| Popis: |
En el presente documento se muestra la sintonización de parámetros en un controlador PID y un filtro precompensador en un rectificador PFC Halft Bridge Boost. Se hace una investigación para determinar un algoritmo Bioinspirado que pueda cumplir con la optimización que se necesita en este proyecto. Se escoge el algoritmo de selección clonal basado en el sistema inmune natural y se realiza la implementación en MATLAB/SIMULINK. Las constantes del controlador PID y el filtro son representadas por las poblaciones de antígenos del algoritmo. Para la sintonización se escoge una población inicial de 200 antígenos que se mantiene en todas las iteraciones y una población memoria de 20 anticuerpos, al final de las iteraciones está población de memoria representa el conjunto de soluciones de la sintonización, con varios óptimos locales y un óptimo global, la población inicial no se genera de forma aleatoria sino un rango acotado a partir de una solución funcional en uno de los puntos de operación del rectificador. El error a minimizar es de la variable factor de potencia, es utilizada en la función de aptitud. En la búsqueda poblaciones se establecen límites en los cuales se puede mover las constantes, debido a que el sistema puede llegar a desestabilizarse. La población resultante del algoritmo logra alcanzar un factor de potencia de 0.998 con una carga resistiva de 6.6 kOhm. Se comprueba las constantes en un prototipo real de la planta y se comparan con los resultados simulados. En el prototipo también se analiza la robustez de la solución cambiando el punto de operación del convertidor. This document shows the tuning of parameters in a PID controller and a precompensating filter in a PFC Halft Bridge Boost rectifier. An investigation is made to determine a Bioinspired algorithm that can fulfill the optimization that is needed in this project. The clonal selection algorithm based on the natural immune system is chosen and the implementation is carried out in MATLAB/SIMULINK. The constants of the PID controller and the filter are represented by the antigen populations of the algorithm. For tuning, an initial population of 200 antigens is chosen, which is maintained in all iterations, and a memory population of 20 antibodies. At the end of the iterations, this memory population represents the set of tuning solutions, with several local optima and a global optimum, the initial population is not generated randomly but a limited range from a functional solution at one of the rectifier operating points. The error to be minimized is from the power factor variable, it is used in the fitness function. In the population search, limits are established in which the constants can be moved, because the system can become destabilized. The resulting population of the algorithm manages to reach a power factor of 0.998 with a resistive load of 6.6 kOhm. The constants are checked in a real prototype of the plant and compared with the simulated results. In the prototype, the robustness of the solution is also analyzed by changing the operating point of the converter. Ingeniero Electronico Pregrado |
