SEMINARIO PROYECTO DE GRADO, VOL. 1, NO.

1, NOVIEMBRE 2012

Dise no e Implementaci on, de un Algoritmo Inteligente, que Sintonice las Constantes de un Controlador Adaptativo para una Planta no Lineal
Fern andez R. Sergio, Triana B. Diego,

AbstractThis paper aims to show clearly the methodology will use to place the project to make the identication, control and self-tuning controller for nonlinear systems, the system will be tested using as system a helicopter two axes of freedom, and two plants through simulations and nally dene the methodology to be used and the system test plants, denes some considerations to take into account, at each stage of the methodology. Index TermsAdaptive Control, Auto-tuning, Algorithm, Nonlinearity.

AbstractEn el presente art culo se pretende mostrar de manera clara la metodolog a que se emplear a para realizar el proyecto cuyo objetivo es realizar la identicaci on, el control y la auto sintonizaci on del controlador, para sistemas no lineales, el sistema ser a probado tomando como planta un helic optero de dos ejes de libertad, y dos plantas mediante simulaciones, nalmente se dene la metodolog a que ser a empleada, as como las plantas de prueba del sistema, se denen algunas consideraciones para tener en cuenta, en cada etapa de la metodolog a. Index TermsControl Adaptativo, Auto-sintonizaci on, Algoritmo, no linealidad.

I. I NTRODUCCI ON A gran mayor a de los sistemas que encontramos en nuestro mundo, obedecen a caracter sticas no lineales, como el caos, la invariancia en el tiempo, retardos, zona muerta, por nombrar solo algunos de ellos, muchos sistemas de estos pueden ser modelados bajo una serie de restricciones y par ametros que permite modelarles como lineales, las t ecnicas de control cl asico se han enfocado, en el estudio particualar de sistemas lineales, con condiciones iniciales nulas, obedeciendo a ecuaciones diferenciales lineales con coecientes constantes, obteniendo buenos resultados para casos particulares, sin embargo esto no es siempre posible, surge la necesidad de sistematizar la obtenci on de modelos matem aticos y controladores adaptativos para dichos sistemas, es por eso que se pretende ste trabajo dise en e nar e implementar un algoritmo capaz de identicar un sistema, para posteriormente escoger la t ecnica de control adecuada, as como la auto sintonizaci on de los par ametros intr nsecos de dicho controlador.

En [1], se desarrolla por primera vez un estudio completo sobre la estructura de los algoritmos gen eticos computacionales como m etodo heur stico de optimizaci on, en [2] observamos un an alisis desde el punto de vista de diferentes estrategias an alisis aplicadas a sistemas no lineales como el uso de la l ogica difusa, los algoritmos gen eticos y el control adaptativo. En [4] se da una introducci on a los controladores de l ogica difusa y una descripci on al problema de auto-sintonizaci on de los factores de escala en controles PI y PD. Una aplicaci on de los controladores PID haciendo uso de redes neuronales para el control de disparo de misiles desde un avi on se muestra en [5]. En [3] se desarrolla un m etodo matem atico sobre el modelado de un controlador PID, se dise nan algunos algoritmos que posteriormente son implementados como control adaptativo. Un dise no de controladores PID por medio de algoritmos gen eticos, implement andose en una FPGA se presentan en [6] y en [7] se desarrolla la auto sintonizaci on de un controlador, haciendo uso de un sistema de precarga de datos, que analiza el punto de operaci on del sistema y ajusta las constantes que gobiernan en controlador. En [9] apreciamos el modelamiento que se brinda particularmente a una planta tipo helic optero, donde se desarrolla todo el modelo matem atico de las ecuaciones de fuerzas y movimientos que afectan esta planta, siendo la base para el an alisis y la identicaci on de la planta en este proyecto. ste art En e culo se ubica al lector conceptualmente en las tem aticas de mayor relevancia que est an inmersas en este trabajo, este marco conceptual lo podemos encontrar en la secci on II, seguido de esto en la secci on III se presenta la metodolog a que se utilizar a mostrando los pasos que se seguir an. En la secci on IV se explican los criterios de dise no ste proyecto, que se tendr an en cuenta para el desarrollo de e en la secci on V se presentan los resultados obtenidos de ste trabajo, seguido de esto en la secci e on VI se presenta una discusi on sobre los resultados obtenidos y los objetivos planteados. En la secci on VII se observan las conclusiones, seguido de esto se muestran las referencias y una peque na descripci on de los autores. II. M ARCO T E ORICO

Fern andez Sergio, Estudiante de ingenier a electr onica de la Universidad Distrital Francisco Jos e de Caldas, sfernandezr@correo.udistrital.edu.co Triana Diego, Estudiante de ingenier a electr onica de la Universidad Distrital Francisco Jos e de Caldas, datrianab@correo.udistrital.edu.co

En de la d ecada de los 60s Jhon Holland realiza grandes rea de la optimizaci avances en el a on, introduciendo los algoritmos gen eticos propuestos para procesos adaptativos sobre diferentes modelos orientados hacia el control [1]. Estos

SEMINARIO PROYECTO DE GRADO, VOL. 1, NO. 1, NOVIEMBRE 2012

algoritmos se inspiran en la gen etica y en procesos evolutivos biol ogicos, y su particular inter es desarrollado desde el campo de la ingenier a tiene como base fundamental la adaptaci on [2], est a base implica una modicaci on progresiva de alg un tipo de estructura, partiendo inicialmente de la optimizaci on de una funci on la cual encontrara su maximizaci on o su minimizaci on entorno a una variable, esta funci on es denominada Funci on de aptitud. Est e tipo de algoritmos est an basados en procesos internos muy comunes en el genoma, como lo son la selecci on, el cruce y la mutaci on. Una vez se logra satisfacer un criterio de parada, para el algoritmo, se realiza una decodicaci on sobre la variable inmersa, obteniendo una ptima al problema planteado. soluci on aparentemente o A. Sistemas No Lineales La mayor a de los sistemas que hay en el mundo obedecen a caracter sticas que no cumplen con los criterios de linealidad, un sistema es lineal siempre que su funci` on de transferencia (Entrada/Salida) satisfaga las propiedades matem aticas de superposici on y homogeneidad: f (x + y ) = f (x) + f (y ) f (x) = f (x) (1) (2)

Fig. 1. Esquema general de un control adaptativo para una planta no lineal.

D. Auto-Sintonizaci on La auto-sintonizaci on (Self-Tunning [3], [4]), la cual consiste en el cambio de los par ametros internos del controlador en tiempo real haciendo uso de algoritmos computacionales. En la actualidad, con el avance tecnol ogico en cuanto a sistemas embebidos computacionales surgen propuestas en las cuales se involucran el uso de diferentes tecnolog as como es el caso de las FPGA [6] o las tecnolog as EDA (Electronic design automation [7]). III. M ETODOLOG IA ste trabajo La metodolog a propuesta para el desarrollo de e es en una serie de pasos que nos permitir an avanzar en los aspectos necesarios para el desarrollo tanto del algoritmo como su posterior implementaci on en un controlador. Contextualizaci on Desarrollo del m etodo de identicaci on Especicaci on de la planta Simulaciones sobre la planta Desarrollo del algoritmo Simulaci on del Controlador Implementaci on del algoritmo Pruebas Elaboraci on del Libro Elaboraci on del Articulo En particular se piensa para este proyecto realizar las pruebas al algoritmo y al controlador, en un helic optero en dos ejes de libertad [9] Una vez establecidos los criterios de identicac on y se obtenga un modelo satisfactorio se debe iniciar el estudio sobre la elecci on del controlador, y el dise no del algoritmo, posterior al desarrollo te orico y conceptual, se desarrollar an las simulaciones y la preparaci on para la implementaci on del sistema de control, por otra parte se plantea probar el algoritmo mediante 2 plantas simuladas sin necesidad de recurrir a sistemas reales. IV. A N ALISIS Y DISE NO A. Identicaci on Para la identicaci on del sistema, se debe implementar en hardware un dispositivo que permita muestrear en tiempo real y con gran exactitud la entrada y la salida, y de ser posible, variables internas o entradas externas que faciliten al

Casos particulares de sistemas no lineales, pueden ser encontrados en procesos cotidianos, como aquellos en los cuales se involucran elementos cuyas caracter sticas no cumplen con los criterios mencionados en las ecuaciones (1) y (2), como por ejemplo en circuitos el ectricos con diodos o sistemas f sicos de p endulos. B. Identicaci on Para la identicaci on de sistemas no lineales se consideran dos etapas principales: la selecci on de la estructura del modelo con cierto n umero de par ametros y la selecci on de un algoritmo que estime dichos par ametros. Los modelos pueden ser param etricos, que tienen la ventaja de estar dados por un conjunto peque no de coecientes, o bien no param etricos como las redes neuronales, que tienen la ventaja de no estar restringidas a un cierto n umero, posiblemente peque no, de descripciones posibles del modelo. C. Control Adaptativo Seg un [2] el control adaptativo es un tipo de control no lineal en el que el estado del proceso puede ser separado en dos escalas de tiempo que evolucionan a diferente velocidad. La escala lenta corresponde a los cambios en los par ametros del regulador y la escala r apida a la din amica del bucle ordinario de realimentaci on. Es f acil ver que en el esquema anterior el mecanismo de adaptaci on realiza la tarea de resolver en tiempo real el problema de dise nar un regulador apropiado (en el caso m as sencillo con una estructura predenida) para un sistema dado de manera que se cumplan unas determinadas especicaciones de dise no (dadas por el comportamiento deseado). En la gura (1) observamos un esquema general que se usa actualmente en cuanto al control adaptativo sobre plantas no lineales.

SEMINARIO PROYECTO DE GRADO, VOL. 1, NO. 1, NOVIEMBRE 2012

Fig. 2.

Metodolog a propuesta para el desarrollo del trabajo. Fig. 4. Planta helic optero con dos grados de libertad.

C. Algoritmo inteligente Dada la identicaci on del sistema y ya elegido el controlador, se debe garantizar que sus par ametros se ajusten en tiempo real (autosintonizaci on) para el control de la planta, ste algoritmo analiza los datos del comportamiento de la e planta (su modelo identicado), y el comportamiento del controlador, para as realizar el ajuste.

D. Simulaciones Para esto se espera contar con un software de simulaci on con licencia acad emica, y previo a la implementaci on, esperando obtener resultados satisfactorios, y dejando viable la implementaci on en hardware.

Fig. 3.

Tarjeta de adquisici on de National Instruments [8].

algoritmo de identicaci on, establecer un modelo veraz. Para ste proceso se hace indispensable el uso de un dispositivo e ste proyecto, de adquisici on de datos, en particular para e dada la cantidad de informaci on que se puede conseguir y la facilidad de interconectarle con la plataforma de instrumentos virtuales LabView, el DAQ 6009 (Ver gura (3) ) de National Instruments [8]. Por otra parte se debe dise nar el sistema capaz, ya sea mediante modelos establecidos, o mediante heur sticas, de establecer un modelo que describa el sistema, para posteriormente permitir su control.

E. Implementaci on Como es de esperarse en la realidad habr an aspectos que no se consideraron en las simulaciones, diferentes par ametros inuir an en el montaje, que har an que no todo salga exactamente como en la simulaci on, para esto se espera que sea necesario autosintonizar en tiempo real los par ametros del controlador, logrando as un mejor desempe no.

F. Correcciones Se realizar an las correcciones necesarias a la implementaci on, tanto al software, el algoritmo y el controlador, ste proceso se puede hasta que el resultado sea satisfactorio, e realizar tantas veces como sea necesario, incluso puede que se justique cambiar el tipo de controlador seleccionado, o se deban realizar ajustes al software o al hardware, es la nica manera en la que se pueden encontrar errores que no u se tuvieron en cuenta en el dise no del sistema.

B. Elecci on del Controlador Posterior a haber realizado un estudio detallado, sobre los controladores adaptativos de mayor uso en el control de sistemas no lineales, debe haber un algoritmo capaz de escoger cu al de ellos es el que mejor realiza la tarea de controlar el sistema previamente identicado.

SEMINARIO PROYECTO DE GRADO, VOL. 1, NO. 1, NOVIEMBRE 2012

series de Taylor para llegar a un modelo lineal, sin embargo el m etodo m as apropiado puede variar de acuerdo al modelo matem atico que describa la planta, la idea central de lograr una linealizaci on es, facilitar el desempe no del algoritmo, el cual controlar a las variables del controlador. VI. D ISCUSI ON ste proyecto, implementar En un principio se deseaba para e por lo menos tres plantas, dado que se ha observado la complejidad que requiere el an alisis de cada una de estas, as como su implementaci on se ha preferido implementar solo para una planta y realizar 2 implementaciones con plantas simuladas, mediante dispositivos microcontroladores, que emulen el comportamiento que tendr a una planta real, de esta manera se puede establecer una comparaci on entre el modelo real y el identicado por el sistema, adem as de que conociendo el sistema se tiene un punto de partida sobre cu al ser a el m etodo apropiado para controlarlo, y se puede comparar lo te orico con lo que realiza el algoritmo. VII. C ONCLUSI ON G. Especicaci on de la planta El helic optero de dos grados de libertad, el cual se muestra en la gura 4, en donde se pretende corroborar el correcto funcionamiento del controlador. Sin embargo es necesario conocer bien esta planta, ya que sobre esta act uan diferentes fuerzas que gobiernan los movimientos, raz on por la cual es importante identicar dichas fuerzas y as encontrar un modelo matem atico que describa la din amica de esta planta. Adem as se realizar a un montaje de prototipos basados en circuitos electr onicos, en donde se exhibir an las caracter sticas no lineales que se presentan com unmente en estos, esta implementaci on tendr a una gran facilidad en cuanto al manejo de datos y su implementaci on, ya que el dise no electr onico de estos resulta bastante sencillo y su comprobaci on se puede observar directamente en las se nales el ectricas que estos muestren como resultado de la aplicaci on de un control. V. R ESULTADOS Para lograr tener criterios de desempe no tanto del algoritmo como del controlador, es necesario contrastar los diferentes modos de operaci on de la planta comparando su compor ste y tamiento en ausencia de un control con la presencia de e resaltar las variables cuyo prop osito del controlador pretende ste sentido una vez logrado establecer tanto mejorar. En e el algoritmo como el controlador se analizaran las mejoras esperadas en las variables que se quieren controlar, con ayuda de las simulaciones se lograr a establecer las implicaciones que pueda tener el dise no real. En la gura (5) se observa la simulaci on para un caso particular de linealizaci on, en donde logramos a partir de un modelo que no posee caracter sticas lineales, obtener una caracterizaci on que hace dicho modelo lineal sobre un punto esquema de linealizaci de trabajo espec co. Este on emplea las Se logr o establecer una metodolog a que permitir a realizar paso a paso el desarrollo del proyecto, estableciendo el orden de las actividades espec cas que se necesitan para llevar a cabo el dise no del algoritmo y su implementaci on, as como tambi en los dem as aspectos t ecnicos necesarios en el proceso, como lo es la identicaci on, el modelamiento de la planta, pruebas sobre el controlador. Adem as se plantea como planta a trabajar el caso espec co de un helic optero de dos grados sta planta presenta caracter de libertad, e sticas no lineales y sus variables a controlar son las posiciones espaciales y la velocidad angular de las h elices del helic optero.

Fig. 5. Simulaci on de la linealizaci on de una planta no lineal (sistema mec anico) en simulink.

SEMINARIO PROYECTO DE GRADO, VOL. 1, NO. 1, NOVIEMBRE 2012

R EFERENCES
[1] J. HOLLAND, Adaptation in Natural and Articial Systems, The MIT Press; Reprint edition 1992 (originally published in 1975). [2] STANISLAW H. Zak, Systems and Control, School of Electrical and Computer Engineering Purdue University, New York Oxford, OXFORD UNIVERSITY PRESS 2003. [3] GAWTHROP, P.; , Self-tuning PID controllers: Algorithms and implementation, Automatic Control, IEEE Transactions on , vol.31, no.3, pp. 201- 209, Mar 1986 [4] MUDI, R.K.; PAL, N.R.; , A robust self-tuning scheme for PI- and PD-type fuzzy controllers, Fuzzy Systems, IEEE Transactions on , vol.7, no.1, pp.2-16, Feb 1999. [4] MUDI, R.K.; PAL, N.R.; , A robust self-tuning scheme for PI- and PDtype fuzzy controllers, Fuzzy Systems, IEEE Transactions on , vol.7, no.1, pp.2-16, Feb 1999 [5] SHAN Xue; HUILIN Fan; HONGJI Xu; , Study on ann-based intelligent self-tuning PID controller, Mechatronics and Automation, 2009. ICMA 2009. International Conference on , vol., no., pp.524-529, 9-12 Aug. 2009. [6] YAJUAN Chena, QINGHAI Wub, Design and Implementation of PID Controller Based on FPGA and Genetic Algorithm, Faculty of Electronic and Electrical Engineering, Huaiyin Institute of Technology, Huaiyin Jiangsu, China. [7] K.K. Tan, S. Huang, R. Ferdous, Robust Self-Tuning PID Controller for Nonlinear Systems, Department of Electrical and Computer Engineering,National University of Singapore, 2001. [8] Low-Cost, Bus-Powered Multifunction DAQ for USB 12- or 14-Bit, Up to 48 kS/s, 8 Analog Inputs, Detailed Specications, National Instruments. [9] Londo no O., V elez C.M., Identicaci on del modelo de un minihelic optero robot usando algoritmos gen eticos, VIII Congreso de la Asociaci on Colombiana de Autom atica (ACA), ISBN 9789588387239, Cartagena, 2 y 3 de abril, 2009.

Diego Alejandro Triana Barreto Estudiante de ingenier a electr onica, de la Universidad Distrital Francisco Jos e de Caldas.

Segio Fern andez Rojas Estudiante de ingenier a electr onica, de la Universidad Distrital Francisco Jos e de Caldas.