Optimización mediante algoritmos metaheurísticos de un control de velocidad PI para un motor de imanes permanentes

• Aguilar-Mejia, Omar ; Zuñiga-Peña, Nadia Samantha ^[1] ; Hernández-Romero, Norberto ^[1] ; Seck-Touh-Mora, Juan Carlos ^[1] ; Medina-Marín, Joselito ^[1]
  1. [1] Universidad Autónoma del Estado de Hidalgo

     Universidad Autónoma del Estado de Hidalgo

     México

     
• Localización: Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI, ISSN-e 2007-6363, Nº. Extra 12, 2024 (Ejemplar dedicado a: Special 5 (December))
• Idioma: español
• DOI: 10.29057/icbi.v12iEspecial3.13422
• Títulos paralelos:
  • Optimization by metaheuristic algorithms of a PI speed control for a permanent magnet motor
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El trabajo reporta la evaluacion de desempeño de cuatro algoritmos metaheurísticos para optimizar el control de velocidad de un motor de imanes permanentes (MIP); el controlador tiene integrados tres controles PI, en consecuencia, hay que sintonizar seis ganancias. Los algoritmos considerados; son enjambre de partículas conocido como (PSO), evolucion diferencial mejorada (LSHADE), optimizacion de búsqueda dorada (GSO), y axolote mexicano (MAO). El rendimiento de los controles del motor se evalua sometíendolos a cambios en la referencia de velocidad y a perturbaciones en el par de carga. LSHADE obtiene el mejor rendimiento con un valor mínimo de la funcion de coste de 1.1474, le sigue el PSO convencional con un valor de 2.9567, el MAO con un valor de 13.09, y el GSO con 266.63. Aunque los algoritmos GSO y MAO son tecnicas de optimización recientes, no han conseguido mejorar a los algoritmos PSO y LSHADE para este caso concreto de regulacion de velocidad MIP.

  • English

    The paper reports the performance evaluation of four metaheuristic algorithms to optimize the speed control of a permanent magnet motor (MIP); the controller has three integrated PI controls, and consequently, six gains have to be tuned. The algorithms considered are particle swarm known as (PSO), enhanced differential evolution (LSHADE), golden search optimization (GSO), and Mexican axolotl (MAO). The performance of the motor controls is evaluated by subjecting them to changes in speed reference and load torque perturbations. LSAHADE obtains the best performance with a minimum cost function value of 1.1474; conventional PSO follows it with a value of 2.9567, MAO with a value of 13.09, and GSO with 266.63. Although the GSO and MAO algorithms are recent optimization techniques, they still need to improve upon the PSO and LSHADE algorithms for this particular case of MIP speed regulation.

• Referencias bibliográficas
  • Brahim, B., Kobayashi, M., Al Ali, M., Khatir, T., y Elmeliani, M. E. A. E. (2024). Metaheuristic optimization algorithms: an overview. HCMCOU...
  • Cai, W., Wu, X., Zhou, M., Liang, Y., y Wang, Y. (2021). Review and development of electric motor systems and electric powertrains for new...
  • Choi, H., Kim, E., Yu, D., Jung, J., y Kim, T. (2017). Precise pi speed control of permanent magnet synchronous motor with a simple learning...
  • Choi, H. H., Yun, H. M., y Kim, Y. (2013). Implementation of evolutionary fuzzy pid speed controller for pm synchronous motor. IEEE Transactions...
  • Deng, L. y Liu, S. (2024). Metaheuristics exposed: Unmasking the design pitfalls of arithmetic optimization algorithm in benchmarking. Applied...
  • Dorigo, M. y Stutzle, T. (2019). ¨ Ant colony optimization: overview and recent advances. Springer.
  • Gao, P., Zhang, G., Ouyang, H., y Mei, L. (2020). An adaptive super twisting nonlinear fractional order pid sliding mode control of permanent...
  • Kennedy, J. y Eberhart, R. (1995). Particle swarm optimization. En Proceedings of ICNN’95-international conference on neural networks, volumen...
  • Mohamed, A. W., Hadi, A. A., y Jambi, K. M. (2019). Novel mutation strategy for enhancing SHADE and LSHADE algorithms for global numerical...
  • Noroozi, M., Mohammadi, H., Efatinasab, E., Lashgari, A., Eslami, M., y Khan, B. (2022). Golden search optimization algorithm. IEEE Access,...
  • Nouaoui, T., Dendouga, A., y Bendaikha, A. (2024). Speed control of PMSM using a fuzzy logic controller with deformed mfs tuned by a novel...
  • Ozc¸iflikc¸i, O. E., Koc¸, M., Bahc¸eci, S., y Emiro ¨ glu, S. (2024). Overview of pmsm control strategies in electric vehicles: a review....
  • Shabir, S. y Singla, R. (2020). A Comparative Study of Particle Swarm Optimization and Genetic Algorithm. International Journal of Electrical...
  • Soundirarrajan, N. y Srinivasan, K. (2021). Performance evaluation of ant lion optimizer–based pid controller for speed control of pmsm. Journal...
  • Tanabe, R. y Fukunaga, A. (2013). Success-history based parameter adaptation for Differential Evolution. 2013 IEEE Congress on Evolutionary...
  • Tanabe, R. y Fukunaga, A. S. (2014). Improving the search performance of SHADE using linear population size reduction. Proceedings of the...
  • Templos-Santos, J. L., Aguilar-Mejia, O., Peralta-Sanchez, E., y Sosa-Cortez, R. (2019). Parameter tuning of pi control for speed regulation...
  • Villuendas-Rey, Y., Velazquez-Rodr ´ ´ıguez, J. L., Alanis-Tamez, M. D., MorenoIbarra, M.-A., y Ya´nez-M ˜ arquez, C. (2021). Mexican axolotl...
  • Wang, H., Xu, S., y Hu, H. (2023). Pid controller for pmsm speed control based on improved quantum genetic algorithm optimization. IEEE Access,...
  • Wolpert, D. H. y Macready, W. G. (1997). No free lunch theorems for optimization. IEEE transactions on evolutionary computation, 1(1):67–82.
  • Wu, C., Zhang, K., y Zhang, X. (2024). Fpga-based speed control strategy of pmsm using improved beetle antennae search algorithm. Energies,...
  • Xia, C., Li, S., Shi, Y., Zhang, X., Sun, Z., y Yin, W. (2019). A non-smooth composite control approach for direct torque control of permanent...
  • Zhao, J., Liu, X., Wang, S., y Zheng, L. (2023). Review of design and control optimization of axial flux pmsm in renewable-energy applications....