Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales

Autores
Fernández Puchol, María Cecilia; Pantano, María Nadia; Godoy, Sebastián; Serrano, Mario Emanuel; Scaglia, Gustavo Juan Eduardo
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
En este trabajo se propone una estrategia de control en lazo cerrado para el seguimiento de perfiles óptimos previamente definidos para un bioproceso fed-batch. La mayor ventaja de este enfoque es que las acciones de control se calculan resolviendo un sistema de ecuaciones lineales, sin tener que linealizar el modelo matemático, lo que permite trabajar en cualquier rango. Además, se plantean tres técnicas para la sintonización de los parámetros del controlador diseñado. Primero se propone un método de Monte Carlo, el cual es un método probabilístico. En segundo lugar, se presenta una metodología basada en Algoritmos Genéticos, una técnica evolutiva de optimización. La tercera alternativa es el desarrollo de un Algoritmo Híbrido, diseñado a partir de la combinación de los dos métodos anteriores. En todos los casos, el objetivo es encontrar los parámetros del controlador que minimicen el error total de seguimiento de trayectorias. El desempeño del controlador se evalúa a través de simulaciones en condiciones normales de operación y frente a incertidumbre paramétrica, empleando los parámetros del controlador obtenidos.
In this work, a closed-loop control strategy is proposed. It allows tracking optimal profiles for a fed-batch bioprocess. The main advantage of this approach is that the control actions are computed from a linear equations system without linearizing the mathematical model, which allows to work in any range. In addition, three techniques are developed to tune the controller. First, a completely probabilistic method, Monte Carlo. Second, a methodology based on Genetic Algorithms, an evolutionary optimization technique. And third, a Hybrid Algorithm, combining above algorithms advantages. Here, the objective function is to find the controller parameters that minimize the trajectory tracking total error. The controller performance is evaluated through simulations under normal operations conditions and parametric uncertainty, using the obtained controller parameters.
Fil: Fernández Puchol, María Cecilia. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; Argentina
Fil: Pantano, María Nadia. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; Argentina
Fil: Godoy, Sebastián. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; Argentina
Fil: Serrano, Mario Emanuel. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; Argentina
Fil: Scaglia, Gustavo Juan Eduardo. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; Argentina
Materia
CONTROL EN LAZO CERRADO
SISTEMAS NO LINEALES
CONTROL DE SISTEMAS MULTIVARIABLES
ALGORITMOS GENÉTICOS
CONTROL EN LAZO CERRADO
SISTEMAS NO LINEALES
CONTROL DE SISTEMAS MULTIVARIABLES
ALGORITMOS GENÉTICOS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/111181
Acceder
id CONICETDig_de269268db2151c9f2903e080139f46a
oai_identifier_str oai:ri.conicet.gov.ar:11336/111181
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no LinealesParameters optimization applying Monte Carlo methods and Evolutionary Algorithms. Enforcement to a trajectory tracking controller in non-linear systemsFernández Puchol, María CeciliaPantano, María NadiaGodoy, SebastiánSerrano, Mario EmanuelScaglia, Gustavo Juan EduardoCONTROL EN LAZO CERRADOSISTEMAS NO LINEALESCONTROL DE SISTEMAS MULTIVARIABLESALGORITMOS GENÉTICOSCONTROL EN LAZO CERRADOSISTEMAS NO LINEALESCONTROL DE SISTEMAS MULTIVARIABLESALGORITMOS GENÉTICOShttps://purl.org/becyt/ford/2.4https://purl.org/becyt/ford/2En este trabajo se propone una estrategia de control en lazo cerrado para el seguimiento de perfiles óptimos previamente definidos para un bioproceso fed-batch. La mayor ventaja de este enfoque es que las acciones de control se calculan resolviendo un sistema de ecuaciones lineales, sin tener que linealizar el modelo matemático, lo que permite trabajar en cualquier rango. Además, se plantean tres técnicas para la sintonización de los parámetros del controlador diseñado. Primero se propone un método de Monte Carlo, el cual es un método probabilístico. En segundo lugar, se presenta una metodología basada en Algoritmos Genéticos, una técnica evolutiva de optimización. La tercera alternativa es el desarrollo de un Algoritmo Híbrido, diseñado a partir de la combinación de los dos métodos anteriores. En todos los casos, el objetivo es encontrar los parámetros del controlador que minimicen el error total de seguimiento de trayectorias. El desempeño del controlador se evalúa a través de simulaciones en condiciones normales de operación y frente a incertidumbre paramétrica, empleando los parámetros del controlador obtenidos.In this work, a closed-loop control strategy is proposed. It allows tracking optimal profiles for a fed-batch bioprocess. The main advantage of this approach is that the control actions are computed from a linear equations system without linearizing the mathematical model, which allows to work in any range. In addition, three techniques are developed to tune the controller. First, a completely probabilistic method, Monte Carlo. Second, a methodology based on Genetic Algorithms, an evolutionary optimization technique. And third, a Hybrid Algorithm, combining above algorithms advantages. Here, the objective function is to find the controller parameters that minimize the trajectory tracking total error. The controller performance is evaluated through simulations under normal operations conditions and parametric uncertainty, using the obtained controller parameters.Fil: Fernández Puchol, María Cecilia. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; ArgentinaFil: Pantano, María Nadia. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; ArgentinaFil: Godoy, Sebastián. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; ArgentinaFil: Serrano, Mario Emanuel. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; ArgentinaFil: Scaglia, Gustavo Juan Eduardo. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; ArgentinaComité Español de Automática2018-12info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/111181Fernández Puchol, María Cecilia; Pantano, María Nadia; Godoy, Sebastián; Serrano, Mario Emanuel; Scaglia, Gustavo Juan Eduardo; Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales; Comité Español de Automática; Revista Iberoamericana de Automática e Informática Industrial; 16; 1; 12-2018; 1-111697-79121697-7920CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://polipapers.upv.es/index.php/RIAI/article/view/8796info:eu-repo/semantics/altIdentifier/doi/10.4995/riai.2018.8796info:eu-repo/semantics/altIdentifier/url/https://dialnet.unirioja.es/servlet/articulo?codigo=6723876info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-11-05T10:02:44Zoai:ri.conicet.gov.ar:11336/111181instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-11-05 10:02:44.757CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales
Parameters optimization applying Monte Carlo methods and Evolutionary Algorithms. Enforcement to a trajectory tracking controller in non-linear systems
title Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales
spellingShingle Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales
Fernández Puchol, María Cecilia
CONTROL EN LAZO CERRADO
SISTEMAS NO LINEALES
CONTROL DE SISTEMAS MULTIVARIABLES
ALGORITMOS GENÉTICOS
CONTROL EN LAZO CERRADO
SISTEMAS NO LINEALES
CONTROL DE SISTEMAS MULTIVARIABLES
ALGORITMOS GENÉTICOS
title_short Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales
title_full Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales
title_fullStr Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales
title_full_unstemmed Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales
title_sort Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales
dc.creator.none.fl_str_mv Fernández Puchol, María Cecilia
Pantano, María Nadia
Godoy, Sebastián
Serrano, Mario Emanuel
Scaglia, Gustavo Juan Eduardo
author Fernández Puchol, María Cecilia
author_facet Fernández Puchol, María Cecilia
Pantano, María Nadia
Godoy, Sebastián
Serrano, Mario Emanuel
Scaglia, Gustavo Juan Eduardo
author_role author
author2 Pantano, María Nadia
Godoy, Sebastián
Serrano, Mario Emanuel
Scaglia, Gustavo Juan Eduardo
author2_role author
author
author
author
dc.subject.none.fl_str_mv CONTROL EN LAZO CERRADO
SISTEMAS NO LINEALES
CONTROL DE SISTEMAS MULTIVARIABLES
ALGORITMOS GENÉTICOS
CONTROL EN LAZO CERRADO
SISTEMAS NO LINEALES
CONTROL DE SISTEMAS MULTIVARIABLES
ALGORITMOS GENÉTICOS
topic CONTROL EN LAZO CERRADO
SISTEMAS NO LINEALES
CONTROL DE SISTEMAS MULTIVARIABLES
ALGORITMOS GENÉTICOS
CONTROL EN LAZO CERRADO
SISTEMAS NO LINEALES
CONTROL DE SISTEMAS MULTIVARIABLES
ALGORITMOS GENÉTICOS
purl_subject.fl_str_mv https://purl.org/becyt/ford/2.4
https://purl.org/becyt/ford/2
dc.description.none.fl_txt_mv En este trabajo se propone una estrategia de control en lazo cerrado para el seguimiento de perfiles óptimos previamente definidos para un bioproceso fed-batch. La mayor ventaja de este enfoque es que las acciones de control se calculan resolviendo un sistema de ecuaciones lineales, sin tener que linealizar el modelo matemático, lo que permite trabajar en cualquier rango. Además, se plantean tres técnicas para la sintonización de los parámetros del controlador diseñado. Primero se propone un método de Monte Carlo, el cual es un método probabilístico. En segundo lugar, se presenta una metodología basada en Algoritmos Genéticos, una técnica evolutiva de optimización. La tercera alternativa es el desarrollo de un Algoritmo Híbrido, diseñado a partir de la combinación de los dos métodos anteriores. En todos los casos, el objetivo es encontrar los parámetros del controlador que minimicen el error total de seguimiento de trayectorias. El desempeño del controlador se evalúa a través de simulaciones en condiciones normales de operación y frente a incertidumbre paramétrica, empleando los parámetros del controlador obtenidos.
In this work, a closed-loop control strategy is proposed. It allows tracking optimal profiles for a fed-batch bioprocess. The main advantage of this approach is that the control actions are computed from a linear equations system without linearizing the mathematical model, which allows to work in any range. In addition, three techniques are developed to tune the controller. First, a completely probabilistic method, Monte Carlo. Second, a methodology based on Genetic Algorithms, an evolutionary optimization technique. And third, a Hybrid Algorithm, combining above algorithms advantages. Here, the objective function is to find the controller parameters that minimize the trajectory tracking total error. The controller performance is evaluated through simulations under normal operations conditions and parametric uncertainty, using the obtained controller parameters.
Fil: Fernández Puchol, María Cecilia. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; Argentina
Fil: Pantano, María Nadia. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; Argentina
Fil: Godoy, Sebastián. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; Argentina
Fil: Serrano, Mario Emanuel. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; Argentina
Fil: Scaglia, Gustavo Juan Eduardo. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Ingeniería Química; Argentina
description En este trabajo se propone una estrategia de control en lazo cerrado para el seguimiento de perfiles óptimos previamente definidos para un bioproceso fed-batch. La mayor ventaja de este enfoque es que las acciones de control se calculan resolviendo un sistema de ecuaciones lineales, sin tener que linealizar el modelo matemático, lo que permite trabajar en cualquier rango. Además, se plantean tres técnicas para la sintonización de los parámetros del controlador diseñado. Primero se propone un método de Monte Carlo, el cual es un método probabilístico. En segundo lugar, se presenta una metodología basada en Algoritmos Genéticos, una técnica evolutiva de optimización. La tercera alternativa es el desarrollo de un Algoritmo Híbrido, diseñado a partir de la combinación de los dos métodos anteriores. En todos los casos, el objetivo es encontrar los parámetros del controlador que minimicen el error total de seguimiento de trayectorias. El desempeño del controlador se evalúa a través de simulaciones en condiciones normales de operación y frente a incertidumbre paramétrica, empleando los parámetros del controlador obtenidos.
publishDate 2018
dc.date.none.fl_str_mv 2018-12
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/111181
Fernández Puchol, María Cecilia; Pantano, María Nadia; Godoy, Sebastián; Serrano, Mario Emanuel; Scaglia, Gustavo Juan Eduardo; Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales; Comité Español de Automática; Revista Iberoamericana de Automática e Informática Industrial; 16; 1; 12-2018; 1-11
1697-7912
1697-7920
CONICET Digital
CONICET
url http://hdl.handle.net/11336/111181
identifier_str_mv Fernández Puchol, María Cecilia; Pantano, María Nadia; Godoy, Sebastián; Serrano, Mario Emanuel; Scaglia, Gustavo Juan Eduardo; Optimización de Parámetros Utilizando los Métodos de Monte Carlo y Algoritmos Evolutivos. Aplicación a un Controlador de Seguimiento de Trayectoria en Sistemas no Lineales; Comité Español de Automática; Revista Iberoamericana de Automática e Informática Industrial; 16; 1; 12-2018; 1-11
1697-7912
1697-7920
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://polipapers.upv.es/index.php/RIAI/article/view/8796
info:eu-repo/semantics/altIdentifier/doi/10.4995/riai.2018.8796
info:eu-repo/semantics/altIdentifier/url/https://dialnet.unirioja.es/servlet/articulo?codigo=6723876
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Comité Español de Automática
publisher.none.fl_str_mv Comité Español de Automática
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1847977485973585920
score 13.087074

Publicaciones similares