Optimización mediante algoritmos genéticos de controladores PWM digitales basados en las estrategias ZAD y FPIC
Se presenta el proyecto de grado ha realizado dentro del programa de Ingeniería Electrónica de la Universidad de/Magdalena. El estudio propuesto tuvo como objetivo optimizar por medio de algoritmos genéticos los parámetros de control de PWM-digitales de convertidores de potencia DC-DC. Los algoritmo...
- Autores:
-
Gámez Araujo, Andrés Alfonso
- Tipo de recurso:
- Fecha de publicación:
- 2012
- Institución:
- Universidad del Magdalena
- Repositorio:
- Repositorio Unimagdalena
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unimagdalena.edu.co:123456789/6153
- Acceso en línea:
- http://repositorio.unimagdalena.edu.co/handle/123456789/6153
- Palabra clave:
- Estrategia
Control
Parámetros
- Rights
- restrictedAccess
- License
- atribucionnocomercialsinderivar
| Summary: | Se presenta el proyecto de grado ha realizado dentro del programa de Ingeniería Electrónica de la Universidad de/Magdalena. El estudio propuesto tuvo como objetivo optimizar por medio de algoritmos genéticos los parámetros de control de PWM-digitales de convertidores de potencia DC-DC. Los algoritmos genéticos son métodos para resolver problemas de optimización que están basados en la selección natural. Generaciones sucesivas hacen que la población mejore hacia una solución óptima. Se puede aplicar algoritmos genéticos para resolver una variedad de problemas de optimización que no son resueltos por problemas de optimización estándar. Incluyendo problemas en los cuales la función objetivo es discontinua, no diferenciable, estocástica o altamente no lineal. Específicamente, se sintonizaron los parámetros de control de un PWM digital basado en dos técnicas de control: Una técnica de control deslizante conocida como estrategia de promediado cero de la dinámica del error (Zero Average Dynamic ó ZAD), una técnica de control de caos basada en la inducción al punto fijo (Fixed Point inducting Control ó FPIC). Ambas técnicas de control, se pueden utilizar en conjunto o por separado y, además, se pueden implementar bajo una condición de tiempo de atraso (Delay), la cual permite que el funcionamiento del sistema no tenga que ser en tiempo real. Ambas técnicas surgieron en la última década y se vislumbran como potenciales soluciones comerciales. [2], [6], [24]. En particular, este trabajo busca determinar si por medio de algoritmos genéticos se pueden obtener resultados más óptimos que los obtenidos con las técnicas clásicas de optimización. A priori se considera que los algoritmos genéticos podrán |
|---|