Método on-line para sintonización óptima de controladores PID utilizando interface estándar OPC
Introducción— El controlado PID es el algoritmo matemático mayormente utilizado como estrategia de control regulatorio en entornos industriales. Las aplicaciones son variadas; sin embargo, su respuesta depende del cálculo adecuado de sus tres parámetros: el proporcional, el derivativo y el integral....
- Autores:
-
Riaño Jaimes, Cristhian Ivan
Diaz Rodriguez, Jorge Luis
Mejía Bugallo, Diego Armando
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2022
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/12358
- Palabra clave:
- genetic algorithms
automatic tuning
Optimization
PID controller
algoritmos genéticos
sintonización automática
optimización
controlador PID
- Rights
- openAccess
- License
- INGE CUC - 2022
| id |
RCUC2_098ce38530b737a28dc0adc6229ef5e0 |
|---|---|
| oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/12358 |
| network_acronym_str |
RCUC2 |
| network_name_str |
REDICUC - Repositorio CUC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Método on-line para sintonización óptima de controladores PID utilizando interface estándar OPC |
| dc.title.translated.eng.fl_str_mv |
On-line method for optimal tuning of PID controllers using standard OPC interface |
| title |
Método on-line para sintonización óptima de controladores PID utilizando interface estándar OPC |
| spellingShingle |
Método on-line para sintonización óptima de controladores PID utilizando interface estándar OPC genetic algorithms automatic tuning Optimization PID controller algoritmos genéticos sintonización automática optimización controlador PID |
| title_short |
Método on-line para sintonización óptima de controladores PID utilizando interface estándar OPC |
| title_full |
Método on-line para sintonización óptima de controladores PID utilizando interface estándar OPC |
| title_fullStr |
Método on-line para sintonización óptima de controladores PID utilizando interface estándar OPC |
| title_full_unstemmed |
Método on-line para sintonización óptima de controladores PID utilizando interface estándar OPC |
| title_sort |
Método on-line para sintonización óptima de controladores PID utilizando interface estándar OPC |
| dc.creator.fl_str_mv |
Riaño Jaimes, Cristhian Ivan Diaz Rodriguez, Jorge Luis Mejía Bugallo, Diego Armando |
| dc.contributor.author.spa.fl_str_mv |
Riaño Jaimes, Cristhian Ivan Diaz Rodriguez, Jorge Luis Mejía Bugallo, Diego Armando |
| dc.subject.eng.fl_str_mv |
genetic algorithms automatic tuning Optimization PID controller |
| topic |
genetic algorithms automatic tuning Optimization PID controller algoritmos genéticos sintonización automática optimización controlador PID |
| dc.subject.spa.fl_str_mv |
algoritmos genéticos sintonización automática optimización controlador PID |
| description |
Introducción— El controlado PID es el algoritmo matemático mayormente utilizado como estrategia de control regulatorio en entornos industriales. Las aplicaciones son variadas; sin embargo, su respuesta depende del cálculo adecuado de sus tres parámetros: el proporcional, el derivativo y el integral. La sintonización analítica y algunos métodos experimentales resuelven el problema, pero ahora, dentro del contexto digital y de integración de procesos se habilitan nuevas posibilidades de sintonización. Objetivo— Obtener de manera automática y remota los parámetros óptimos del controlador PID aprovechando una conexión online vía el protocolo de comunicación OPC para analizar la respuesta transitoria del sistema. Metodología— El estudio se realiza en tres grandes fases, se inicia con un proceso térmico PD3 SMAR con conexión vía OPC, en esta fase se construye analíticamente el modelo matemático del proceso basado en leyes fundamentales. En la segunda fase utilizando un método analítico de sintonización se crea la arquitectura de control PID sobre la cual se realiza la experimentación online. En la tercera fase se implementan los algoritmos genéticos para sintonización automática, extrayendo medidas de rendimiento del controlador PID a través de la respuesta transitario del proceso y se determinar de manera óptima los valores para los parámetros proporcional, derivativo e integral. Resultados— El método de sintonización automática fue probado con dos procesos industriales correctamente instrumentados y se puedo observar el potencial de aplicación por su buen resultado además de que no se requiere de conocimientos matemáticos específicos en comparación con métodos convencionales de sintonización. Conclusiones— El método de sintonización automática consigue ser empleado de forma remota para calcular los parámetros óptimos de un controlador PID. Los parámetros son calculados a partir de la respuesta transitoria y de la definición de unos criterios de diseño adaptables a cualquier necesidad de control, de respuesta y de proceso. |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-09-11 00:00:00 2024-04-09T20:21:58Z |
| dc.date.available.none.fl_str_mv |
2022-09-11 00:00:00 2024-04-09T20:21:58Z |
| dc.date.issued.none.fl_str_mv |
2022-09-11 |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.eng.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.content.eng.fl_str_mv |
Text |
| dc.type.driver.eng.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.local.eng.fl_str_mv |
Journal article |
| dc.type.redcol.eng.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
| dc.type.version.eng.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.coarversion.eng.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.issn.none.fl_str_mv |
0122-6517 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/11323/12358 |
| dc.identifier.url.none.fl_str_mv |
https://doi.org/10.17981/ingecuc.18.2.2022.02 |
| dc.identifier.doi.none.fl_str_mv |
10.17981/ingecuc.18.2.2022.02 |
| dc.identifier.eissn.none.fl_str_mv |
2382-4700 |
| identifier_str_mv |
0122-6517 10.17981/ingecuc.18.2.2022.02 2382-4700 |
| url |
https://hdl.handle.net/11323/12358 https://doi.org/10.17981/ingecuc.18.2.2022.02 |
| dc.language.iso.eng.fl_str_mv |
eng |
| language |
eng |
| dc.relation.ispartofjournal.spa.fl_str_mv |
Inge Cuc |
| dc.relation.references.eng.fl_str_mv |
R. Borase, D. Maghade, S. Sondkar & S. Pawar, “A review of PID control, tuning methods and applications,” Int. J. Dyn. Control, vol. 9, no. 5, pp. 818–827, Jul. 2020. https://doi.org/10.1007/s40435-020-00665-4 V. Dubey, H. Goud & P. Sharma, “Role of PID Control Techniques in Process Control System: A Review,” in P. Nanda, V. K. Verma, S. Srivastava, R. K. Gupta & A. P. Mazumdar (eds), Data Engineering for Smart Systems. Lectures Notes in Networks and Systems, JAI, IN: Springer, 2021, pp. 659–670. https://doi.org/10.1007/978-981-16-2641-8_62 S. Albatran, I. Smadi & H. Bataineh, “Generalized optimal and explicit PI/PID tuning formulas for underdamped second-order systems,” Int. J. Control Autom. Syst., vol. 18, no. 6, pp. 1023–1032, Nov. 2019. https://doi.org/10.1007/s12555-019-0178-2 A. Bagis, “Determination of the PID controller parameters by modified genetic algorithm for improved performance,” J. Inf. Sci. Eng., vol. 23, no. 5, pp. 1469–1480, Sep. 2007. https://jise.iis.sinica.edu.tw/JISESearch/pages/View/PaperView.jsf?keyId=50_864 Y. Chen, Y. Ma & W. Yun, “Application of improved genetic algorithm in PID controller parameters optimization,” TELKOMNIKA, vol. 11, no. 3, pp. 1524–1530, Jan. 2013. https://doi.org/10.11591/telkomnika.v11i3.2301 C. Huang & Y. Bai, “PID Tuning of Networked Feedforward-Feedback Control Systems,” in Z. Hou (eds), Lecture Notes in Electrical Engineering. Measuring Technology and Mechatronics Automation in Electrical Engineering, NYC, NY, USA: Springer, 2012, pp. 369–376. https://doi.org/10.1007/978-1-4614-2185-6_45 S. Saxena & Y. Hote, “Internal model control based PID tuning using first-order filter,” Int. J. Control Autom. Syst., vol. 15, no. 1, pp. 149–159, Dec. 2016. https://doi.org/10.1007/s12555-015-0115-y Y. Mitsukura, T. Yamamoto & M. Kaneda, “A design of self-tuning PID controllers using a genetic algorithm,” presented at 1999 American Control Conference-ACC, SD, CA, USA, 2-4 Jun. 1999. https://doi.org/10.1109/ACC.1999.783590 K. Amuthambigaiyin Sundari & P. Maruthupandi, “Optimal Design of PID Controller for the analysis of Two TANK System Using Metaheuristic Optimization Algorithm,” J. Electr. Eng. Technol., vol. 17, no. 1, pp. 627–640, Sep. 2021. https://doi.org/10.1007/s42835-021-00891-6 E. Jove, H. Alaiz-Moretón, I. García-Rodríguez, C. Benavides-Cuellar, J. Casteleiro-Roca, & J. Calvo-Rolle, “PID-ITS: an intelligent tutoring system for PID tuning learning process,” presented at International Joint Conference SOCO’17-CISIS’17-ICEUTE’17, LEO, ES, 6-8 Sept. 2017. https://doi.org/10.1007/978-3-319-67180-2_71 Z. Bingul, “A new PID tuning technique using differential evolution for unstable and integrating processes with time delay,” presented at International Conference on Neural Information Processing-ICONIP, CCU, IN, 22-25 Nov. 2004. https://doi.org/10.1007/978-3-540-30499-9_38 M. Gani, M. Islam & M. Ullah, “Optimal PID tuning for controlling the temperature of electric furnace by genetic algorithm,” SN Appl. Sci., vol. 1, no. 8, pp. 1–8, Jul. 2019. https://doi.org/10.1007/s42452-019-0929-y M. Mavrinac, Z. iCar, M. Šercer & I. Lorencin, “Genetic Algorithm-Based Parametrization of a PI Controller for DC Motor Control,” Tehn. Glas., vol. 16, no. 1, pp. 16–22, Feb. 2022. https://doi.org/10.31803//tg-20201119185015 S. Kodali, R. Mandava & B. Rao, “Development of an Optimal PID Controller for the 4-DOF Manipulator Using Genetic Algorithm,” in R. Agrawal, J. K. Jain, V. S. Yadav, V. K. Manupati, L. Varela (eds), Recent Advances in Industrial Production. Lecture Notes in Mechanical Engineering, GBG, SE: Springer, 2021, pp. 23–32. https://doi.org/10.1007/978-981-16-5281-3_3 D. Shan, C. Li, X. Qiu & W. Wei, “PID Parameters Tuning Based on Self-Adaptive Hybrid Particle Swarm Optimization Algorithm,” in Z. Zhong (eds), Proceedings of the International Conference on Information Engineering and Applications (IEA) 2012. Lecture Notes in Electrical Engineering, CQ, CN: Springer, 2013, pp. 751–757. https://doi.org/10.1007/978-1-4471-4847-0_92 S. Singh & N. Katal, “Optimal tuning of PID controller for coupled tank liquid level control system using particle swarm optimization,” presented at Sixth International Conference on Soft Computing for Problem Solving-SocProS 2016, PTL, IN, 23-24 Dec. 2016. https://doi.org/10.1007/978-981-10-3325-4_8 C. Sravan Bharadwaj, T. Sudhakar Babu & N. Rajasekar, “Tuning PID controller for inverted pendulum using genetic algorithm,” in, A. Konkani, R. Bera & S. Paul (eds), Advances in Systems, Control and Automation, SG: Springer, 2018, p. 395–404. https://doi.org/10.1007/978-981-10-4762-6_38 N. Thomas & D. P. Poongodi, “Position control of DC motor using genetic algorithm based PID controller,” presented at World Congress on Engineering, WCE 2019, LDN, UK, 3-5 Jul. 2019. http://www.iaeng.org/publication/WCE2019/ J. C. Tudon-Martínez, J. d.-J. Lozoya-Santos, A. Cantu-Perez & A. Cardenas-Romero, “Advanced Temperature Control Applied on An Industrial Box Furnace,” J. Therm. Sci. Eng. Appl., vol. 14, no. 6, pp. 061001-1–061001-14, Jun. 2022. https://doi.org/10.1115/1.4052020 |
| dc.relation.citationendpage.none.fl_str_mv |
26 |
| dc.relation.citationstartpage.none.fl_str_mv |
13 |
| dc.relation.citationissue.spa.fl_str_mv |
2 |
| dc.relation.citationvolume.spa.fl_str_mv |
18 |
| dc.relation.bitstream.none.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/download/4152/4356 https://revistascientificas.cuc.edu.co/ingecuc/article/download/4152/4587 https://revistascientificas.cuc.edu.co/ingecuc/article/download/4152/4588 |
| dc.relation.citationedition.spa.fl_str_mv |
Núm. 2 , Año 2022 : (Julio-Diciembre) |
| dc.rights.eng.fl_str_mv |
INGE CUC - 2022 |
| dc.rights.uri.eng.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0 |
| dc.rights.accessrights.eng.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.eng.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
INGE CUC - 2022 http://creativecommons.org/licenses/by-nc-nd/4.0 http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.eng.fl_str_mv |
application/pdf text/html text/xml |
| dc.publisher.spa.fl_str_mv |
Universidad de la Costa |
| dc.source.eng.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/view/4152 |
| institution |
Corporación Universidad de la Costa |
| bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstreams/990957f8-a229-4baf-8abf-7a0b6709c7a3/download |
| bitstream.checksum.fl_str_mv |
b4858a270192ce5f1177947ed63db64d |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio de la Universidad de la Costa CUC |
| repository.mail.fl_str_mv |
repdigital@cuc.edu.co |
| _version_ |
1828166878275567616 |
| spelling |
Riaño Jaimes, Cristhian IvanDiaz Rodriguez, Jorge LuisMejía Bugallo, Diego Armando2022-09-11 00:00:002024-04-09T20:21:58Z2022-09-11 00:00:002024-04-09T20:21:58Z2022-09-110122-6517https://hdl.handle.net/11323/12358https://doi.org/10.17981/ingecuc.18.2.2022.0210.17981/ingecuc.18.2.2022.022382-4700Introducción— El controlado PID es el algoritmo matemático mayormente utilizado como estrategia de control regulatorio en entornos industriales. Las aplicaciones son variadas; sin embargo, su respuesta depende del cálculo adecuado de sus tres parámetros: el proporcional, el derivativo y el integral. La sintonización analítica y algunos métodos experimentales resuelven el problema, pero ahora, dentro del contexto digital y de integración de procesos se habilitan nuevas posibilidades de sintonización. Objetivo— Obtener de manera automática y remota los parámetros óptimos del controlador PID aprovechando una conexión online vía el protocolo de comunicación OPC para analizar la respuesta transitoria del sistema. Metodología— El estudio se realiza en tres grandes fases, se inicia con un proceso térmico PD3 SMAR con conexión vía OPC, en esta fase se construye analíticamente el modelo matemático del proceso basado en leyes fundamentales. En la segunda fase utilizando un método analítico de sintonización se crea la arquitectura de control PID sobre la cual se realiza la experimentación online. En la tercera fase se implementan los algoritmos genéticos para sintonización automática, extrayendo medidas de rendimiento del controlador PID a través de la respuesta transitario del proceso y se determinar de manera óptima los valores para los parámetros proporcional, derivativo e integral. Resultados— El método de sintonización automática fue probado con dos procesos industriales correctamente instrumentados y se puedo observar el potencial de aplicación por su buen resultado además de que no se requiere de conocimientos matemáticos específicos en comparación con métodos convencionales de sintonización. Conclusiones— El método de sintonización automática consigue ser empleado de forma remota para calcular los parámetros óptimos de un controlador PID. Los parámetros son calculados a partir de la respuesta transitoria y de la definición de unos criterios de diseño adaptables a cualquier necesidad de control, de respuesta y de proceso.Introduction− The controlled PID is the most widely used mathematical algorithm as a regulatory control strategy in industrial environments. The applications are varied; however, its answer depends on the proper calculation of its three parameters: the proportional, the derivative, and the integral. Analytical tuning and experimental methods solve the problem, but new tuning possibilities are now enabled within the digital and process integration context. Objective− Automatically and remotely obtain the optimal parameters of the PID controller, taking advantage of an online connection via the OPC communication protocol to analyze the transient response of the system. Methodology− The study is carried out in three main phases; it begins with a PD3 SMAR thermal process with connection via OPC; in this phase, the mathematical model of the process is built analytically based on fundamental laws. In the second phase, using an analytical tuning method, the PID control architecture is created on which the online experimentation is carried out. In the third phase, the genetic algorithms for automatic tuning are implemented, extracting performance measures from the PID controller through the transient response of the process and optimally determining the values for the proportional, derivative, and integral parameters. Results− The automatic tuning method was tested with two properly instrumented industrial processes. The potential for application can be seen due to its good result and because it does not require specific mathematical knowledge compared to conventional tuning methods. Conclusions− The automatic tuning method can be used remotely to calculate the optimal parameters of a PID controller. The parameters are calculated from the transient response and the definition of design criteria adaptable to any need for control, response, and process.application/pdftext/htmltext/xmlengUniversidad de la CostaINGE CUC - 2022http://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistascientificas.cuc.edu.co/ingecuc/article/view/4152genetic algorithmsautomatic tuningOptimizationPID controlleralgoritmos genéticossintonización automáticaoptimizacióncontrolador PIDMétodo on-line para sintonización óptima de controladores PID utilizando interface estándar OPCOn-line method for optimal tuning of PID controllers using standard OPC interfaceArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inge CucR. Borase, D. Maghade, S. Sondkar & S. Pawar, “A review of PID control, tuning methods and applications,” Int. J. Dyn. Control, vol. 9, no. 5, pp. 818–827, Jul. 2020. https://doi.org/10.1007/s40435-020-00665-4V. Dubey, H. Goud & P. Sharma, “Role of PID Control Techniques in Process Control System: A Review,” in P. Nanda, V. K. Verma, S. Srivastava, R. K. Gupta & A. P. Mazumdar (eds), Data Engineering for Smart Systems. Lectures Notes in Networks and Systems, JAI, IN: Springer, 2021, pp. 659–670. https://doi.org/10.1007/978-981-16-2641-8_62S. Albatran, I. Smadi & H. Bataineh, “Generalized optimal and explicit PI/PID tuning formulas for underdamped second-order systems,” Int. J. Control Autom. Syst., vol. 18, no. 6, pp. 1023–1032, Nov. 2019. https://doi.org/10.1007/s12555-019-0178-2A. Bagis, “Determination of the PID controller parameters by modified genetic algorithm for improved performance,” J. Inf. Sci. Eng., vol. 23, no. 5, pp. 1469–1480, Sep. 2007. https://jise.iis.sinica.edu.tw/JISESearch/pages/View/PaperView.jsf?keyId=50_864Y. Chen, Y. Ma & W. Yun, “Application of improved genetic algorithm in PID controller parameters optimization,” TELKOMNIKA, vol. 11, no. 3, pp. 1524–1530, Jan. 2013. https://doi.org/10.11591/telkomnika.v11i3.2301 C. Huang & Y. Bai, “PID Tuning of Networked Feedforward-Feedback Control Systems,” in Z. Hou (eds), Lecture Notes in Electrical Engineering. Measuring Technology and Mechatronics Automation in Electrical Engineering, NYC, NY, USA: Springer, 2012, pp. 369–376. https://doi.org/10.1007/978-1-4614-2185-6_45 S. Saxena & Y. Hote, “Internal model control based PID tuning using first-order filter,” Int. J. Control Autom. Syst., vol. 15, no. 1, pp. 149–159, Dec. 2016. https://doi.org/10.1007/s12555-015-0115-y Y. Mitsukura, T. Yamamoto & M. Kaneda, “A design of self-tuning PID controllers using a genetic algorithm,” presented at 1999 American Control Conference-ACC, SD, CA, USA, 2-4 Jun. 1999. https://doi.org/10.1109/ACC.1999.783590 K. Amuthambigaiyin Sundari & P. Maruthupandi, “Optimal Design of PID Controller for the analysis of Two TANK System Using Metaheuristic Optimization Algorithm,” J. Electr. Eng. Technol., vol. 17, no. 1, pp. 627–640, Sep. 2021. https://doi.org/10.1007/s42835-021-00891-6 E. Jove, H. Alaiz-Moretón, I. García-Rodríguez, C. Benavides-Cuellar, J. Casteleiro-Roca, & J. Calvo-Rolle, “PID-ITS: an intelligent tutoring system for PID tuning learning process,” presented at International Joint Conference SOCO’17-CISIS’17-ICEUTE’17, LEO, ES, 6-8 Sept. 2017. https://doi.org/10.1007/978-3-319-67180-2_71 Z. Bingul, “A new PID tuning technique using differential evolution for unstable and integrating processes with time delay,” presented at International Conference on Neural Information Processing-ICONIP, CCU, IN, 22-25 Nov. 2004. https://doi.org/10.1007/978-3-540-30499-9_38 M. Gani, M. Islam & M. Ullah, “Optimal PID tuning for controlling the temperature of electric furnace by genetic algorithm,” SN Appl. Sci., vol. 1, no. 8, pp. 1–8, Jul. 2019. https://doi.org/10.1007/s42452-019-0929-y M. Mavrinac, Z. iCar, M. Šercer & I. Lorencin, “Genetic Algorithm-Based Parametrization of a PI Controller for DC Motor Control,” Tehn. Glas., vol. 16, no. 1, pp. 16–22, Feb. 2022. https://doi.org/10.31803//tg-20201119185015 S. Kodali, R. Mandava & B. Rao, “Development of an Optimal PID Controller for the 4-DOF Manipulator Using Genetic Algorithm,” in R. Agrawal, J. K. Jain, V. S. Yadav, V. K. Manupati, L. Varela (eds), Recent Advances in Industrial Production. Lecture Notes in Mechanical Engineering, GBG, SE: Springer, 2021, pp. 23–32. https://doi.org/10.1007/978-981-16-5281-3_3 D. Shan, C. Li, X. Qiu & W. Wei, “PID Parameters Tuning Based on Self-Adaptive Hybrid Particle Swarm Optimization Algorithm,” in Z. Zhong (eds), Proceedings of the International Conference on Information Engineering and Applications (IEA) 2012. Lecture Notes in Electrical Engineering, CQ, CN: Springer, 2013, pp. 751–757. https://doi.org/10.1007/978-1-4471-4847-0_92 S. Singh & N. Katal, “Optimal tuning of PID controller for coupled tank liquid level control system using particle swarm optimization,” presented at Sixth International Conference on Soft Computing for Problem Solving-SocProS 2016, PTL, IN, 23-24 Dec. 2016. https://doi.org/10.1007/978-981-10-3325-4_8 C. Sravan Bharadwaj, T. Sudhakar Babu & N. Rajasekar, “Tuning PID controller for inverted pendulum using genetic algorithm,” in, A. Konkani, R. Bera & S. Paul (eds), Advances in Systems, Control and Automation, SG: Springer, 2018, p. 395–404. https://doi.org/10.1007/978-981-10-4762-6_38 N. Thomas & D. P. Poongodi, “Position control of DC motor using genetic algorithm based PID controller,” presented at World Congress on Engineering, WCE 2019, LDN, UK, 3-5 Jul. 2019. http://www.iaeng.org/publication/WCE2019/ J. C. Tudon-Martínez, J. d.-J. Lozoya-Santos, A. Cantu-Perez & A. Cardenas-Romero, “Advanced Temperature Control Applied on An Industrial Box Furnace,” J. Therm. Sci. Eng. Appl., vol. 14, no. 6, pp. 061001-1–061001-14, Jun. 2022. https://doi.org/10.1115/1.40520202613218https://revistascientificas.cuc.edu.co/ingecuc/article/download/4152/4356https://revistascientificas.cuc.edu.co/ingecuc/article/download/4152/4587https://revistascientificas.cuc.edu.co/ingecuc/article/download/4152/4588Núm. 2 , Año 2022 : (Julio-Diciembre)PublicationOREORE.xmltext/xml2695https://repositorio.cuc.edu.co/bitstreams/990957f8-a229-4baf-8abf-7a0b6709c7a3/downloadb4858a270192ce5f1177947ed63db64dMD5111323/12358oai:repositorio.cuc.edu.co:11323/123582024-09-17 14:21:04.815http://creativecommons.org/licenses/by-nc-nd/4.0INGE CUC - 2022metadata.onlyhttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.co |