Algoritmos Genéticos Aplicados al Diseño de Controladores Robustos

Abstract

[ES] La estrategia de optimización multiobjetivo denominada Programación Física o Physical Programming (PP) permite al diseñador expresar sus preferencias explícitamente para cada objetivo de diseño (tiempo de establecimiento, estabilidad, etc.) de una forma flexible y con un claro significado ''físico''. Estas preferencias se formulan a través de categorías del tipo deseable, tolerable, inaceptable, etc. asociadas a unos rangos numéricos que el diseñador fija para cada especificación. En este artículo se muestra cómo se puede plantear un problema de control robusto como un problema de optimización multiobjetivo y cómo se puede utilizar PP con Algoritmos Genéticos (AGs) para salvar los problemas que presenta esta técnica frente a funciones con numerosos mínimos locales. En el artículo se resuelve el problema tipo para control robusto de un proceso de masa-muelle y se comparan las soluciones a este problema desarrolladas por otros autores con las obtenidas empleando PP y AGs.

[EN] Physical Programming (PP) is a multiobjective optimization technique where the designer, for each objective or specification of the problem, declares his preferences in a flexible way. These preferences (e.g. overshoot, settling time, gain margin) are expressed with linguistic terms such as tolerable, desirable, undesirable, etc. and they are associated with numeric ranges in the same physical units as the objective itself is (e.g. seconds, percentages). This paper shows how PP can be applied to the design of robust controllers from a multiobjective optimization point of view. Non linear optimization used in the original PP method has been substituted by a Genetic Algorithm to avoid local minima which can usually arise in these multimodal problems. The ACC Robust Control Benchmark has been solved and the result obtained is compared with solutions from other authors.