Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
18 a 21 de setembro de 2011
So Joo del-Rei - MG - Brasil
Abstract PI and PID controller design (tuning) employ in general classical techniques, such as Ziegler-Nichols and CohenCoon. One disadvantage in this case is the need for knowing the process dynamics. An alternative approach is the use of evolutionary optimization methods. In this work, one of them called Differential Evolution is used for tuning the PI and PID parameters of a controller in a thermal process. The results, compared to those given by the classical techniques, showed that the proposed methodology is promising.
Keywords PID controller, Tuning, Differential Evolution.
Resumo O projeto (sintonia) de controladores PI e PID geralmente realizado com tcnicas clssicas, tais como ZieglerNichols e Cohen-Coon. Uma das desvantagens a necessidade de conhecimento da dinmica do processo. Uma abordagem alternativa o emprego de mtodos evolutivos. Neste trabalho, empregou-se um deles, denominado Evoluo Diferencial, para a
sintonia dos parmetros PI e PID de um controlador em um processo trmico. Os resultados, comparados com aqueles obtidos
com as tcnicas clssicas, mostraram que a metodologia proposta promissora.
Palavras-chave Controlador PID, Sintonia, Evoluo Diferencial.
1 Introduo
O desenvolvimento de controladores que possuem
comportamento uniforme em malha fechada para
grandes variaes da dinmica do processo, e
robustez, tem acelerado a alta competio do
mercado nos dias atuais.
A explorao de novas alternativas de sistemas
de controle pode resultar em um fator importante na
conquista de mercado. Alm disso, aspectos como
aumento da demanda por processos e produtos de
qualidade, responsabilidade ambiental e demandas
por um mercado varivel e dinmico, motivam a
busca por sistemas de controle com flexibilidade
operacional, sem o conservadorismo dos mtodos
existentes.
Tradicionalmente, em projeto de controladores,
mtodos clssicos como Ziegler-Nichols (ZN) e
Cohen-Coon (CC) so frequentemente empregados
com essa finalidade (Souza, 2007). Apesar da
simplicidade de aplicao destas metodologias, elas
apresentam, como principal desvantagem, a
necessidade de conhecimento da dinmica do
processo, o que, em problemas reais, se configura
como uma tarefa rdua.
Recentemente, estratgias baseadas em tcnicas
heursticas de otimizao tm sido propostas para o
projeto de controladores, dentre as quais pode-se
citar Lobato e Souza (2008) e Solihin et al. (2011).
105
Ziegler-Nichols
(ZN)
KK
( ) + 13
( )
( )
I
= 3,33( )
KK C = 0,9
PI
Cohen-Coon
(CC)
KK C =
A idia principal por trs desta tcnica o esquema proposto para atualizao do vetor de variveis de projeto de uma populao. Basicamente, a
diferena ponderada, via taxa de perturbao F, entre
r
r
dois indivduos ( xr e xr ), adicionada a um terceiro
r
indivduo ( xr1 ), como mostrado na Figura 1.
2
( )+ 0,083
( )]
I
=
1,0 + 2,2( )
KK = 1,35 ( ) + 0, 270
32 + 6 ( )
=
13 + 8 ( )
0,37
( )
=
1, 0 + 0, 2 ( )
KK C = 0.9
3,33 + 0,33
( )
( )
( )
KK C = 1, 2
PID
I
= 2 ,0
D
= 0 ,5
Kc
0,5Ku
PI
0,45Ku
Pu/1,2
PID
0,6Ku
0,5Pu
Pu/8
Apesar da grande maioria dos projetos de controladores PID serem sintonizados pelos mtodos
clssicos ZN e CC, eles trazem algumas dificuldades,
tais como: a necessidade de conhecimento da dinmica do processo em malha aberta, e no caso do mtodo de sensibilidade limiar, a necessidade de trabalhar prximo ao limite de instabilidade do sistema.
Sendo assim, a partir deste cenrio, caracteriza-se a
necessidade de novas alternativas para a sintonia de
controladors PID.
3 O Algoritmo de Evoluo Diferencial
Dentre os vrios algoritmos de otimizao no determinsticos propostos na literatura, o algoritmo de
Evoluo Diferencial (ED), proposto por Storn e
Price (1995), se configura como uma das principais
abordagens para a resoluo de problemas de otimizao.
r
O indivduo gerado atravs deste esquema ( i )
avaliado pela funo objetivo e pode inclusive substituir indivduos mal sucedidos nas geraes seguintes.
Desta forma, nenhuma distribuio de probabilidade
em separado deve ser usada, o que torna este esquema completamente auto-ajustvel.
De maneira resumida, nessa abordagem puramente estrutural, o valor de cada varivel representado por um valor real e a gerao de candidatos
feita atravs do uso de operaes vetoriais como apresentado e detalhado a seguir (Storn e Price, 1995):
Inicializar (aleatoriamente) e avaliar a populao P enquanto nenhum
critrio de parada for satisfeito faa {
para (i = 0; i < NP; i++) {
Rotina Candidato C[i]
Avalie o candidato C[i]
se (C[i] melhor que P[i])
P[i] = C[i] seno P[i] = P[i]}
P = P}
em que NP o tamanho da populao, P a populao da gerao atual, e P a populao da prxima gerao. O procedimento para a criao do
candidato (C[i]) mostrado a seguir:
Candidato C[i]
Aleatoriamente selecione os pais P[i1], P[i2] e
P[i3], (i i1 i2 i3).
Gerao do candidato: C1[i] = P[i1] + F (P[i2]P[i3]).
C[i] por cruzamento dos genes de P[i] e C1[i]
como segue: para (j = 0 ; j < NP ; j++) {
se (r < CR) C[i][j] = C1[i][j] seno C[i][j]
= P1[i][j]}
em que C[i] a soluo candidata i da populao, C[i][j] a j-sima entrada no vetor soluo de
C[i], r um nmero aleatrio entre 0 e 1, CR a probabilidade de cruzamento e F a taxa de perturbao.
106
( ts / t ) + OS
,
2
(1)
a
.
b
Tc,s Qc,s
Tc
Tt,s
Qt,s
Tt
Tt,e
Qt,e
Tc,e Qc,e
Figura 3. Desenho esquemtico do trocador de calor (Fonte: Garcia, 2005).
d (Tt ,s )
dt
d (Tc,s )
dt
t ,e Qt ,e c p ,a (Tt ,e Tt ,s ) + U A Tct
, (3)
t Vt c p ,a
(2)
Tt ,s ( 0 ) Tc ,s (0 ) = 40o C 74,4o C ,
(5)
5 Aplicao
O estudo de caso deste trabalho consiste de um trocador de calor do tipo casco-tubo em contra-corrente.
Na Figura 3, Qc,i e Tc,i representam, respectivamente,
a vazo e a temperatura de entrada do fluido quente,
e Qt,e e Tt,e, a vazo e a temperatura de entrada do
fluido frio. Tc a temperatura do fluido no lado do
casco e Tt a temperatura do fluido no lado dos tubos.
107
Tmin,ct = Tc ,e Tt , s .
A equao do conjunto sensor-transmissor se
comporta como um sistema de 1a ordem e a temperatura transmitida (Tt, em oC) dada por:
d (Tt )
dt
Kt (Tm.mV 1,019 ) Tt
t
, Tt ( 0 ) = 14,6 mA ,
(6)
d(X )
dt
K AT ( v 3 ) X
AT
X ( 0 ) = 0,6p.u. ,
(7)
35,81
0,127990
PI (ZN-SL)
22,58
0,079193
PI (ZN-CR)
38,48
0,008692
PI (CC-CR)
24,91
0,062792
PI (ED)
39,79
0,009491
PID (ZN-SL)
23,75
0,237793
PID (ZN-CR)
22,09
0,006494
PID (CC-CR)
19,90
0,043793
PID (ED)
22,65
0,006993
(8)
Mtodo
PI (Garcia,
2005)
Mtodo
KC
PI (Garcia,
2005)
0,40
2,50
PI (ZN-SL)
4,41
50,00
PI (ZN-CR)
2,52
44,95
PI (CC-CR)
2,72
16,63
PI (ED)
1,00
13,38
PID (ZN-SL)
5,88
30,00
7,50
PID (ZN-CR)
3,36
27,00
6,75
PID (CC-CR)
4,43
26,02
4,25
PID (ED)
2,93
21,57
6,16
108
QTe
QTe
e
Tref
Tref
Tref_mA
Converso de Tref
de oC para mA
Controlador
PI
Conversor
I/P
QCe
Qce
Vlvula
de controle
TTs
TTs
TTe
TTe
TCe
TCe
Medidor de
temperatura
PV_mA
Trocador
de calor
PV_oC
(a)
rho_T
1
QTe
VT
rho_Te
1
s
cPA
3
TTe
1
TTs
cPA
TT s
TT e
q
TCe
rho_C
TCs
2
QCe
VC
1
s
Clculo de
q=U.A.dTct
rho_Ce
Tcs
cPA
cPA
4
TCe
(b)
Figura 4. (a) Modelo do trocador de calor no-linearizado em malha fechada e (b) subsistema com o modelo do trocador de calor.
41.5
TTs
41
40.5
PI Lit
PI ZNSL
PI ZNCR
PI CCCR
PI ED
40
39.5
100
200
300
400
500
Tempo (s)
600
700
800
900
1000
41.5
TTs
41
PID ZNSL
PID ZNCR
PID CCCR
PID ED
40.5
40
100
200
300
400
500
Tempo (s)
600
700
800
900
1000
Figura 5. Resposta do sistema de troca trmica, frente a uma perturbao degrau unitria no set-point de 40 para 41 oC, para cada uma das
sintonias dos controladores PI e PID.
109
6 Concluso
Este trabalho objetivou a aplicao do algoritmo de
ED para o projeto de controladores PI e PID. A metodologia proposta foi aplicada na sintonia de um
controlador em um sistema de troca trmica em malha fechada. Os resultados obtidos foram comparados
com a sintonia realizada atravs dos mtodos tradicionais de Ziegler-Nichols (ZN) e Cohen-Coon (CC).
Como pode ser observado na Tabela 2, o resultado
com o algoritmo de ED foi o esperado, e a metodologia proposta se configura como uma promissora alternativa para o projeto de controladores.
Como propostas de trabalhos futuros, pode-se citar a aplicao da metodologia em plantas industriais,
a anlise de sensibilidade dos parmetros do algoritmo de ED na qualidade da soluo, e a hibridizao
do algoritmo com outras tcnicas clssicas e heursticas.
Agradecimentos
Os autores agradecem FAPEMIG e ao CNPq pelo
apoio financeiro.
Referncias Bibliogrficas
Babu, B. V., Sastry, K. K. N. (1999). Estimation of
Heat-transfer Parameters in a Trickle-bed Reactor using Differential Evolution and Orthogonal
Collocation. Computers and Chemical Engineering, Vol. 23, pp. 327-339.
Babu, B. V., Singh, R. P. (2000). Synthesis and Optimization of Heat Integrated Distillation Systems Using Differential Evolution, in Proceedings of the All-India Seminar on Chemical Engineering Progress on Resource Development.
Garcia, C. (2005). Modelagem e Simulao. EdUSP,
So Paulo, SP.
Lobato, F. S. (2008). Multi-objective Optimization to
Engineering System Design. Tese, Escola de Engenharia Mecnica, Universidade Federal de
Uberlndia, Brasil.
Lobato, F. S., Souza, D. L. (2008). Adaptive Differential Evolution Method Applied To Syntony of
Controllers, in 7th Brazilian Conference on Dynamics, Control and Application.
Lobato, F. S., Steffen Jr., V. (2007). Engineering
System Design with Multi-Objective Differential
Evolution, in Proceedings of the 19th International Congress of Mechanical Engineering.
Lobato, F. S., Steffen Jr., V., Arruda, E. B., Barrozo,
M. A. S. (2008). Estimation of Drying Parameters in Rotary Dryers using Differential Evolution, Journal of Physics: Conference Series, Vol.
135, doi:10.1088/1742-6596/135/1/012063.
Lobato, F. S., Steffen Jr., V., Neto, A. J. S. (2010).
Estimation of Space-Dependent Single Scatter-
ing Albedo, in Radiative Transfer Problems, Inverse Problems, Design and Optimization Symposium.
Mariani, V. C., Lima, A. G. B., Coello, L. S. C.
(2008). Apparent Thermal Diffusivity Estimation
of the Banana during Drying using Inverse
Method. Journal of Food Engineering, Vol. 85,
pp. 569-579.
Price, K., Storn, R. (1997). Differential Evolution
A Simple Evolution Strategy for Fast Optimization. Dr. Dobbs Journal, Vol. 22, No. 4, pp. 1824.
Seborg, D. E., Edgar, T. F., Mellichamp, D. A.,
(1989). Process Dynamics and Control. Wiley
Series in Chemical Engineering.
Solihin, M. I., Tack, L. F., Kean, M. L. (2011). Tuning of PID Controller Using Particle Swarm Optimization (PSO), in Proceeding of the International Conference on Advanced Science, Engineering and Information Technology, ISBN 978983-42366-4-9.
Souza, D. L. (2007). Anlise do Desempenho de Sistemas de Controle. Dissertao de Mestrado, Faculdade de Engenharia Qumica, Universidade
Federal de Uberlndia, Brasil.
Storn, R., Price, K. (1995). Differential Evolution: A
Simple and Efficient Adaptive Scheme for
Global Optimization Over Continuous Spaces.
International Computer Science Institute, Vol.
12, pp. 1-16.
Storn, R., Price, K., Lampinen, J. A. (2005). Differential Evolution - A Practical Approach to
Global Optimization. Springer: Natural Computing Series.
Wang, F. S., Su, T. L., Jang, H. J. (2001). Hybrid
Differential Evolution for Problems of Kinetic
Parameter Estimation and Dynamic Optimization
of an Ethanol Fermentation Process. Industry
Engineering Chemical Research, Vol. 40, pp.
2876-2885.
110