bibliographicCitationM.A Paz Ramos, S. Garibo Esquivel. “¿Conoce usted a su controlador PID?” InTech México Automatización. Vol. 8, pp. 20-25. agosto 2009.spa
dc.source.bibliographicCitationM.A Paz Ramos, S. Garibo Esquivel. “Un controlador bien sintonizado es dinero en su bolsillo”. InTech México Automatización. Vol. 9, pp. 30-34. abril 2010.spa
dc.source.bibliographicCitationM.A Paz Ramos, S. Garibo Esquivel. “Sintonice su controlador PID para obtener la respuesta deseada”. InTech México Automatización. Vol.8, pp. 22-28. octubre 2009spa
dc.source.bibliographicCitationM.C Rodríguez. G. O Chuk. “Transferencia tecnológica de un sistema de control automático basado en PC para un molino de martillos industrial”, Facultad de ingeniería, Universidad Nacional de San Juan. San juan, Argentina.spa
dc.source.bibliographicCitationTECHMATION CO., LTD. En linea03 septiembre de 2018 disponible en: https://www.prm-taiwan.com/com/techmation.htmlspa
dc.source.bibliographicCitationD.B Ender. “Process Control Performance: Not as Good as you Think”. Control Engineering September 1993.spa
dc.source.bibliographicCitationA. CÁRDENAS CARDONA. “Inteligencia artificial, métodos bio-inspirados: un enfoque funcional para las ciencias de la computación”. Trabajo de grado. Universidad tecnológica de Pereira. Facultad de ingenierías eléctrica, electrónica, física y ciencias de la computación. Pereira. 2012.spa
dc.source.bibliographicCitationQinghua Meng, Tingting Liu. “Study on Immune PID Control Method of an In-wheel Motor Used in an Electric Car”,en 36th conferencia de control China, Dalian, 2017, pp. pp. 9554-9559.spa
dc.source.bibliographicCitationSiti Fauziah Toha, Amir Fuhairah Abdul Rahim, Hasmah Mansor and Rini Akmeliawati. “PID tuned Artificial Immune System Hover Control for Lab-Scaled Helicopter System”, en 10th conferencia de control en Asia (ASCC), Kota Kinabalu, 2015, pp. 1-4.spa
dc.source.bibliographicCitationJ.F GARCÍA MEJÍA, J.A GARCÍA MEJÍA, C. CARRANCO LÓPEZ. “Ajuste de Controladores PID por Medio de un Algoritmo de Selección Clonal”, en 10th Congreso Nacional de Mecatrónica, Puerto Vallarta, Jalisco, 2011.spa
dc.source.bibliographicCitationGARCÍA MEJÍA. Juan Fernando, GARCÍA MEJÍA. José Antonio, GUTIERREZ Citlali. Sintonización de controladores PID: Una comparación entre dos algoritmos evolutivos.spa
dc.source.bibliographicCitationA. GARCÍA PÉREZ, R. TORAL HERRERA. A.A JIMÉNEZ GARIBAY, C.G EURESTY URIBE. “Algoritmo genético para optimizar las ganancias de un controlador pi en un motor de cd”. Pistas educativas. Vol.39, N°125, octubre 2017.spa
dc.source.bibliographicCitationHer-Terng Yau, Po-Hsien Yu and Yuan-Hung Su. “Design and Implementation of Optimal Fuzzy PID Controller for DC Servo Motor”, natural sciences publishing. Vol.8, N°1L, pp 231-237,2014spa
dc.source.bibliographicCitationD.A JIMENEZ MARTIN, O.A CHIVATA CASTAÑEDA. “Diseño de un algoritmo evolutivo bio-inspirado el cual permita sintonizar un controlador PID con el fin de controlar la variable de proceso “flujo” en un sistema de control de proceso AMATROL t5552 ubicado en el laboratorio de electrónica de facultad tecnológica universidad distrital Francisco José de caldas”. Bogotá D.C. Trabajo de grado, Facultad Tecnológica Ingeniería en Control. 2017.spa
dc.source.bibliographicCitationMuna Hadi Saleh, Saad Zaid Saad. “Artificial Immune System based PID Tuning for DC Servo Speed Control”, en International Journal of Computer Applications. Vol.155 Nº2 diciembre 2016.spa
dc.source.bibliographicCitationK. Sundereswaran, V. Devi y Nitin Anand Shrivastava. “Design and Development of a Feedback Controller for Boost Converter Using Artificial Immune System”, en Electric Power Components and Systems. Vol. 39, Nº10, pp 1007-1018, junio 2011.spa
dc.source.bibliographicCitationBouchebbat Rochdi, Gherbi Sofiane. “Robust artificial immune PID design method”, en ICATS15, Annaba, Algeria, noviembre 2015.spa
dc.source.bibliographicCitationSharad Kumar Tiwari, Gagandeep Kaur. “Analysis of Fuzzy PID and Immune PID Controller for Three Tank Liquid Level Control”, en International Journal of Soft Computing and Engineering (IJSCE). Vol. 1, Nº4, septiembre 2011.spa
dc.source.bibliographicCitationMingan Wang, Shuo Feng, Chunhui He, Zhonghua Li, and Yu Xue4. “An Artificial Immune System Algorithm with Social Learning and Its Application in Industrial PID Controller Design”, en Mathematical Problems in Engineering, 2017.spa
dc.source.bibliographicCitationHsu-Chih Huang, Sendren Sheng-Dong Xu, and Chang Han Wu. “A hybrid swarm intelligence of artificial immune system tuned with Taguchi–genetic algorithm and its field-programmable gate array realization to optimal inverse kinematics for an articulated industrial robotic manipulator” en Advances in Mechanical Engineering, 2016.spa
dc.source.bibliographicCitationSHAPIRO. Stuart C. Encyclopedia of artificial intelligence. (segunda edición). New york: john wiley & sons.spa
dc.source.bibliographicCitationPINO DÍEZ Raúl, GÓMEZ GÓMEZ Alberto, MARTÍNEZ Nicolás de Abajo. Introducción a la inteligencia artificial: sistemas expertos, redes neuronales artificiales y computación evolutiva. Algoritmos de inteligencia artificial. España, universidad de Oviedo, 2001.spa
dc.source.bibliographicCitationHERRERA LOZADA Juan Carlos. Sistema Inmune Artificial con Población Reducida para Optimización Numérica. México, D.F. 2011. Trabajo de grado para obtener el grado de doctorado en ciencias de la computación. Instituto politécnico nacional. Centro de investigación en computación.spa
dc.source.bibliographicCitationDavid B. Fogel. Evolutionary Computation. Toward a New Philosophy of Machine Intelligence. The Institute of Electrical and Electronic Engineers, New York, 1995.spa
dc.source.bibliographicCitationN. Cruz Cortes, “Sistema inmune artificial para solucionar problemas de optimización”, Tesis doctoral, ingeniería eléctrica sección de computación, centro de investigación y de estudios avanzados del instituto politécnico nacional, México D.F, 2004.spa
dc.source.bibliographicCitationL. Carrasco Payo, “Implementación del algoritmo de Scan-Matching basado en CLONALG”, Trabajo de grado, ingeniería electrónica industrial y automática, Universidad Carlos III de Madrid.spa
dc.source.bibliographicCitationJ.C Herrera Lozada, “Sistema Inmune Artificial con Población Reducida para Optimización Numérica”, Tesis doctoral, centro de investigación en computación, Instituto politécnico nacional, Mexico D.F, 2011.spa
dc.source.bibliographicCitationE. Velasco Benito. (2015, enero 2). “Las defensas del cuerpo: el sistema inmune”. [online]. Disponible en: https://biomedvinetas.wordpress.com/2015/01/02/las-defensas-del-cuerpo-el-sistema-inmune/spa
dc.source.bibliographicCitationP. Surat. (2018, octubre 29). “Cuál es la diferencia entre un fagocito, un macrófago, un neutrófilo y un eosinófilo” [online]. Disponible en: https://www.news-medical.net/life-sciences/What-is-the-difference-Between-a-Phagocyte-Macrophage-Neutrophil-and-Eosinophil-(Spanish).aspx.spa
dc.source.bibliographicCitationSang-Joon Sun, Dong-Wook Lee and Kwee-Bo Sim, "Artificial immune-based swarm behaviors of distributed autonomous robotic systems," Proceedings 2001 ICRA. IEEE International Conference on Robotics and Automation (Cat. No.01CH37164), Seoul, South Korea, 2001, pp. 3993-3998 vol.4.spa
dc.source.bibliographicCitationH. Meshref and H. VanLandingham, "Artificial immune systems: application to autonomous agents," Smc 2000 conference proceedings. 2000 ieee international conference on systems, man and cybernetics. 'cybernetics evolving to systems, humans, organizations, and their complex interactions' (cat. no.0, Nashville, TN, 2000, pp. 61-66 vol.1.spa
dc.source.bibliographicCitationT. Huntsberger, "Clonal selection based Artificial Immune System for generalized pattern recognition," 2011 IEEE International Conference on Systems, Man, and Cybernetics, Anchorage, AK, 2011, pp. 3090-3095.spa
dc.source.bibliographicCitationM. Komar, V. Golovko, A. Sachenko and S. Bezobrazov, "Development of neural network immune detectors for computer attacks recognition and classification," 2013 IEEE 7th International Conference on Intelligent Data Acquisition and Advanced Computing Systems (IDAACS), Berlin, 2013, pp. 665-668.spa
dc.source.bibliographicCitationGuodong Wang, Chong Wang, Bo Zhou and Zhengjun Zhai, "Immunevonics: Avionics fault tolerance inspired by the biology system," 2009 Asia-Pacific Conference on Computational Intelligence and Industrial Applications (PACIIA), Wuhan, 2009, pp. 123-126.spa
dc.source.bibliographicCitationZaiying Wang and Yuanbin Hou, "Adaptive fault-tolerant control based on artificial immune principle," 2008 7th World Congress on Intelligent Control and Automation, Chongqing, 2008, pp. 4377-4381.spa
dc.source.bibliographicCitationE. Hormozi, M. K. Akbari, M. S. Javan and H. Hormozi, "Performance evaluation of a fraud detection system based artificial immune system on the cloud," 2013 8th International Conference on Computer Science & Education, Colombo, 2013, pp. 819-823.spa
dc.source.bibliographicCitationJianyong Tuo, Shouju Ren, Wenhuang Liu, Xiu Li, Bing Li and Lin Lei, "Artificial immune system for fraud detection," 2004 IEEE International Conference on Systems, Man and Cybernetics (IEEE Cat. No.04CH37583), The Hague, 2004, pp. 1407-1411 vol.2.spa
dc.source.bibliographicCitationH. Wei, "A Dynamic Data Mining Method Using Evolutionary and Immune Characteristics," 2011 Fourth International Conference on Intelligent Computation Technology and Automation, Shenzhen, Guangdong, 2011, pp. 313-317.spa
dc.source.bibliographicCitationS. Dixon and X. Yu, "Bioinformatics data mining using artificial immune systems and neural networks," The 2010 IEEE International Conference on Information and Automation, Harbin, 2010, pp. 440-445.spa
dc.source.bibliographicCitationX. Jin, J. Zhao, H. F. Wang and Z. Du, "Coordinated Control of Multiple Damping Controllers Using Artificial Immune Network Theory," 2006 International Conference on Power System Technology, Chongqing, 2006, pp. 1-5.spa
dc.source.bibliographicCitationZhao Yunfeng, Fu Dongmei, Yin Yixin and Wang Jia, "A design method of immune controller based on Varela artificial immune network model," 2008 Chinese Control and Decision Conference, Yantai, Shandong, 2008, pp. 3726-3731.spa
dc.source.bibliographicCitationM. Sahraoui, M. Salem and M. F. Khelfi, "An artificial immune optimization approach in tuning nonlinear PID controllers," 2014 Second World Conference on Complex Systems (WCCS), Agadir, 2014, pp. 425-430.spa
dc.source.bibliographicCitationS. J. Nanda, G. Panda, B. Majhi and P. Tha, "Development of a New Optimization Algorithm Based on Artificial Immune System and Its Application," 2008 International Conference on Information Technology, Bhubaneswar, 2008, pp. 45-48.spa
dc.source.bibliographicCitationI. Aydin, M. Karakose and E. Akin, "Artificial Immune Based Support Vector Machine Algorithm for Fault Diagnosis of Induction Motors," 2007 International Aegean Conference on Electrical Machines and Power Electronics, Bodrum, 2007, pp. 217-221.spa
dc.source.bibliographicCitationB. Schmidt, D. Kountanis and A. Al-Fuqaha, "Artificial Immune System Inspired Algorithm for Flow-Based Internet Traffic Classification," 2014 IEEE 6th International Conference on Cloud Computing Technology and Science, Singapore, 2014, pp. 664-667.spa
dc.source.bibliographicCitationQinghua Meng, "An immune-neuroendocrine-inspired inspired artificial homeostatic security-coordination model for E-Government system," 2011 2nd International Conference on Artificial Intelligence, Management Science and Electronic Commerce (AIMSEC), Dengleng, 2011, pp. 6960-6963.spa
dc.source.bibliographicCitationYu Qiao and Jiayi Xu, "A network security situation awareness model based on cooperative artificial immune system," 2011 International Conference on Computer Science and Service System (CSSS), Nanjing, 2011, pp. 1945-1947.spa
dc.source.bibliographicCitationL. N. de Castro and F. J. Von Zuben, "Learning and optimization using the clonal selection principle," in IEEE Transactions on Evolutionary Computation, vol. 6, no. 3, pp. 239-251, June 2002.spa
dc.source.bibliographicCitationQuanser Inc. Quick Start Guide: Rotary Servo Base Unit. V.11 5.3.2013spa
dc.source.bibliographicCitationJ. Apkarian, M. Levis, H. Gurocak, “SRV02 Base Unit Experimet For Matlab/Simulink Users” Quanser Inc. 2011.spa


Files in this item

Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 2.5 Colombia