É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.
Artigo de método
Esse protocolo estabelece um procedimento padronizado de prototipagem rápida de controle para avaliar o controle de rastreamento de backstepping ajustado para Otimização em Enxame de Partículas dentro de um ambiente de simulação em tempo real de etapas fixas.
O objetivo principal deste protocolo é fornecer uma estrutura de simulação reprodutível em etapas fixas para avaliar a afinação de ganho baseada em Otimização em Enxame de Partículas (PSO) em sistemas de controle não lineares. A implementação começa com a formulação de um modelo de pêndulo do tipo Furuta, seguido pela integração de um controlador de retrocesso dentro de um ambiente de execução de etapas fixas de 2 ms. A metodologia envolve um processo sistemático de quatro etapas: caracterizar restrições de implementação não ideais, definir um espaço de busca de Otimização por Enxame de Partículas multiobjetivo, executar ajustes automatizados offline e avaliar os parâmetros resultantes por meio de um conjunto padronizado de cenários de rastreamento de trajetória e rejeição de distúrbios. Essa configuração, utilizando estações de trabalho industriais de alto desempenho e interfaces padronizadas de sinal, suporta comparações consistentes de tentativas repetidas dentro da mesma arquitetura de controle. O projeto compara um controlador básico de retrocesso ajustado manualmente com uma variante otimizada para PSO que compartilha exatamente a mesma estrutura de controle, isolando assim o impacto da seleção de ganho. O desempenho do controlador é avaliado em três cenários operacionais distintos: seguimento por trajetória por passos, rastreamento senoidal de frequência mista e rejeição de distúrbios. A análise estatística de 10 ensaios repetidos mostrou que a otimização baseada em PSO reduziu o RMSE de acompanhamento por passos de 0,065 para 0,050 rad e atenuou as excursões de pico do pêndulo em 33,1%. Essas melhorias foram alcançadas junto com uma redução de 22,1% no esforço de controle do RMS, indicando que os parâmetros otimizados facilitaram uma distribuição de energia mais eficiente dentro do arcabouço baseado em Lyapunov. Em última análise, essa metodologia fornece uma estrutura estruturada de simulação para avaliar estratégias de controle não lineares antes de qualquer implementação física subsequente de hardware.
O pêndulo rotativo invertido do tipo Furuta representa um padrão fundamental para validar algoritmos de controle não lineares devido à sua instabilidade em malha aberta e dinâmica complexasubatuada 1,2,3. Antes que a avaliação orientada à implementação possa ser considerada, esses desenhos teóricos exigem rigorosos testes intermediários baseados em simulação. Portanto, esse protocolo estabelece uma estrutura padronizada e rápida de prototipagem de controle para avaliar sistematicamente as mudanças de desempenho induzidas pela Otimização em En....
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Este protocolo não envolve sujeitos humanos, testes em animais ou amostras clínicas. Os procedimentos são executados inteiramente dentro de um ambiente de simulação de etapas fixas que representa um sistema de controle eletromecânico não linear. Nenhum experimento físico de pêndulo rotativo invertido, validação física de hardware no loop ou teste de implantação física foi realizado neste estudo.
1. Construção de plantas e estabelecimento de convenções de sinalização
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
O algoritmo de otimização de enxame de partículas (PSO) demonstrou uma rápida redução inicial na função objetivo composta, seguida por um período de convergência gradual. Especificamente, o valor ótimo de aptidão diminuiu para 1,8757 no primeiro ciclo computacional, enquanto a aptidão média-enxame caiu de 2,0573 para 1,2518 na 35ª iteração. A maior parte dessa convergência ocorreu durante as 15 a 20 iterações iniciais. Além desse estágio, a trajetória da solução global convergiu, indican.......
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
O objetivo principal deste estudo não é apenas declarar um controlador superior a outro sob condições isoladas, mas demonstrar que o framework de otimização de ganho baseado em PSO avaliado aqui pode melhorar o desempenho de um controlador de retrocesso em cenários simulados não ideais definidos. O pêndulo rotativo invertido serve como excelente referência para esta avaliação devido às suas características altamente não lineares, de fase não mínima esubatuadas 26........
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Os autores não declaram conflitos de interesse.
Os autores reconhecem a Faculdade de Engenharia de Energia da Universidade Naval de Engenharia por fornecer as instalações de pesquisa e a plataforma de simulação em tempo real necessárias para conduzir as simulações apresentadas neste protocolo. Os autores também agradecem à equipe técnica do laboratório pelo apoio na manutenção dos recursos computacionais e do ambiente de simulação usados nas avaliações de desempenho de controle.
....Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
| Nome | Empresa | Número de catálogo | Comentários |
|---|---|---|---|
| High-performance Workstation (Windows 11 Pro) | Various / Custom Build | N/A | Máquina anfitriã para simulação em tempo real de passo fixo e pós-processamento. |
| MATLAB (Version R2024a) | MathWorks | https://www.mathworks.com/products/matlab.html | Modelagem não linear de plantas, codificação de controladores, exportação de dados e gerenciamento de parâmetros. |
| Simulink (Version R2024a) | MathWorks | https://www.mathworks.com/products/simulink.html | Construção de modelos em diagrama de blocos para o pêndulo tipo Furuta e execução de controladores. |
| Simulink Desktop Real-Time (Version R2024a) | MathWorks | https://www.mathworks.com/products/simulink-desktop-real-time.html | Kernel de tempo real de passo fixo para execução do modelo de controle no desktop. |
| Python (Version 3.11) | Python Software Foundation | https://www.python.org/ | Processamento de dados secundário, manipulação estatística e preparação de figuras. |
| NumPy (Version 1.26) | NumPy Developers | https://numpy.org/ | Operações de matriz numérica para dados de ensaios exportados. |
| pandas (Version 2.2) | pandas Developers | https://pandas.pydata.org/ | Organização de dados de ensaios repetidos e geração de tabelas de resumo. |
| SciPy (Version 1.13) | SciPy Developers | https://scipy.org/ | Testes estatísticos e utilitários de análise de sinal. |
| Matplotlib (Version 3.8) | Matplotlib Developers | https://matplotlib.org/ | Geração de gráficos para convergência, rastreamento e figuras de distribuição. |
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.