A PSO Approach for Optimum Design of Multivariable PID Controller for nonlinear systems

Resumen Técnico: Un enfoque PSO para el diseño óptimo de un controlador PID multivariable para sistemas no lineales

Planteamiento del Problema
El artículo aborda el desafío de controlar sistemas no lineales de Múltiple Entrada y Múltiple Salida (MIMO), los cuales son prevalentes en procesos industriales pero intrínsecamente más difíciles de gestionar que los sistemas de Entrada Única y Salida Única (SISO). Aunque los controladores Proporcional-Integral-Derivativo (PID) se utilizan ampliamente en la industria, los métodos de sintonización convencionales, como la técnica de Ziegler-Nichols (ZN), suelen resultar en un sobreimpulso significativo y un rendimiento subóptimo cuando se aplican a dinámicas MIMO complejas y no lineales. Los autores postulan que los enfoques heurísticos modernos son necesarios para mejorar las capacidades de las técnicas de sintonización tradicionales.

Metodología
La solución propuesta integra tres componentes primarios: un modelo difuso Takagi-Sugero (T-S) para la identificación del sistema, Mínimos Cuadrados Ponderados Recursivos (RWLS) para la estimación de parámetros y Optimización por Enjambre de Partículas (PSO) para la sintonización de la ganancia PID.

1. Modelado del Sistema: El proceso no lineal MIMO se representa mediante un modelo difuso T-S. El sistema se descompone en modelos MISO NARX (Autorregresivo No Lineal con entrada Exógena) de Múltiple Entrada y Salida Única. La identificación de estos modelos se basa en datos de entrada-salida.
2. Estimación de Parámetros: Para manejar la no linealidad y permitir la adaptación en línea, los autores emplean el algoritmo de Mínimos Cuadrados Ponderados Recursivos (RWLS). Este método estima los vectores de parámetros del sistema ($\theta$) tratando el sistema como lineal con respecto a sus parámetros desconocidos, utilizando una matriz de covarianza y un vector de ganancia del estimador para actualizar los parámetros de forma iterativa.
3. Estructura de Control: Se define una estructura de control PID multivariable donde la matriz del controlador $C(z)$ interactúa con la matriz del proceso $H(z)$. Las ganancias del controlador ($k_p, k_i, k_d$) son las variables a optimizar.
4. Estrategia de Optimización (PSO): En lugar de utilizar la sintonización ZN, el artículo utiliza el algoritmo de Optimización por Enjambre de Partículas (PSO). En este marco:
   • Cada partícula representa un conjunto candidato de parámetros PID ($k_p, k_i, k_d$) para el sistema MIMO.
   • El espacio de búsqueda está definido por las dimensiones de las ganancias PID.
   • La función objetivo se minimiza para encontrar las ganancias óptimas. El artículo evalúa tres criterios de desempeño específicos: Integral del Error Absoluto (IAE), Integral del Error al Cuadrado (ISE) e Integral del Error al Cuadrado Ponderado por el Tiempo (ITSE).
   • El algoritmo PSO actualiza las velocidades y posiciones de las partículas basándose en los mejores valores individuales ($pbest$) y el mejor global ($gbest$), utilizando un peso de inercia ($\omega$) que disminuye linealmente a lo largo de las iteraciones para equilibrar la exploración y la explotación.

Contribuciones Clave

• Integración de T-S Difuso y PSO: El artículo propone una arquitectura específica donde un modelo difuso T-S identifica la dinámica MIMO no lineal, y el PSO sintoniza el controlador PID basado en este modelo.
• Análisis Comparativo de Sintonización: El estudio compara sistemáticamente el rendimiento de los controladores PID sintonizados mediante el método tradicional de Ziegler-Nichols frente a aquellos sintonizados mediante PSO utilizando diferentes funciones objetivo (IAE, ISE, ITSE).
• Implementación Algorítmica: El artículo detalla la implementación paso a paso del controlador PSO-PID, incluyendo la inicialización de las partículas, las reglas de actualización de velocidad y posición, y los criterios de parada específicos utilizados en la simulación.

Resultados de la Simulación
Los autores validan el método propuesto utilizando un sistema no lineal MIMO simulado definido por ecuaciones de diferencia específicas con dos entradas y dos salidas.

• Optimización de Parámetros: Las Tablas III y IV demuestran que el PSO produce diferentes conjuntos de parámetros PID en comparación con el método ZN, con variaciones significativas en $k_p, k_i$ y $k_d$ dependiendo de la función objetivo elegida (ISE, IAE o ITSE).
• Métricas de Desempeño: Las Tablas V y VI comparan las características de la respuesta escalón. Los resultados indican que el controlador sintonizado por ZN produce un alto sobreimpulso (55.3% para $y_1$ y 64.8% para $y_2$) y tiempos de asentamiento más largos. En contraste, los controladores sintonizados por PSO reducen significativamente el sobreimpulso (oscilando entre ~40% y 48%) y mejoran drásticamente los tiempos de subida y de asentamiento. Por ejemplo, el tiempo de asentamiento para $y_2$ mejoró de 3.29s (ZN) a tan solo 0.52s (PSO-ITSE).
• Confirmación Visual: Las Figuras 2 y 3 ilustran las respuestas del sistema, confirmando visualmente que el enfoque basado en PSO proporciona una respuesta más suave con menos oscilación en comparación con el enfoque ZN.

Significancia y Reivindicaciones
El artículo concluye que el método de sintonización convencional ZN es insuficiente para el sistema MIMO no lineal específico probado, ya que conduce a grandes sobreimpulsos. Los autores afirman que el enfoque de optimización basado en PSO ofrece una ventaja distintiva al sintonizar eficazmente los parámetros PID para minimizar los índices de desempeño. El estudio sostiene que el controlador PSO-PID propuesto mejora la capacidad de las técnicas tradicionales, proporcionando una solución más robusta para el control de procesos multivariables no lineales. El trabajo posiciona al PSO como una alternativa viable y computacionalmente eficiente a los algoritmos genéticos para esta aplicación de control específica, citando su simplicidad y profundo trasfondo inteligente.