Modelado y Control de un Péndulo Invertido Rotatorio Aplicando Técnicas de Optimización Multiobjetivo

Abstract

Este artículo muestra la aplicación de técnicas de optimización multiobjetivo, tanto para la identificación de parámetros de un modelo como para el ajuste de controladores. En particular, se propone una técnica para identificar los parámetros de un modelo en primeros principios para un péndulo invertido rotatorio aplicando una metodología de optimización multiobjetivo y datos experimentales. Así también la metodología se extiende a la sintonización de controladores PID y PI para el sistema en mención. En la aplicación de la metodología multiobjetivo se utilizan una serie de herramientas para cada una de las etapas. Como optimizador se ha utilizado una implementación basada en algoritmos evolutivos, ev-MOGA (Herrero et al., 2007). Para la fase de análisis de las soluciones del frente se utiliza la herramienta de visualización del frente de Pareto denominada level diagram (Blasco et al., 2017), que permite explorar satisfactoriamente el conjunto de soluciones óptimas de Pareto y seleccionar una de ellas de acuerdo con las preferencias del diseñador. Una ventaja que ofrece esta metodología es la fácil comprensión de las conflictos que aparecen entre los objetivos de diseño, permitiendo seleccionar una solución de compromiso satisfactoria de cuerdo a las preferencias del diseñador, sin perder de vista el conjunto de soluciones óptimas encontradas.

Fuel Cell Hybrid Model for Predicting Hydrogen Inflow through Energy Demand

“…A hybrid intelligent model is created by combining clustering and intelligent regression algorithms. These kinds of models were used with good results in several different applications [36][37][38][39][40][41][42]. Other algorithms based on multiple regression analysis used to have worse performance, but they are still used [37,[43][44][45][46].…”

Multi-Objective Optimisation-Based Tuning of Two Second-Order Sliding-Mode Controller Variants for DFIGs Connected to Non-Ideal Grid Voltage

“…LDs are a powerful graphical tool, allowing comparison of design concepts-for this paper, the two 2-SMC-based algorithms with four and six parameters, respectively-in a synchronised m-dimensional objective space. They have been successfully applied in a number of MOOPs, helping to analyse Pareto fronts in a more understandable way, such as multi-loop PI controller design [17], non-linear model identification [18], or for the tuning of biological synthetic devices [19].…”