Algoritmo PSO para identificación de parámetros en un motor DC

Autores/as

  • César Duarte Universidad Industrial de Santander
  • Jabid Quiroga Universidad Industrial de Santander

DOI:

https://doi.org/10.17533/udea.redin.14720

Palabras clave:

particle swarm optimization, optimización inteligente, identificación de sistemas

Resumen

En este artículo se presenta la aplicación del algoritmo Particle Swarm Optimization (PSO) como estrategia de búsqueda para determinar los parámetros de un sistema tipo caja gris. Este proceso de identificación se ilustra utilizando la respuesta a un escalón de un motor DC en lazo abierto. Para agilizar la identificación del sistema a través del uso de PSO, se limita el espacio de búsqueda usando la información que puede extraerse de la respuesta en el dominio del tiempo del sistema a identificar. Los resultados del proceso de identificación de los parámetros del motor se obtienen utilizando la herramienta PSOt disponible para entorno Matlab® desarrollada por Brian Birge.
|Resumen
= 230 veces | PDF
= 90 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

César Duarte, Universidad Industrial de Santander

Escuela de Ingenierías Eléctrica, Electrónica y de Telecomunicaciones.

Jabid Quiroga, Universidad Industrial de Santander

Escuela de Ingeniería Mecánica.

Citas

G. Panda, D. Mohanty, B. Majhi, G. Sahoo. Identification of nonlinear systems using particle swarm optimization technique. Evolutionary Computation. CEC. IEEE Congress Singapore. Sept. 2007. pp.3253-3257. DOI: https://doi.org/10.1109/CEC.2007.4424889

X. Peng, G.K. Venayagamoorthy, K. A. Corzine. Combined Training of Recurrent Neural Networks with Particle Swarm Optimization and Backpropagation Algorithms for Impedance Identification. Swarm Intelligence Symposium. SIS. IEEE. Honolulu 1-5 April 2007. pp.9-15.

Z. Dong, P. Han, D. Wang, S. Jiao. Thermal Process System Identification Using Particle Swarm Optimization. IEEE International Symposium on Industrial Electronics. Montreal. Vol.1. 2006. pp.194-198. DOI: https://doi.org/10.1109/ISIE.2006.295591

L. Liu. Robust fault detection and diagnosis for permanent magnet synchronous motors. Ph.D. dissertation. Dept. Mech. Eng. Florida State University. Tallahassee (FL) 2006. pp. 83-105.

J. Kennedy, R. Eberhart. “Particle Swarm Optimization,” Proceedings of IEEE International Conference on Neural Networks. Perth (Australia) Vol. 4. 1995. pp. 1942-1948.

Y. Shi. Particle Swarm Optimization. Ed. Electronic Data Systems Inc. IEEE Neural Networks Society. Kokomo (USA). 2004. pp. 8-13.

J. G. Ziegler, N. B. Nichols. “Optimum settings for automatic controllers”. Trans. A.S.M.E. Vol. 64. 1942. pp. 759-765. DOI: https://doi.org/10.1115/1.4019264

Birge, B., “PSOt - a particle swarm optimization toolbox for use with Matlab,” Swarm Intelligence Symposium. 2003. SIS ‘03. Proceedings of the 2003 IEEE. Indianapolis. April 24-26. 2003. pp. 182-186.

http://www.mathworks.com/matlabcentral/fileexchange/7506. Consultada el 16 de diciembre de 2008.

Descargas

Publicado

2013-03-01

Cómo citar

Duarte, C., & Quiroga, J. (2013). Algoritmo PSO para identificación de parámetros en un motor DC. Revista Facultad De Ingeniería Universidad De Antioquia, (55), 116–124. https://doi.org/10.17533/udea.redin.14720

Artículos similares

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 > >> 

También puede {advancedSearchLink} para este artículo.