Controller Tuning by Means of Evolutionary Multiobjective

Optimization:

a Holistic Multiobjective Optimization Design Procedure.

Doctorando: Gilberto Reynoso Meza

Asesores: Dr. Javier Sanchis & Dr. Xavier Blasco

Para la selección de los trabajos presentados en este formato deberá incluirse documento

en PDF que resuma la presentación (máximo 3000 caracteres sin espacios).

Introducción y objetivos

Es usual plantear un problema de diseño como un problema de optimización. Así

mismo, es común determinar un conjunto de objetivos, requerimientos y especificaciones para

dicho problema. Generalmente, los objetivos de diseño especificados entran en conflicto entre

sí, i.e. la mejora en el rendimiento de uno de ellos es a expensas de empeorar algún otro. Este

tipo de problemas, con múltiples objetivos de diseño, son conocidos como problemas

multiobjetivo. Un planteamiento usual para resolver dichos problemas es el de establecer un

único índice de coste para optimizar; sin embargo, la optimización multiobjetivo plantea la

optimización simultánea de todos los objetivos de diseño, para calcular un conjunto de

soluciones de interés para el diseñador, a partir de las cuáles seleccionará una de ellas. Esto

brinda un nivel de involucramiento mayor del diseñador en el proceso de diseño, pues es capaz

de analizar el intercambio de prestaciones entre objetivos de diseño.

Esta investigación doctoral está dedicada al proceso de diseño mediante optimización

multiobjetivo (MOOD) para el ajuste de controladores de sistemas automáticos, empleando

algoritmos evolutivos multiobjetivo. Su objetivo principal es el de:

Proveer un esquema útil y orientado a la toma de decisiones del proceso MOOD para mejorar

su empleo en aplicaciones relacionadas con el ajuste de controladores.

Con dicho propósito, se han llevado a cabo desarrollos y mejoras en herramientas,

metodologías y guías para facilitar este proceso.

Desarrollo del trabajo de investigación

Con la finalidad de alcanzar el objetivo general de la investigación, se han marcado y

cumplido los siguientes objetivos particulares:

1. Revisar el estado del arte en aplicaciones del proceso MOOD para el ajuste de controladores.

2. Identificar carencias en las herramientas y metodologías actuales.

3. Desarrollar programas y metodologías para subsanar las carencias detectadas y evaluarlos en

varios casos de estudio.

5. Poner en disponibilidad de la comunidad científica los resultados de este trabajo.

Resultados previstos e impacto de la investigación

Los resultados de este trabajo se recogen en la publicación de 6 artículos indexados de

revista, 12 artículos de congreso y una Tesis próxima a presentarse. Así mismo, se ha

desarrollado software abierto que se encuentra disponible a través del repositorio de Matlab

Central.

Aún y cuando las contribuciones de ésta investigación se han orientado al ajuste de

controladores (en aplicaciones aeronáuticas, industriales y de sinterizado de materiales), la

optimización multiobjetivo es una herramienta transversal. Esto ha permitido colaboraciones

con universidades de Glasgow (UK), Sheffield (UK) y Curitiba (BRA) con contribuciones en

identificación de sistemas, optimización de trayectorias aeroespaciales, bilogía sintética,

optimización multidisciplinaria y educación en control. En todo caso se han logrado soluciones

de diseño más acorde a las preferencias del diseñador, con respecto a esquemas de optimización

tradicional.

Esta investigación se moverá ahora al desarrollo de herramientas multiobjetivo

orientadas a la optimización multidisciplinaria. Esto es, considerar en la fase de optimización a

todas las disciplinas de un producto, a fin de optimizarlas simultáneamente y no

secuencialmente. Lo anterior ha sido identificado por el programa europeo H2020 como

estratégico dentro de la sub-llamada de investigación “Factories of the Futre” (H2020-FoF-

2014).

Controller Tuning by Means ofEvolutionary Multiobjective Optimization: a Holistic Multiobjective Optimization Design Procedure.

Gilberto Reynoso MezaDr. Javier Sanchis & Dr. Xavier Blasco

2

Maximizar la Ganancia de

Inversión

Minimizar el Riesgo de Inversión

Maximizar la Producción

Calidad de una Tablet

Dinero a Pagar por una Tablet

Objetivo 1

Objetivo 2

Maximizar Prestaciones de Control Automático

Minimizar Costos de Control Automático

Minimizar los Gastos de Producción

3

Definición del Problema Multiobjetivo

Proceso de Optimización Multiobjeivo Fase de Toma de Decisiones

Objetivo 1

Objetivo 2

Objetivo 1

Objetivo 2

Objetivo 1

Objetivo 2

4

Definición del Problema Multiobjetivo

Proceso de Optimización Multiobjetivo

Fase de Toma de Decisiones

Ajuste de controladores automáticos

Algoritmos de optimizaciónmultiobjectivo

Software para análisis

multicriterio

5

• Algoritmos Multiobjetivo para optimización Multidisciplinaria.

• Optimización all in one vs. secuencial

• Productos Mecatrónicos

• Identificado por el programa europeo H2020 como tema estratégico (sub-llamada “Factories of the Future” H2020-FoF-2014).

Trabajo por hacer:

6

Definición del Problema Multiobjetivo

Proceso de Optimización Multiobjetivo Fase de Toma de Decisiones

Contribuciones Científicas

Alcance

Logros

G. Reynoso-Meza, X. Blasco, J. Sanchis and J.M. Herrero. Comparison of design concepts in multi-criteria decision making using level diagrams. Vol. 221, Issue 1, 2013. Pp. 124-141.

G. Reynoso-Meza, J. Sanchis, X. Blasco, M. Martínez. Evolutionary Algorithms for PID controller tuning: Current Trends and Perspectives.2013; 10: 251-268.

G. Reynoso-Meza, J. Sanchis, X. Blasco and S. García-Nieto. Physical Programming for preference driven Evolutionary Multi- bjective Optimization.

G. Reynoso-Meza, J. Sanchis, X. Blasco and J.M. Herrero. A stabilizing PID controller sampling procedure for stochastic optimizers.

G. Reynoso-Meza, X. Blasco, J. Sanchis, M. Martínez. Controller tuning by means of evolutionary multiobjective optimization: current trends and applications.

G. Reynoso-Meza, J. Sanchis, X. Blasco, J.M. Herrero. Multiobjective evolutionaryalgorithms for multivariable PI controller design. Vol. 39, Issue 9, 2012. Pp. 7895-7907

G. Reynoso-Meza, S. García-Nieto, J. Sanchis, X. Blasco. Controller tuning bymeans of multi-objective optimization algorithms: a global tuning framework.Vol. 21, Issue 2, 2013.

Controller Tuning by Means ofEvolutionary Multiobjective Optimization: a Holistic Multiobjective Optimization Design Procedure.

Gilberto Reynoso Mezagilreyme@upv.es

mailto:gilreyme@upv.es