estudo comparativo de otimizações da sintonia de
TRANSCRIPT
XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO “Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.
Estudo Comparativo de Otimizações da Sintonia
de Controladores PID pelo Método de Nelder
Mead Simplex
Matheus Cardoso Nunes Arouca Glória (CEFET-MG)
Marlon José do Carmo (CEFET-MG)
Luana Rosa dos Santos (CEFET-MG)
Este trabalho utiliza um método simplex de programação não linear proposto por Nelder e Mead para otimizar os parâmetros de sintonia de
controladores PID. O controlador PID possui muitos métodos para sintonia de seus parâmetros, este trabalho, porém emprega um método
não convencional, utilizando uma ferramenta matemática iterativa muito utilizada em outras áreas, com o intuito de obter controles com melhores desempenhos. O trabalho apresenta análises comparativas dos
resultados obtidos pelos métodos de Nelder-Mead e métodos tradicionais. No primeiro sistema testado, os métodos de Ziegler-
Nichols, de Cohen e Coon e CHR 20% apresentaram os seguintes valores de sobre-elevação respectivamente: 24,8%, 17,7% e 2,6% e tempos de acomodação de 3,9s, 5,6s e 4,8s, enquanto uma das
simulações do método de Nelder-Mead apresentou 1,8% de sobre-elevação e 1,7 de tempo de acomodação, demonstrando que o método
proposto apresentou melhores resultados.Insira aqui o resumo do seu trabalho.
Palavras-chave: Otimização, Nelder Mead, Simplex, PID.
XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO “Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.
1
1. Introdução
O controle de sistemas tem produzido um importante para o avanço para a engenharia, além de
ter se tornado primordial para as indústrias, exercendo determinados controles específicos como
pressão, vazão e temperatura, melhorando a produtividade (DORF; BISHOP, 2018).
Alguns outros setores em que o controle tem papel de destaque são, por exemplo: veículos
espaciais, controle da trajetória de mísseis, sistemas robóticos, projeto de fabricação e
orientação de automóveis, aviões e navios (NISE, 2017) (OGATA, 2015).
Com o aumento da utilização das técnicas de controle nas indústrias, aumentou a busca por
métodos para otimizar os resultados encontrados em um sistema de controle. A otimização tem
como objetivo encontrar a melhor solução para o sistema, sem precisar testar todas as
possibilidades envolvidas, economizando tempo e viabilizando uma solução sub ótima, já que
para maioria dos sistemas reais, testar todas combinações de valores possíveis para as variáveis
que podem ser controladas de um sistema, leva um certo tempo e muita das vezes é impossível
de serem feitas (MINEIRO, 2007).
A busca de uma solução boa pode ser feita manualmente ou utilizando técnicas que visam
procurar uma solução sub ótima sem a necessidade de executar todas as soluções possíveis,
uma forma de otimização é o uso da pesquisa operacional.
A Pesquisa Operacional (PO) consiste em aplicar técnicas e procedimentos matemáticos em um
sistema, visando otimizá-lo, buscando alcançar o melhor resultado possível (ANDRADE,
2011). A pesquisa operacional é um método que vem sendo amplamente usado nas
organizações em diversos setores das indústrias como: planejamento, manufatura, logística e
financeiro, para otimizar o processo de tomada de decisões, servindo como uma base
quantitativa para justificar tal decisão, visando um maior lucro (IGNÁCIO, 2009). A utilização
da PO pode, portanto, ser também uma solução para otimização de resultados obtidos em
sistemas de controle.
Ao se deparar com a enorme importância dos sistemas de controle nos dias atuais, percebe-se
uma busca constante do aperfeiçoamento dos métodos tradicionais de controle ou da criação de
métodos alternativos para se obter resultados mais precisos. Encontram-se diversos trabalhos
com a utilização da pesquisa operacional (PO) como método de otimização, validando,
portanto, o uso da mesma como uma grande ferramenta matemática já consolidada.
O controle PID (Proporcional + Integral + Derivativo) é um tema muito difundido nos cursos
de Engenharia, devido sua grande importância, já que é o controle mais usado nas indústrias. A
ideia do trabalho é além de aplicar o método de Nelder-Mead na sintonia do PID, comparar os
XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO “Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.
2
resultados obtidos com métodos de sintonia tradicionais como Ziegler e Nichols, Cohen-Coon
e CHR 20% (CARMO, 2006). O objetivo principal do trabalho é, portanto, demonstrar que uma
ferramenta matemática como a programação não linear, muito utilizada em outras áreas, pode
ser utilizada para melhorar respostas dinâmicas em sistemas de controle.
O trabalho está organizado da seguinte forma: na seção 2 apresenta-se o método Nelder – Mead
Simplex; a seção 3 discute a metodologia proposta; já na seção 4, os resultados são
apresentados, e por fim, na seção 5 conclui-se este trabalho.
2. O método Nelder – Mead Simplex
Este método, proposto por Nelder e Mead (1965), é utilizado para resolver problemas de
programação não linear sem a utilização de derivadas, pertence à classe de métodos de busca
direta. Apesar de não possuir convergência teórica garantida, geralmente produz resultados
satisfatórios, sendo um dos métodos sem derivadas mais utilizados (CERVELIN, 2013).
A popularidade do método de Nelder-Mead pode ser atribuída a diversos fatores como:
simplicidade da implementação computacional, não uso do cálculo explícito ou implícito de
derivadas da função objetivo e o fato de fornecer um acentuado decréscimo da função objetivo
logo nas primeiras iterações (GONÇALVES, 2013).
Métodos de busca direta são métodos iterativos, que não calculam nem aproximam derivadas e
utiliza a função objetivo para comparações ao longo das iterações (CERVELIN, 2013).
Um problema de otimização por métodos iterativos, segue a seguinte ideia básica: um ponto
inicial 𝑥 0 é escolhido, este pode ser considerado a primeira aproximação do ponto ótimo que
deseja se encontrar. A partir de 𝑥 0, um algoritmo gera uma aproximação melhor 𝑥 1. Esse
procedimento é repetido, encontrando-se aproximações ainda melhores, formando uma
sequência de pontos 𝑥0,𝑥 1, 𝑥 2,… 𝑥 𝑛 que converge para um ponto ótimo. Em muitas aplicações
não se pode garantir a convergência para um ponto ótimo, porém o ponto limite lim𝑘→∞
𝑥 𝑘 é
considerado satisfatório (ZÖRNIG, 2011).
Dentro da classe dos métodos de busca direta, encontra-se o método de busca Nelder – Mead
Simplex. O método consiste em ordenar 𝑛 + 1 pontos, 𝑥 0,𝑥 1, 𝑥 2,…, chamados de vértices do
simplex. A cada iteração k, o método ordena os pontos como em (1) e substitui o ponto 𝑥 𝑛 por
um de menor valor de função objetivo (CERVELIN,2013).
𝑓(𝑥𝑘0) ≤ 𝑓(𝑥𝑘
𝑇) ≤ ⋯ ≤ 𝑓(𝑥𝑘𝑃) (1)
XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO “Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.
3
O método de Nelder-Mead tenta melhorar o pior vértice, por substituição, fazendo por exemplo
uma reflexão deste em direção ao centroide dos n melhores vértices, encontrando um novo
ponto. O conjunto de direções de busca, portanto, pode se alterar após cada iteração. O
diferencial do método de Nelder-Mead é a possibilidade além da reflexão, fazer outros
movimentos como: contração externa, interna e expansão do simplex. Quando não é possível
encontrar um ponto melhor para substituição, o simplex é reduzido na direção do melhor ponto
(PEDROSO, 2009). Em métodos simplex, trabalha-se sempre com simplex não degenerados, o
que significa que o conjunto {𝑥2 − 𝑥1,𝑥3 − 𝑥1, … , 𝑥𝑛+1 − 𝑥1} é linearmente independente, ou
seja, forma uma base para o espaço ℝ𝑛 (CERVELIN,2013). Um Simplex não degenerado é,
geometricamente, um segmento de reta em uma reta, um triangulo em um plano, um tetraedro
em um espaço de 3 dimensões, etc. (GONÇALVES, 2013). E se um simplex inicial é não
degenerado, todos os outros simplex gerados serão também não degenerados. O método de
Nelder-Mead usado neste trabalho, usa três pontos (três variáveis) e, portanto, seu simplex será
um triângulo sobre um plano. O método em uma forma geral já foi descrito, mas para melhor
compreensão um método com apenas 3 pontos será descrito pois facilitará na explicação,
inclusive geométrica, como visto na Figura 1.
Figura 1: Iterações do método de Nelder-Mead em duas dimensões: (1) Reflexão (2) Expansão (3) Contração
Externa (4) Contração Interna (5) Redução.
O método de Nelder-Mead aplicado neste trabalho pode ser descrito pelo seguinte
pseudocódigo, na Figura 2.
Fonte: os autores
XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO “Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.
4
Figura 2: Pseudocódigo do método Nelder-Mead Simplex.
Fonte: os autores
3. Metodologia proposta
Apesar da grande popularidade do PID (Proporcional + Integral + Derivativo) nas indústrias e
seu bom desempenho em uma ampla variedade de cenários operacionais, em algumas plantas,
principalmente nas não lineares, a sintonia pode levar muito tempo e resultar em alguns efeitos,
como obter parâmetros do controlador que estão longe de serem ótimos. Geralmente as plantas
que não produzem parâmetros adequados são os de sistemas caracterizados por grandes atrasos
de tempo, para solucionar este problema, alguns métodos de otimização estão sendo estudados
em aplicações de sintonia do PID.
Daley e Liu (1999) utilizaram um algoritmo de busca direta, simplex, chamado quase-newton,
para otimização dos parâmetros de um controlador em dois processos industriais e obtiveram
sucesso em ambas aplicações, demonstrando a aplicabilidade da programação não linear para
sintonia de um controlador.
Em sistemas eletro-hidráulicos, embora várias técnicas de controle inteligente têm sido
aplicadas para melhorar o seu desempenho, o PID continua sendo o preferível, obtendo valores
satisfatórios. O maior problema do uso PID nesse tipo de aplicação é ajustar os parâmetros para
se encontrar uma solução ótima (TAJJUDIN et al., 2011). Visando esse problema Tajjudin.
(2011) elaborou um estudo para otimização dos parâmetros do PID utilizando a abordagem
Nelder-Mead para controle de posição do atuador eletro-hidráulico. Nesse estudo o algoritmo
de otimização buscava valores viáveis de 𝐾𝑃 , 𝐾𝐼 e 𝐾D a partir de determinados requisitos de
XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO “Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.
5
resposta e restrições de atuador. Os resultados obtidos utilizando Nelder-Mead para controlar o
atuador foram considerados satisfatórios.
Sinlapakun e Assawinchaichote (2015) utilizaram o método Nelder-Mead para otimizar os
parâmetros de sintonia de um controlador PID, para sistemas de temperatura de um forno
elétrico. A utilização deste método visava substituir métodos como Ziegler -Nichols e Cohen-
Coon que não apresentavam bons resultados para o sistema em questão, o método apresentou
resultados melhores que os métodos tradicionais de sintonia, como Ziegler-Nichols e Cohen-
Coon, provando sua eficácia para otimizar parâmetros de sintonia de um PID. No trabalho de
Sinlapakun e Assawinchaichote o algoritmo de Nelder-Mead adota um simplex inicial
totalmente randômico, a busca de uma solução ótima pode então começar de quaisquer pontos,
já neste trabalho o simplex inicial possui um intervalo de valores já escolhidos, levando como
base os resultados de métodos tradicionais, o que faz com que o algoritmo comece de pontos
provavelmente mais próximos da solução ótima.
Esse trabalho aplica o método de Nelder-Mead para simular a otimização dos parâmetros de
um controlador PID em diferentes plantas. O primeiro passo para aplicação do método de
Nelder-Mead é adotar um simplex inicial, 𝑘1, 𝑘2e 𝑘3, onde:
𝑘1 = [𝑘P1,𝑇I1, 𝑇D1 ] (3)
𝑘2 = [𝑘P2, 𝑇I2, 𝑇D2] (4)
𝑘3 = [𝑘P3, 𝑇I3, 𝑇D3] (5)
O simplex inicial é formado pelos resultados dos próprios métodos abordados (Ziegler-Nichols,
Cohen-Coon e CHR 20%) (CARMO, 2006) mais um número randômico entre 0 e 2.
4. Resultados obtidos
Neste trabalho os métodos foram simulados em duas plantas diferentes, proposta como modelo
por Ästrom e Hägglund (2000) (ÄSTROM, 2006). Segue os gráficos dos resultados obtidos,
fazendo uma comparação dos métodos de sintonia empregados.
4.1. Planta 1
Esta planta é utilizada para descrever a dinâmica de pequenos motores de corrente contínua
bem como pequenos circuitos com dinâmica de segunda ordem (ÄSTROM, 2006).
XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO “Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.
6
G(s) =1
(s+1)2 (6)
Aplicando as fórmulas dos métodos tradicionais de sintonia, obtiveram-se os seguintes
resultados:
Tabela 1: Resultados dos métodos de sintonia tradicionais para a Planta 1.
Método de Sintonia 𝑲𝐏 𝑻𝐈 𝑻𝐃
Ziegler-Nichols 3,852 1,018 0,255
Cohen-Coon 2,276 1,113 0,258
CHR 20% 3,050 2,288 0,239
Fonte: os autores
A resposta ao degrau para a planta em (4) para os métodos de sintonia propostos, bem como
sua comparação com o método de Nelder-Mead pode ser observada na Figura 3.
Figura 3 - Resposta ao degrau da Planta 1 utilizando Nelder-Mead.
A Figura 3 mostra uma melhoria na aplicação do método Nelder-Mead com 500 iterações
quando comparado aos métodos convencionais de sintonia. Nesta resposta o método proposto
Fonte: os autores
XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO “Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.
7
apresentou, como observado na Tabela 2, uma menor sobre-elevação e menores tempos de
subida e estabilização em comparação com os outros métodos. A Figura 4 demonstra que
enquanto o método de Nelder-Mead já minimizou a integral do erro absoluto, os outros métodos
ainda estão oscilando.
Figura 4: IAE da Planta 1 utilizando Nelder-Mead.
4.2. Planta 2
Esta planta é utilizada para descrever a dinâmica de processos de alta razão de controlabilidade
como os processos de temperatura (ÄSTROM, 2006).
G(s) =1
(s+1)(1+0,5s)(1+0,52s)(1+0,53s) (7)
Aplicando as fórmulas dos métodos tradicionais de sintonia, obtiveram-se os seguintes
resultados:
Tabela 2 - Resultados dos métodos de sintonia tradicionais para a Planta 2.
Método de Sintonia 𝑲𝐏 𝑻𝐈 𝑻𝐃
Ziegler-Nichols 2,197 1,396 0,349
Cohen-Coon 1,246 1,418 0,230
CHR 20% 1,739 1,789 0,328
Fonte: os autores
Fonte: os autores
XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO “Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.
8
Utilizando os dados da Tabela 2 para se formar o simplex inicial e aplicando o método de
Nelder-Mead com 500 iterações, obteve-se os seguintes resultados:
Figura 5 - Resposta ao degrau do sistema 3 utilizando Nelder-Mead simples.
A Figura 5 demonstra que o método proposto possui tempo de subida maior que o Ziegler-
Nichols mas apresenta uma menor sobre-elevação. Os dois métodos com menores sobre-
elevações, Cohen-Coon e CHR 20%, apresentam tempos de subida e tempo de estabilização
maiores que o Nelder-Mead Simples. O método de Ziegler - Nichols apresenta um menor tempo
de subida comparado aos demais, mas apresenta a maior sobre-elevação.
Fonte: os autores
XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO “Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.
9
Figura 6: IAE do sistema 3 utilizando Nelder-Mead.
A Figura 6 demonstra que o método de Nelder-Mead foi o que minimizou a IAE de forma mais
rápida, o método de Ziegler- Nichols também apresentou resultado satisfatório.
5. Conclusões
Este trabalho propôs a utilização de um método de sintonia não convencional, para ajuste de
controladores PID, como forma de se criar mais uma alternativa aos métodos tradicionalmente
aplicados. Se encontra pouquíssimas referências do uso do método de Nelder-Mead Simplex
para ajuste da sintonia de controladores.
Foram criados algoritmos com ponto de partida dos métodos de sintonia mais um pequeno
número randômico, a comparação entre esses métodos nos mostra que o método randômico um
alcance melhor quanto a otimalidade em relação às bibliografias citadas que apontam um ponto
inicial determinístico.
Os resultados encontrados, em comparação com métodos tradicionais como Ziegler- Nichols,
Cohen-Coon e CHR 20%, comprovaram a eficácia dos métodos propostos, já que tanto o
método de Nelder-Mead, obtive melhor desempenho.
Fonte: os autores
XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO “Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.
10
6. Agradecimentos
Os autores agradecem ao CEFET-MG e a fundação CEFET Minas pelo apoio e fomento
oferecidos.
REFERÊNCIAS
ANDRADE, E. L. Introdução a pesquisa operacional: métodos e modelos para análise de decisão . 4.ed. Rio
de Janeiro: LTC. 2011.
ÅSTRÖM, K. J.; HÄGGLUND, T. Advanced PID Control, Instrument Society of America, 2006.
ÅSTRÖM, K. J.; HÄGGLUND, T. Benchmark systems for PID control. IFAC Proceedings Volumes, v. 33, n.
4, p. 165-166, 2000.
CARMO, M. J. Ambiente Educacional Multifuncional Integrado para Sintonia e Avaliação do
Desempenho de Malhas Industriais de Controle, Dissertação de Mestrado, Universidade Federal de Juiz de
Fora, Juiz de Fora-MG,2006.
CERVELIN, B. H. Sobre um método de minimização irrestrita baseado em derivadas simplex , Dissertação
de Mestrado, UNICAMP, Campinas-SP, 2013.
DALEY, S.; LIU, G. P. Optimal PID tuning using direct search algorithms. Computing & Control
Engineering Journal, v. 10, n. 2, p. 51-56, 1999.
DORF, R. C.; BISHOP, R. H. Sistemas de Controle Modernos. 8ed. Rio de Janeiro: LTC, 2018.
GONÇALVES, A. M. S. O Problema de Min-Max-Min com restrições pelo Método de Nelder-Mead, Tese
de Doutorado, UFRJ, Rio de Janeiro-RJ, 2013.
IGNÁCIO, B. A. F. Desenvolvimento de um modelo de programação linear para apoio à tomada de decisão
em uma cadeia de suprimentos, Dissertação de Mestrado, Centro Universitário da FEI, São Bernardo do
Campo – SP, 2009.
MINEIRO, A. A. C. Aplicação de programação não-linear como ferramenta de auxílio à tomada de decisão
na gestão de um clube de investimento , Dissertação de Mestrado, UNIFEI, Itajubá -MG, 2007.
NELDER, J. A.; MEAD, R. A simplex method for function minimization. The computer journal, v. 7, n. 4, p.
308-313, 1965.
XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO “Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.
11
NISE, N. S. Engenharia de Sistemas de Controle. 6ed. Rio de Janeiro: LTC, 2017.
OGATA, K. Engenharia de Controle Moderno . 5 ed. São Paulo: Pearson Prentice Hall, 2015.
PEDROSO, L. G. Programação não linear sem derivadas, Tese de Doutorado, UNICAMP, Campinas-SP,
2009.
SINLAPAKUN, V.; ASSAWINCHAICHOTE, W. Optimized PID controller design for electric furnace
temperature systems with Nelder Mead Algorithm. In: Electrical Engineering/Electronics, Computer,
Telecommunications and Information Technology (ECTI-CON), 2015 12th International Conference on. IEEE,
2017. p. 1-4.
TAJJUDIN, M. et al. Optimized PID control using Nelder-Mead method for electro-hydraulic actuator
systems. In: Control and System Graduate Research Colloquium (ICSGRC), 2011 IEEE. IEEE, 2011. p. 90 -93.
ZÖRNIG, P. Introdução à programação não linear. Brasília: Universidade de Brasília , 2011.