Algoritmos Genéticos Aplicados al Diseño de Controladores Robustos
[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 &...
| Autores: | , , |
|---|---|
| Tipo de recurso: | artículo |
| Fecha de publicación: | 2010 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/146402 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/146402 |
| Access Level: | acceso abierto |
| Palabra clave: | Robust control Multiobjective optimization Physical Programming Genetic Algorithms Control Robusto Optimización Multiobjetivo Programación Física Algoritmos Genéticos |
| Sumario: | [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. |
|---|