Ajuste dos parmetros de um controlador proporcional, integral e derivativo atravs de algoritmos genticos

ADJUSTMENT
OF CONTROLLER

PIDS

PARAMETERS OF GENETIC ALGORITHMS

Luiz Eduardo N. do P. Nunes Victor Orlando G. Rosado

Departamento de Engenharia Mecnica Faculdade de Engenharia de Guaratinguet - UNESP

Francisco Jos Grandinetti

Departamento de Engenharia Mecnica Universidade de Taubat

RESUMO
Este trabalho tem como objetivo a aplicao de Algoritmos Genticos no ajuste automtico dos parmetros de um controlador Proporcional, Integral e Derivativo (PID). Os Algoritmos Genticos (AGs) constituem uma tcnica de busca e otimizao altamente paralela, inspirada no princpio de evoluo de Darwin. Os princpios naturais, sobre os quais os AGs foram inspirados, so simples. O princpio de seleo privilegia os indivduos mais aptos e, portanto, com maior probabilidade de reproduo. Para o desenvolvimento deste trabalho foi utilizado o modelo de um motor de corrente contnua. Os resultados obtidos mostram que o uso do AG neste modelo conduziu a uma otimizao dos parmetros do controlador e, conseqentemente, minimizao do erro, convergindo para os valores timos com menos de 100 ciclos de evoluo. Demonstrou-se, portanto, que o Algoritmo Gentico eficiente para esse tipo de aplicao, pois consegue encontrar valores satisfatrios para o controlador, em comparao com mtodos tradicionais.

controladores PID (proporcional, integral e derivativo) baseadas em algoritmos evolutivos tm sido propostas na literatura, para aplicaes nas reas de controle e robtica. O objetivo deste trabalho o ajuste automtico dos parmetros de um controlador PID (MESNER; TILBURY, 1986) utilizando um Algoritmo Gentico (AG). O AG opera em um espao de solues possveis para o controlador PID, e procura melhores solues, baseando-se em idias originadas do campo da evoluo gentica, utilizando operadores genticos, tais como: seleo, cruzamento e mutao (MICHALEWICZ, 1994). Os Algoritmos Genticos constituem uma tcnica de busca e otimizao altamente paralela, inspirada no princpio de evoluo de Darwin. Os princpios naturais, sobre os quais os AGs foram inspirados, so simples. O princpio de seleo privilegia os indivduos mais aptos e, portanto, com maior probabilidade de reproduo. Os indivduos com mais descendentes tm mais chances de transmitir seus cdigos genticos para as prximas geraes. Tais cdigos genticos constituem a identidade de cada indivduo e esto representados nos cromossomos. Estes princpios so emulados na construo de algoritmos computacionais que buscam a melhor soluo para um determinado problema, atravs da evo-

PALAVRAS-CHAVE
Algoritmo gentico. Controlador. PID.

INTRODUO

Diversas abordagens para o projeto de

Rev. cinc. exatas, Taubat, v. 9/10, n.1-2, p. 47-52, 2003/2004.

47

luo de populaes de solues codificadas nos cromossomos artificiais (PACHECO, 2004). A analogia entre os Algoritmos Genticos e o sistema natural apresentada na Tabela 1. Tabela 1 Comparao entre o sistema natural e Algoritmos Genticos.

DESCRIO

DOS

ALGORITMOS GENTICOS

As caractersticas mais notveis dos Ags, que os diferenciam dos algoritmos clssicos, so (TREMPS, 2001): ficado; no necessitam do clculo do gradiente; operealizam a busca por todo o espao de uma s ram unicamente com o valor da funo a ser otimizada; vez, em vez de proceder ponto a ponto, seqencialmente; no impem condio alguma sobre a continuidade das variveis que definem o problema. possvel caracterizar os Algoritmos Genticos conforme o esquema ilustrado na Figura 1. no operam sobre o valor numrico do problema, mas sobre o cdigo em que o mesmo est codi-

Para um determinado problema, um Algoritmo Gentico precisa ter os seguintes componentes(MICHALEWICZ, 1994): 1- uma representao gentica para a soluo potencial do problema; 2- a criao de uma populao inicial da soluo potencial; 3- uma funo de avaliao que avalia a soluo em termos de seu fitness; 4- operadores genticos que alteram a composio dos cromossomos gerados aps o cruzamento; 5- valores para os vrios parmetros que os Algoritmos Genticos usam, tais como: tamanho da populao, probabilidade de aplicao dos operadores genticos etc.

REPRESENTAO
Cada possvel soluo no espao de busca representada por uma seqncia de smbolos s gerados a partir de um alfabeto (binrio ou real). Cada seqncia s corresponde a um cromossomo, e cada elemento de s equivalente a um gene. Por exemplo, uma funo f(x,y) pode ter suas variveis representadas da seguinte maneira:

Figura 1 Ciclo Bsico da Evoluo Um Algoritmo Gentico simples pode, tambm, ser caracterizado pelo pseudocdigo abaixo:
Rev. cinc. exatas, Taubat, v. 9/10, n. 1-2, p. 47-52, 2003/2004.

48

A representao binria nem sempre pode ser empregada; muitas vezes o problema exige um alfabeto de representao com mais smbolos como, por exemplo, a representao real. Qualquer representao escolhida deve representar todo o espao de busca que se deseja investigar.

crossover) o mais aplicado. Por exemplo: Seleciona-se um ponto de corte aleatrio:

INICIALIZAO

DA POPULAO No processo de inicializao, uma populao de cromossomos gerada randomicamente. O tamanho da populao afeta a eficincia e a performance do AG (NASCIMENTO; CAIEIRO; OLIVEIRA, 1996). Uma populao de pequena dimenso pode levar o AG a convergir rapidamente para um mximo local, enquanto uma populao muito grande prejudica a performance computacional do algoritmo.

Permutam-se as pores selecionadas:

DE AVALIAO A cada estrutura (soluo) associado um valor numrico (fitness), que representa a qualidade dessa estrutura e indica o quo bem adaptada ela est. O valor do fitness obtido por meio da funo objetivo.

FUNO

Os cromossomos criados a partir do operador crossover so, posteriormente, submetidos operao de mutao. Com base na probabilidade pm de mutao, o contedo de uma posio do cromossomo alterado. Exemplo: Antes da mutao:

Depois da mutao:

SELEO
O processo de seleo em AGs seleciona indivduos para a reproduo. A seleo baseada na aptido dos indivduos: indivduos mais aptos tm maior probabilidade de ser escolhidos para a reproduo. Se fi a avaliao do indivduo i na populao atual, a probabilidade pi de esse indivduo ser selecionado proporcional a:

PARMETROS DOS AGS

Em um algoritmo gentico, vrios parmetros controlam o processo de evoluo. So eles: Tamanho da populao: nmero de pontos no espao de busca sendo considerados. Taxa de Crossover: probabilidade de um indivduo ser recombinado com outro. Taxa de mutao: probabilidade de que o contedo de cada posio (gene) do cromossomo seja alterado. Nmero de geraes: nmero total de ciclos de evoluo de um algoritmo gentico.

onde n o nmero de indivduos na populao. A seleo nos AGs normalmente se implementa por uma roleta, onde cada indivduo representado por uma poro proporcional a sua avaliao relativa.

MATERIAIS E MTODOS
Para um determinado processo que se pretende controlar com um controlador PID, a resposta e o desempenho do sistema a uma entrada de referncia, r(t), depender dos parmetros P, I e D que forem ajustados no controlador, conforme ilustra a Figura 2.

OPERADORES GENTICOS
Os indivduos selecionados para a populao seguinte so recombinados por meio do operador Crossover. Este operador considerado a principal caracterstica dos AGs. Os pares de indivduos so escolhidos aleatoriamente, e novos indivduos so criados a partir do intercmbio do material gentico. Os descendentes sero diferentes, porm com caractersticas genticas de ambos. Este mtodo (single -point
Rev. cinc. exatas, Taubat, v. 9/10, n. 1-2,p. 47-52, 2003/2004.

Figura 2 Sistema de controle

49

Na avaliao do Algoritmo Gentico, foi utilizado o modelo de um motor de corrente contnua, apresentado em Mesner e Tilbury (1986), cuja funo de transferncia dada por:

Tabela 2 Parmetros do AG

Onde: - Momento de inrcia do rotor (J) = 0.01 kg.m2/s2 - razo de amortecimento do sistema mecnico (b) = 0.1 Ns/m - Constante de fora eletromotriz (K = Ke = Kt) = 0.01 Nm/Amp - Resistncia (R) = 1 ohm - Indutncia (L) = 0.5 H O controlador PID o mais popular e vastamente utilizado em aplicaes industriais. Apresenta vantagens aliadas ao seu baixo custo e simplicidade de implementao. Quando sintonizado adequadamente, proporciona um bom comportamento dinmico ao processo controlado. O ajuste dos parmetros do PID (isto , ganho proporcional, tempo integral e tempo derivativo), de acordo com um perodo de amostragem, baseia-se usualmente em mtodos no domnio da freqncia, Ziegler-Nichols (ZN) e heursticos de tentativa e erro (ROMO et al, 1999). Para realizar a sintonia tima do controlador PID, o sistema de simulao foi implementado de acordo com o esquema da Figura 3:

A funo de avaliao (Fitness) o conceito mais importante no desenvolvimento de sistemas com AG. Essa funo especfica para cada aplicao, e deve representar o comportamento dos cromossomos que, nesse caso, representam os parmetros do controlador. A funo Fitness deve fornecer a informao de quo adequado o controlador, quando sintonizado com os parmetros escolhidos pelo AG (PACHECO, 2004). Como funo de avaliao para este trabalho, foi adotada a minimizao do erro ITAE (integral do tempo vezes o erro absoluto) (OGATA, 1993):

RESULTADOS
Os parmetros do controlador PID encontrados em Mesner e Tilbury (1996) foram Kp = 100, Ki = 200 e Kd = 1, tendo como referncia um degrau unitrio com um tempo de amostragem de 2 segundos, conforme ilustrado na Figura 4 (a). Utilizando o Algoritmo Gentico com uma populao de 80 indivduos, porcentagem de cruzamento de 40% e porcentagem de mutao de 1%, foi obtido o resultado apresentado na Figura 4 (b).

Figura 3 Ajuste do Controlador PID atravs do AG Para os experimentos com AG, foi utilizada uma biblioteca de rotinas (toolbox) criadas especialmente para trabalhar com AG no ambiente Matlab. Vrios parmetros controlam o processo de evoluo em um AG, tais como: tamanho da populao, taxa de cruzamento (Crossover), taxa de mutao e nmero de geraes, que o nmero total de ciclos de evoluo de um AG. A Tabela. 2 apresenta os parmetros adotados para o AG neste trabalho:
Rev. cinc. exatas, Taubat, v. 9/10, n. 1-2, p. 47-52, 2003/2004.

(a)
50

ABSTRACT
The objective of this work is the application of Genetic Algorithms in the automatic adjustment of controller PIDS parameters. The Genetic Algorithms (GAs) constitute a search and optimization technique, highly parallel, inspired in the beginning of evolution of Darwin. The natural beginnings, on which AGs was inspired, are simple. The selection beginning privileges the most capable individuals and, therefore, with larger reproduction probability. For the development of this work the model of a motor of continuous current was used. The obtained results show that the use of GA in this model drove it an optimization of the controllers parameters and, consequently, to the minimization of the error, converging for the great values with less than 100 evolution cycles, demonstrating that the Genetic Algorithm is efficient for this application type, because it gets to find satisfactory values for the controller in comparison with traditional methods.

(b)
Figura 4 (a) Mtodo de Ziegler-Nichols, (b) Algoritmo Gentico Os parmetros do controlador encontrados pelo AG foram os seguintes: , caracterizando o melhor indivduo da populao (Figura 5). O uso do AG conduziu a uma otimizao dos parmetros do controlador e, conseqentemente, minimizao do erro, convergindo para os valores timos com menos de 100 ciclos de evoluo.

KEY-WORDS
Genetic Algorithms. Controller. PID.

REFERNCIAS
MESNER, B., TILBURY, D. Control Tutorials for Matlab. University of Michigan, 1996. Disponvel em http:// www.krellinst.org/UCES/archive/classes/control/ control.html. MICHALEWICZ, Z. Genetic Algorithms + Data Structures = Evolution Programs. Springer-Verlag, 3. ed., 1994. Figura 5 - melhor indivduo NASCIMENTO, S., CAIEIRO, R., OLIVEIRA, P. Afinao de Controladores PID Atravs de um Algoritmo Gentico. In: FIRST WORKSHOP ON GENETIC ALGORITHMS AND ARTIFICIAL LIFE. Proceedings, p. 21-25, 1996. OGATA, K. Engenharia de Controle Moderno. 2. ed. Rio de Janeiro: Prentice Hall do Brasil Ltda, 1993. PACHECO, M. A. C. Algoritmos Genticos: Princpios e Aplicaes. Disponvel em (www.ica.ele.puc-rio.br). Acesso em: 08 mar. 2004. ROMO, W. et al. Algoritmos Genticos e Conjuntos Difusos Aplicados ao Controle de um Processo Trmico. Revista Tecnolgica. Centro de Tecnologia. Univer-

CONCLUSO
Este trabalho utilizou um Algoritmo Gentico para a escolha automtica dos parmetros de um controlador PID e, como pode ser observado na Figura 4 (b), o Algoritmo Gentico eficiente para esse tipo de aplicao, pois consegue encontrar valores satisfatrios para o controlador, em comparao com mtodos tradicionais. Alm da escolha correta da funo fitness, que especfica para cada tipo de aplicao, h, tambm, a necessidade de uma representao criteriosa do problema e dos ajustes dos parmetros do Algoritmo Gentico, para que se possa atingir a soluo.
Rev. cinc. exatas, Taubat, v. 9/10, n. 1-2 p. 47-52, 2003/2004.

51

sidade de Maring, n. 8, p. 7-21, Out. 1999. TREMPS, E. F.; Snches, R. T. Optimizacin de Laminados de Materiales Compuestos medinte Algoritmos Genticos. In: CONGRESO IBEROAMERICANO DE INGENIERA MECNICA, 1., Proceedings..., v. 1, p.187-193, 2001.

Rev. cinc. exatas, Taubat, v. 9/10, n. 1-2, p. 47-52, 2003/2004.

52