Variables de Proce PDF
Variables de Proce PDF
Variables de Proce PDF
Resumen
Se presenta un método de sintonía robusta para controladores PI/PID de dos grados de libertad. La propuesta se formuló como un
problema de optimización no-convexo sujeto a restricciones, en el cual, se minimizó el valor de funciones objetivo basadas en la integral
del error absoluto, fragilidad del controlador y esfuerzo de la señal de control. La solución se realizó con el algoritmo de Optimización
por Enjambre de Partículas. El diseño, que parte de un modelo de planta, se desacopló para respuestas a perturbaciones de carga y a
cambios en el punto de consigna. La robustez se expresó como una restricción basada en la sensibilidad máxima 0s y sensibilidad
complementaria 0t. La propuesta se comparó con los métodos MIGO y SIMC, concluyendo que diseñar controladores PI teniendo en
cuenta los círculos 0s y 0t garantiza mayor estabilidad relativa del sistema de control al variar la ganancia estática del proceso.
3DODEUDV&ODYH
Control PID, Sintonía, Robustez, Optimización, Control de procesos, Optimización por Enjambre de Partículas.
El trabajo finaliza con las conclusiones y las referencias. ,$( ³ H(W ) GW (3)
0
Figura 1. Diagrama de bloques de un sistema de control con 2DoF. Un controlador PID es frágil si, FI¨ > 0.50.
Un controlador PID no es frágil si, FI¨
La idea de sintonía robusta del controlador PID-2DoF radica Un controlador PID es elástico si, FI¨
en desacoplar el problema de diseño para respuestas a
perturbaciones y cambios en el punto de consigna. En el diseño
En el caso de que se obtenga un controlador PID elástico este
para buena respuesta a perturbaciones de carga se tiene en cuenta
alguna medida de robustez. permitirá un ajuste fino de todos sus parámetros de ±20% de sus
El procedimiento seguido en este trabajo consiste en valores nominales sin correr el riesgo de que el sistema tenga una
determinar &(V) para buena respuesta a perturbaciones de carga y pérdida apreciable de robustez. La pérdida de robustez será, a lo
luego, )(V) para buena respuesta a cambios en la referencia. sumo, de un 10%.
Ambas etapas se realizan con PSO. Una vez definidas las expresiones para el cálculo de IAE, TVu
y FI¨ se definen las siguientes funcionales de costo:
)XQFLyQGHFRVWR
3DUDU HFKD]RGHSHUWXUEDFLRQHVGHF DUJD Suma del Error y
El diseño óptimo de &(V) y )(V) se realiza mediante la Fragilidad (SEF)
minimización de funciones de costo definidas en este trabajo. En
(Alfaro HWDO, 2009b) se muestra una función de costo similar. La 6() D ,$( E ), ' 20 (6)
función objetivo se compone de dos términos: la integral del error
absoluto y el índice de fragilidad para el caso del diseño de &(V) e
integral del error absoluto y esfuerzo de la señal de control para el donde Į y ȕ son las ponderaciones de ,$( y ),¨,
caso de )(V). respectivamente.
Para el diseño de &(V) se tienen en cuenta también los círculos 3DUD VHJXLPLHQWRGH OSXQW RGH F RQVLJQD Suma del Error y
de robustez: sensibilidad máxima y sensibilidad complementaria. Señal de Control (SESC)
Estas medidas de robustez serán caracterizadas más adelante. 6(6& I ,$( J 79X (7)
La integral del error absoluto (IAE) se define como
24 R. Moliner and R. Tanda / Revista Iberoamericana de Automática e Informática industrial 13 (2016) 22–31
Figura 2. Variaciones de las ponderaciones de FI, IAE y TVu para el proceso P(s) = (s+1)-4 con control PI.
(a) FI e IAE para perturbación de carga (b) TVu e IAE para cambios en la referencia
Figura 3. Variaciones de las ponderaciones de FI, IAE y TVu para el proceso P(s) = (s+1)-4 con control PID.
(a) FI e IAE para perturbación de carga (b) TVu e IAE para cambios en la referencia
3. Detalles de la herramienta
&DUDFWHUtVWLFDVGH362
PSO es un método heurístico de búsqueda global para la
solución de problemas de optimización (Kennedy and Eberhart,
1995). El mismo está inspirado en el comportamiento que tienen
los individuos de cierta población biológica (insectos, aves, peces,
etc.), por ejemplo: en la búsqueda de alimentos. Según sus
creadores, cada individuo (partícula) interactúa con otro
intercambiando experiencias, por lo que el grupo (enjambre) se
moverá gradualmente dentro de mejores regiones del espacio de
Figura 4: Círculo 0s (a tramos), círculo 0W (a tramos-punteado), curva de búsqueda. En PSO la exploración del espacio de posibles
Nyquist (sólida) del sistema en lazo abierto y punto crítico (+).
soluciones por cada partícula está regida por la actualización de
su velocidad y posición dentro del enjambre. La velocidad y
posición se determinan a partir de
Hasta aquí, el problema de optimización puede resumirse de la
siguiente manera:
9LMW Z9LMW 1 &1U1 ( 3ELMW 1 ; LMW 1 ) &2 U2 (*EL ; LMW 1 )
3DUDUHFKD]RGHSHUWXUEDFLRQHVGHFDUJD (11)
Calcular ., 7i y 7d minimizando el valor de SEF, sujeto a las ; LMW ; LMW 1 9LMW
restricciones
26 R. Moliner and R. Tanda / Revista Iberoamericana de Automática e Informática industrial 13 (2016) 22–31
En (11), L es la cantidad de variables a optimizar, M la cantidad de expuestas, las expresiones para calcular la velocidad y posición
partículas en el enjambre, W número de iteración del algoritmo, 9 de cada partícula mostradas en (11) se transforman en
velocidad de la partícula, ; posición de la partícula (solución al
problema), &1 y &2 coeficientes de aceleración, 3E mejor posición 9LMW ZLMW 19LMW 1 &1W U1 ( 3ELMW 1 ; LMW 1 ) &2W U2 (*EL ; LMW 1 )
encontrada por la partícula, *E mejor posición (solución) global (16)
encontrada por las partículas, U1 y U2 números aleatorios en el ; LMW ; LMW 1 9LMW
intervalo [0,1] para mantener la diversidad de la población y Ȧel
peso inercial. Con PSO se resuelve 7i y 7d. En la próxima subsección se
En la literatura se reportan diversas modificaciones, brindan detalles del cálculo de la ganancia proporcional.
adaptaciones e hibridaciones de la versión original de PSO. Para
obtener mayor información en este sentido puede consultar
(Sedighizadeh and Masehian, 2009). Especial interés se le ha 'HWHUPLQDQGRODJDQDQFLDSURSRUFLRQDO
prestado al cálculo de Ȧ (Shi and Eberhart, 1998a,b; Chatterjee
Cada vez que PSO genera una posible solución del problema
and Siarry, 2006; Jiao HWDO., 2008). Este parámetro resulta crítico
de optimización (7i, 7d) es necesario hallar el valor de ganancia
en el desempeño del algoritmo. Un alto valor implica mayor
proporcional del controlador (.) que pone la curva de Nyquist de
explotación del espacio de búsqueda y tiempo de convergencia,
la función de lazo abierto del sistema de control sobre los círculos
mientras que un valor pequeño trae consigo menor tiempo de
0s y 0t. Esto se garantiza siguiendo la filosofía mostrada en
convergencia y el peligro de caer en un óptimo local.
(Garpinger, 2009). En dicho trabajo se muestra un método que
En el presente trabajo el cálculo de Ȧ se realiza según
resulta en una función .(Ȧ). El método se explica a continuación.
(Modares HWDO., 2010). La determinación del valor de Ȧse realiza
Para determinar .(Ȧ) se asume que la respuesta en frecuencia
teniendo en cuenta un Índice de Contigüidad (AI). El mismo de lazo abierto del sistema *Ɛ(LȦ) puede ser escrita como
brinda evidencia de cuan cerca está cada partícula de la solución
óptima y se determina como
*" (LZ ) .*"c (LZ ) . ( ; (Z ) L< (Z )) (17)
W 1
I ( 3E ) I .1
LM
$, LMW 1 W 1
1 (12) donde ;(Ȧ) y <(Ȧ) son las partes real e imaginaria de *Ɛ(LȦ),
I ( 3E ) I .1
LM respectivamente. La restricción del círculo de robustez, ya sea 0s
o 0t puede ser escrita como
donde I(3E) es el valor de la función objetivo evaluada en 3E y
IKN es el valor deseado de la función objetivo. Pequeños valores *" (LZ ) &
2
52 (18)
de AI indican que la partícula se encuentra lejos de su valor
óptimo, mientras que grandes valores indican que se encuentra
cerca. De no conocerse IKN, la expresión (12) puede ser reducida, donde & es el centro y 5 el radio. Luego, combinando (17) y (18)
según sus autores a y sustituyendo . por . (Ȧ) se obtiene
donde Į es una constante positiva en el rango (0,1]. Este Las soluciones que ofrece (20) se corresponden con las
parámetro controla la velocidad con que disminuye Ȧ a través de ganancias para las cuales el diagrama de Nyquist de lazo abierto
las iteraciones. cruza el frente y el lado posterior del círculo de robustez. Para
Otra variación de PSO que se utilizó es la presentada en algunas frecuencias esta ecuación provee soluciones imaginarias
(Ratnaweera HWDO., 2004). En donde se propone ir modificando el o negativas. Tales soluciones se descartan. En los intervalos
valor de los coeficientes de aceleración &1 y &2 según donde . toma valores positivos pueden encontrarse múltiples
mínimos y máximos. Solo se toman los que garantizan estabilidad
en lazo cerrado y la condición de robustez, y de ahí el que brinda
W
&1W (F1 I F1L ) F1L menor valor de la función objetivo.
0$;,7(5 (15) En el Apéndice A se muestra el diseño de un PI-2DoF en plan
W algorítmico.
&2W (F 2 I F 2L ) F 2L
0$;,7(5 La herramienta está compuesta por varias funciones
implementadas en Matlab® (R2011a), y cuenta con un menú
donde F1I, F1L, F2I y F2L son constantes, W es la iteración en curso interactivo que permite, entre otras: cambiar la parametrización
y 0$;,7(5 es el número máximo de iteraciones permitido. En de PSO y cambiar el valor de los círculos de robustez.
(Ratnaweera HWD O, 2004), se obtuvieron buenos resultados al En la próxima sección se muestra, a través de tres ejemplos, la
variar &1 desde un valor de 2.5 hasta 0.5, mientras que &2 se varío efectividad de la herramienta desarrollada.
de 0.5 a 2.5. Teniendo en cuenta las modificaciones anteriormente
R. Moliner and R. Tanda / Revista Iberoamericana de Automática e Informática industrial 13 (2016) 22–31 27
4. Ejemplos 1
3( V) (22)
( V 1)(0.1V 1)(0.01V 1)(0.001V 1)
En esta sección se compara el método que proponemos con los
métodos MIGO (ǖVWU|P HWD O, 1998) y SIMC (Skogestad and
La Tabla 1 muestra los resultados obtenidos para esta planta
Grimholt, 2012), para PI se utiliza la versión mejorada SIMC+. El
de prueba. Los supra índices que acompañan a los nombres de los
método MIGO aunque no fue concebido para la minimización de
métodos utilizados se corresponden con la cantidad de
IAE, constituye una buena medida para comprobar la efectividad
evaluaciones de la función objetivo por parte del método
de nuestra propuesta, además de haberlo seleccionado por razones
propuesto. El primer número representa las evaluaciones para el
históricas y por ser un método que utiliza, al igual que nuestra
diseño de perturbaciones de carga y el segundo para seguimiento
propuesta, optimización numérica. El método SIMC(+) por ser el
del punto de consigna. En MIGO y SIMC(+) el número
que logra en casi todos los casos el valor de 0s = 1.4, al ser
representa las evaluaciones para seguimiento del punto de
comparado con los métodos PI2Ms (Alfaro HWD O., 2010), AMIGO
consigna. En la misma, ,$(p representa el valor de IAE para
(ǖVWU|Pand Hägglund, 2004), Kappa Tau (Gude and Kahoraho,
rechazo de perturbaciones de carga, mientras que ,$(r lo hace
2012), ART2 (Alfaro HWDO, 2008). Los modelos de prueba fueron
para seguimiento del punto de consigna.
H[WUDtGRV GH ǖVWU|P DQG +lJJOXQG y presentan distintas
/RVYDORUHVGHIJc para SIMC(+), fueron 1.2874L para control
dinámicas. Para la caracterización de las dinámicas se utilizó el
PI y 0.001L para PID. Para el caso de PID se obtuvo 0s = 1.0855.
UHWDUGRGHWLHPSRQRUPDOL]DGR IJTXHVHGHILQHFRPR
Con MIGO se lograron, 0s = 1.2934 para PI y 0s = 1.2832 para
PID.
/ En la tabla se observa que, tanto para control PI como PID el
W (21)
/ 7 método Propuesto logra menor valor de SEF, no siendo así para el
caso de SESC. Los restantes métodos obtienen los menores
donde / es el retardo de tiempo y 7 la constante de tiempo para valores de FI, pero se recuerda que dichos método no logran el
un modelo FOTD del proceso. 3URFHVRV FRQ IJ < 0.5, dinámica valor de 0s esperado, 1.4.
GRPLQDGD SRU OD FRQVWDQWH GH WLHPSR SURFHVRV FRQ IJ > 0.5, También se hace notar que el método Propuesto puede resultar
dinámica dominada por el retardo de tiempo \ SURFHVRVFRQIJ§ en controladores con altas ganancias para procesos con constante
0.5, dinámica balanceada. de tiempo dominante. Esto podría llevar a grandes variaciones en
El parámetro E para los métodos MIGO y SIMC se obtuvieron la señal de control en presencia de ruido (Åström and Hägglund,
con el método que se propone en este trabajo. Para el diseño de 2009), por lo que es necesario analizar los efectos del ruido de
los controladores PI/PID-2DoF con el método propuesto se utilizó medida sobre el sistema de control (Garpinger HWDO., 2014).
como medida de robustez los círculos 0s y 0t de conjunto. Los valores de IAE para control PI (,$(p = 0.1245) y PID
Mientras que MIGO y SIMC(+) fueron concebidos por sus (,$(p = 0.0011) al ser comparados muestran que adicionar la
creadores teniendo en cuenta solo a 0s. acción derivativa para este tipo de proceso aumenta el desempeño
La configuración de PSO tanto para la etapa de sintonía de del sistema de control 90 veces. Este resultado está acorde a lo
&(V) como de )(V) fue: número máximo de repeticiones 1rep = señalado en (Garpinger HWD O., 2014). Con respecto a los valores
100, número de partículas en el enjambre 1p = 20, y Į = 0.5 para de ,$(r, el desempeño aumenta 5 veces. Esta comparación se
el cálculo del peso inercial Ȧ. Para ambas etapas de sintonía se realizó con los valores de IAE del método Propuesto. Los
usaron los siguientes criterios de parada: 10 iteraciones sin restantes métodos pueden ser sometidos a la misma comparación.
mejorar el valor de la función objetivo, y la obtención de un valor Para mostrar el beneficio de utilizar, de conjunto, las medidas
de la función objetivo, igual o menor a un valor fijado de de robustez 0s y 0t en el diseño de controladores se procedió a
antemano. Se utilizó un valor de 10-3. El valor de E se restringió al variar la ganancia de la planta de prueba para luego medir el valor
intervalo [0;1.5]. Para cada planta de prueba se realizaron 31 de 0s con el objetivo de ver cuánto se acerca el diagrama de
corridas del algoritmo y se seleccionó la mediana como mejor Nyquist al punto crítico. Mientras mayor sea 0s, más cerca se
parametrización del controlador PI/PID-2DoF. Las ponderaciones está del punto crítico. En este caso se le asignó un valor de 15 a la
de las funciones SEF y SESC tomaron valor unitario, por lo que ganancia estática de la planta de prueba, obteniéndose los
no se esperan resultados relevantes en cuanto a la fragilidad del siguientes resultados:
controlador, esfuerzo de la señal de control o tiempo de respuesta.
Para el diseño de controladores PI se tomó solamente IAE como 0,*2: 0s = 6.31 (PI), 0s = 1.97 (PID).
índice a minimizar para respuesta al punto de consigna. 6,0&(+): 0s = 24.23 (PI), 0s = 1.91 (PID).
3URSXHVWR: 0s = 17.58 (PI), 0s = 4.64 (PID).
Ejemplo 1 ('LQiPLFDGRPLQDGDSRUODFRQVWDQWHGHWLHPSR)
Considere el proceso con la función de transferencia
Dejando a un lado el método MIGO, el cual no logra la desempeño del sistema de control 2 veces, acorde a lo señalado en
robustez esperada, los resultados anteriores indican que para (Garpinger HWDO., 2014). Con respecto a los valores de ,$(r no se
control PI el método Propuesto brinda mayor estabilidad relativa observa mejora alguna. Esta comparación se realizó con los
del sistema de control. valores de IAE del método Propuesto. Los restantes métodos
La respuesta del sistema para cambios en el punto de consigna pueden ser sometidos a la misma comparación.
y a perturbaciones de carga se puede consultar en las Figuras 5 y
6. La primera lo hace para control PI-2DoF y la segunda para
PID-2DoF. Dichas figuras reflejan de manera gráfica los
resultados numéricos presentados en la Tabla 1.
Ejemplo 2 ('LQiPLFDEDODQFHDGD)
Considere el proceso con la función de transferencia que se
muestra en (22). La Tabla 2 muestra los resultados obtenidos para
esta planta de prueba.
1
3( V) (23)
( V 1) 4
5. Conclusiones
O’Dwyer, A., 2012. An Overview of Tuning Rules for the PI and PID Apéndice A. Seudocódigo para diseñar un PI-2DoF.
Continuous-Time Control of Time-Delayed Single-Input, Single-Output
(SISO) Processes. In: PID Control in the Third Millennium - Lessons
Learned and New Approaches, R. Vilanova and A. Visioli (Editors), 3-44, 1. Introducir el modelo de la planta.
Springer-Verlag London Limited. 2. Inicializar el enjambre (9, ;, 3E). Computar I(3E) para
Rao, A.S., Chidambaram, M., 2006. Enhanced two-degree-of-freedom control cada partícula y determinar *E, I(*E).
strategy for second order unstable processes with time delay. Ind. Eng. 3. Comenzar diseño para perturbaciones de carga.
Chem. Res. 45, 3604–3614. 4. iter = 0.
Ratnaweera, A., Halgamuge S. K., Watson, H.C., 2004. Self-Organizing
Hierarchical Particle Swarm Optimizer With Time-Varying Acceleration
5. Si iter <= cantidad de iteraciones ir al paso 6 sino ir al
Coefficients. IEEE TRANSACTIONS ON EVOLUTIONARY paso 15.
COMPUTATION, vol. 8, no. 3,pp. 240-255, june. 6. Calcular &1 y &2 (ecuación 14).
Reynoso-Meza, G., Sanchis, J., Blasco, X., Martínez, M., 2013. Algoritmos 7. Calcular Ȧ para la partícula M(ecuación 13)
Evolutivos y su empleo en el ajuste de controladores del tipo PID: Estado 8. Calcular 9 y ; para la partícula M (ecuación 15).
Actual y Perspectivas. Revista Iberoamericana de Automática e
Informática Industrial 10, 251-268.
9. Calcular valores de . a partir de ; (ecuación 19).
Sato, T., Inoue, A., Yamamoto, T., 2008. Two-degree-of-freedom PID 10. Calcular SEF con cada valor de . y ; calculada en el
controller based on extended generalized minimum variance control. Int. J. paso 8.
Innov. Comput. Inf. Control 4, 3111–3122. 11. Guardar el par (.; ;) que menor valor de SEF brinde.
Sedighizadeh, D., Masehian, E., 2009. Particle Swarm Optimization Methods, 12. Si I(3EM) > SEF entonces 3EM = ; y .final = .
Taxonomy and Applications. International Journal of Computer Theory
13. Si I(*E) > I(3EM) entonces *E = 3EM, I(*E) = I(3EM).
and Engineering 1. pp. 486-502.
Shi, Y., Eberhart, R., 1998a. Parameter slection in particle swarm 14. M++. Si M <= cantidad de partículas entonces regresar al
optimization. In: Prodeedings of the Seventh Annual Conference on paso 7 sino iter ++ e ir al paso 5.
Evolutionary Programming, New York, pp. 591-600. 15. .c = .final; 7i = *E.
Shi, Y., Eberhart, R., 1998b. A modified particle swarm optimizer. In: 16. Comenzar diseño para seguimiento del punto de
Proceedings of the Conference on Evolutionary Computation, pp. 69-73. consigna.
Skogestad, S., Grimholt, C., 2012. The SIMC Method for Smooth PID
Controller Tuning. In: PID Control in the Third Millennium – Lessons 17. Inicializar el enjambre en el rango [0,1.5]. Computar
Learned and New Approaches, R. Vilanova and A. Visioli (Editors), 147- I(3E) para cada partícula y determinar *E, I(*E).
175, Springer-Verlag London Limited. 18. iter = 0.
Taguchi, H., Araki, M., 2000. Two-degree-of-freedom PID controllers—their 19. Si iter <= cantidad de iteraciones entonces ir al paso 20
functions and optimal tuning. In: Preprints Proc. PID ’00: IFAC Workshop sino ir al paso 27.
on Digital Control, Terrassa, Spain, pp. 95–100.
Taguchi, H., Kokawa, M., Araki, M.,2002. Optimal tuning of two-degree-of-
20. Calcular &1 y &2 (ecuación 14).
freedom PD controllers. In: Proc. Asian Control Conference, Singapore, 21. Calcular Ȧ para la partícula M (ecuación 13).
pp. 268–273. 22. Calcular 9 y ; para la partícula M (ecuación 15).
Tavakoli, S., Banookh, A., 2010. Robust PI control design using particle 23. Calcular SESC con ;.
swarm optimization. J. Comput. Sci. Eng. 1, pp. 36-41. 24. Si I(3EM) > SESC entonces 3EM = ;.
Vilanova, R., Alfaro, V.M., 2011. Control PID robusto: Una visión
25. Si I(*E) > I(3EM) entonces *E = 3EM, I(*E) = I(3EM)
panorámica. Revista Iberoamericana de Automática e Informática
Industrial 8, 141-158. 26. M++. Si M <= cantidad de partículas entonces regresar al
Zhang, J., Wang, J., Zhao, Z., 2006. A novel two-degree-of-freedom PID paso 21 sino iter ++ e ir al paso 19.
controller for integrator and dead time process. In: Proc. World Congress 27. E = *E.
on Intelligent Control and Automation, Dalian, China, pp. 6388–6391. 28. Mostrar .c, 7i y E.