Algoritmo PSO para identificación de parámetros en un motor DC
DOI:
https://doi.org/10.17533/udea.redin.14720Palabras clave:
particle swarm optimization, optimización inteligente, identificación de sistemasResumen
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.Descargas
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
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Revista Facultad de Ingeniería
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter