Sintonia PID em conversores CC-CC utilizando Algoritmos Genéticos (GA) e Enxame de Particulas (PSO)

metadataTrad.dc.contributor.author	Bittencourt, Everton Doro;
metadataTrad.dc.contributor.advisor	Souza, João Olegário de Oliveira de;
metadataTrad.dc.contributor.advisorLattes	http://lattes.cnpq.br/4888175103572971;
metadataTrad.dc.publisher	Universidade do Vale do Rio dos Sinos;
metadataTrad.dc.title	Sintonia PID em conversores CC-CC utilizando Algoritmos Genéticos (GA) e Enxame de Particulas (PSO);
metadataTrad.dc.description.resumo	Este trabalho apresenta a metodologia empregada para a sintonia de controladores PI e PID utilizando meta-heurísticas. É feita uma comparação entre duas meta-heurísticas, Genetic Algorithm – GA e Particle Swarm Optimization – PSO, com o objetivo de minimizar os parâmetros (overshoot, tempo de acomodação e tempo de subida) na resposta dos sistemas no domínio do tempo. Duas plantas foram propostas para aplicação das meta-heurísticas, sendo os conversores CC-CC um do tipo Buck e o outro do tipo Boost na configuração de carga eletrônica. Foram realizadas simulações a fim de comparar e encontrar os parâmetros para solução de cada problema proposto. As meta-heurísticas também foram submetidas na comparação de sua eficiência com um trabalho já realizado de otimização PID pelos autores Varol e Bingul (2004), onde foi plenamente satisfatório o desempenho de ambas. Todas as meta-heurísticas se mostraram satisfatórias na busca dos parâmetros de sintonia, e para atingir esse objetivo, utilizou-se dos métodos baseados nos critérios de desempenho IAE, ITAE, ISE e ITSE empregados na função objetivo de cada planta. Para o conversor do tipo Buck, a sintonia utilizando algoritmo PSO e o índice de desempenho ITSE, foi a que encontrou o melhor conjunto de parâmetros PID. Coincidentemente também para o conversor do tipo Boost, a sintonia utilizando algoritmo PSO e o critério de desempenho ITSE, foi a que encontrou o melhor conjunto de parâmetros para o controlador PI.;
metadataTrad.dc.subject	PID; Conversores CC-CC; Meta-heurística; Genetic Algorithm; Particle Swarm Optimization;
metadataTrad.dc.type	TCC;
metadataTrad.dc.date.issued	2022-06-15;
metadataTrad.dc.identifier.uri	http://www.repositorio.jesuita.org.br/handle/UNISINOS/12642;
metadataTrad.dc.audience.educationLevel	Graduação;
metadataTrad.dc.curso	Engenharia Elétrica;