Sintonia de Controladores PID

utilizando Algoritmos Genticos

J. Franco M. Amaral, M. A. C. Pacheco, R. Tanscheit
DEE-PUC-Rio, CP 38063, 22452-970 Rio de Janeiro, RJ
e-mail: [jfranco, marco, ricardo]@ele.puc-rio.br

Resumo
Este trabalho aborda um mtodo para sintonia de controladores do tipo PID
(Proporcional-Integral-Derivativo). Os Algoritmos Genticos (AG) so
utilizados para a determinao dos ganhos dos controladores PID durante o
procedimento de sintonia. O objetivo bsico a obteno de ganhos do PID que
satisfaam a especificao de desempenho indicada pela forma da resposta ao
degrau, em malha fechada, do sistema global. A tarefa do AG determinar o
conjunto de ganhos que produz uma resposta de sada mais prxima da forma
de resposta desejada em relao s mudanas de set-point. A aplicao de
Algoritmos Genticos no processo de ajuste proporciona muita flexibilidade e
simplicidade de uso para o responsvel tcnico pela sintonia, que deve, apenas,
especificar a resposta desejada para o sistema em malha fechada. Os
resultados experimentais de simulao indicam que o mtodo de sintonia
proposto apresenta desempenho melhor do que o alcanado pelas regras
clssicas de Ziegler-Nichols. Alm disso, o novo mtodo capaz de gerar
valores adequados de ganhos para sistemas nos quais as regras clssicas no so
aplicveis.
Palavras-Chave: PID (Proporcional-Integral-Derivativo),Algoritmos Genticos
(AG)

1. Introduo
O foco principal deste trabalho a sintonia dos controladores clssicos do tipo PID. A
sintonia torna possvel o ajuste suave e preciso destes controladores. O mtodo de
sintonia proposto uma aplicao de Algoritmos Genticos (AG), que implementa a
busca de valores para os ganhos do controlador considerando um determinado critrio
de desempenho estabelecido.
A utilizao das chamadas tcnicas inteligentes na rea de controle bastante
difundida. Em conjunto com a lgica nebulosa e as redes neurais, existem vrias
aplicaes de Algoritmos Genticos na rea de controle [8][9][15]. De um modo
geral, os sistemas de controle baseados em lgica nebulosa [10] implementam a
estratgia de controle numa base de regras. Por outro lado, os controladores baseados
em redes neurais [12] podem aprender em funo das entradas e sadas de um

controlador real, a partir dos sinais de sensores e atuadores do sistema. Os dois tipos
de controladores, nebulosos ou neurais, so capazes de manter um certo valor final
ou rastrear uma referncia (set-point), tanto em sistemas considerados simples, como
um termostato [1], como em sistemas mais complexos [12][14].
Algoritmos Genticos [6] so algoritmos matemticos inspirados nos
mecanismos de evoluo natural e recombinao gentica. Esta tcnica fornece um
procedimento de busca adaptativa e paralela para problemas complexos que privilegia
a reproduo e a sobrevivncia das solues mais aptas. A literatura aborda aplicaes
de AG em conjunto com as outras tcnicas inteligentes, neurais e nebulosas [4][7].
Neste artigo, os Algoritmos Genticos so aplicados como tcnica de
busca/otimizao dos trs ganhos associados ao tradicional controlador PID clssico:
Kp = ganho proporcional, Ki = ganho integral e Kd = ganho diferencial. Devido a sua
ampla utilizao na indstria, a sintonia dos controladores clssicos do tipo PID so
um tema de pesquisa atual e diversos trabalhos tem surgido [2][3], inclusive com
aplicao de Algoritmos Genticos [5][11]. O objetivo principal deste artigo
apresentar um mtodo capaz de realizar a sintonia, tendo como ponto de partida a
resposta desejada ao degrau para o sistema global em malha fechada. Alm disso,
uma avaliao de desempenho em relao s regras clssicas de Ziegler-Nichols [13]
tambm realizada.
Mesmo considerando que controladores mais sofisticados, baseados em
tcnicas inteligentes, possam ser utilizados nos controles industriais, mais da metade
dos controladores industriais em uso nos dias atuais utiliza estratgias de controle PID
[13], e portanto fica evidente a importncia de uma abordagem que viabilize uma boa
sintonia dos controladores PID.
O trabalho est dividido em quatro outras sees. A segunda seo apresenta
conceitos bsicos sobre os controladores PID clssicos, suas caractersticas e
modelagem. Na seo 3 so apresentados os aspectos relativos ao mtodo de sintonia
utilizando a tcnica de AG. Os resultados experimentais obtidos com a simulao dos
controladores so apresentados na seo 4. Por fim, o trabalho encerrado com a
apresentao das concluses na seo 5.

2. Controladores PID
A importncia dos controladores do tipo PID se fundamenta na sua aplicabilidade
geral na maioria dos sistemas de controle [13]. Em especial, na rea de sistemas de
controle de processos contnuos, as estruturas do tipo PID provaram sua utilidade na
implementao de um controle satisfatrio.
No domnio da freqncia, a expresso que relaciona o sinal de erro (E) com
o sinal de sada (U) de um controlador PID bsico pode ser expressa como:

U = E K p + i + K d s
s

(1)

A funo de transferncia para um controlador PID bsico pode ser expressa

por:

Gc ( s ) =

K
U
= K p + i + Kd s
E
s

(2)

O diagrama de blocos da Figura 1 ilustra um sistema de controle PID de um

processo. Normalmente, deseja-se que a sada global acompanhe as alteraes do
sinal de referncia (set-point) de entrada.

Figura 1 Diagrama de blocos do controle PID de uma Planta

A funo de transferncia do sistema global realimentado com o controlador

dada por:

G g (s ) =

Gc ( s ) * G ( s )
Y
=
R 1 + G c (s ) * G (s )

(3)

Esta modelagem do sistema global foi utilizada para a simulao na

implementao dos controles propostos.
O procedimento de seleo dos parmetros, Kp, Ki e Kd, do controlador PID
de modo a serem atendidas as especificaes de desempenho, conhecido como

sintonia do controlador. A escolha adequada destes parmetros torna possvel o ajuste

suave e preciso dos controladores.
Ziegler e Nichols propuseram regras para a sintonia de controladores PID
baseadas na resposta experimental a uma excitao em degrau, ou no valor de Kp que
resulta em estabilidade marginal para o controle proporcional apenas. A idia bsica
obter valores para os ganhos a partir de experimentos sobre o processo. As regras so
muito utilizadas, sempre que o processo a ser controlado permite, por fornecerem um
ponto de partida para um ajuste mais fino.

3. Mtodo de Sintonia
3.1 Algoritmos Genticos
Os Algoritmos Genticos so algoritmos matemticos inspirados nos mecanismos de
evoluo natural e recombinao gentica. A tcnica de AG fornece um mecanismo
de busca adaptativa que se baseia no princpio Darwiniano de reproduo e
sobrevivncia dos mais aptos. Isto obtido a partir de uma populao de indivduos
(solues), representados por cromossomas, cada um associado a uma aptido
(avaliao do problema), que so submetidos a um processo de evoluo (seleo e
reproduo) por vrios ciclos.
As operaes bsicas da tcnica so: seleo, reproduo, cruzamento e
mutao. A etapa de seleo privilegia os indivduos mais aptos para em seguida
reproduz-los. Uma parcela dos indivduos reproduzidos cruza promovendo a troca de
suas caracterstcas genticas. Mutaes podem ocorrer em pequena porcentagem e
acarretam uma mudana aleatria no material gentico, contribuindo para introduzir
variedade na populao. A evoluo faz com que o AG seja guiado para regies mais
promissoras do espao de busca.
Dentre as principais vantagens de AG, podemos citar: tcnica de busca
global, viabiliza a otimizao de problemas mal estruturados e dispensa a formulao
matemtica precisa do problema. Em resumo, a tcnica robusta e aplicvel a uma
grande diversidade de problemas, alm de ser eficaz e eficiente, pois capaz de
encontrar solues sub-timas, inclusive timas, em um tempo razovel.
3.2 Sintonia PID utilizando AG
A modelagem para implementar a sintonia PID utilizando algoritmos genticos partiu
da concepo do cromossoma. A Figura 2 ilustra o formato do cromossoma
escolhido. Ele formado pelos trs parmetros a serem ajustados para obteno do
desempenho adequado.
Kp

Ki

Kd

Figura 2 Cromossoma

No mtodo proposto, os Algoritmos Genticos so aplicados como tcnica de

busca/otimizao dos trs ganhos associados ao tradicional controlador PID clssico:
Kp = ganho proporcional, Ki = ganho integral e Kd = ganho diferencial. Estes trs
parmetros caracterizam o indivduo a ser avaliado. Tendo em vista o objetivo
principal, que realizar a sintonia tendo como ponto de partida a resposta desejada ao
degrau para o sistema global em malha fechada, o clculo da aptido para os
indivduos foi concebida com a formulao da Equao 4.
Aptido = n [Valor desejado Valor obtido] 2

(4)

A Figura 3 mostra um grfico possvel do que poderia ser obtido para a

avaliao de um indivduo. Em vermelho est a curva de resposta desejada para o
sistema e em azul a resposta real obtida. Vamos dividir o intervalo de observao da
resposta em n pontos e para cada um destes pontos vamos calcular o erro. O
somatrio no clculo da aptido se refere a esses pontos de amostragem. A idia
bsica fazer o AG minimizar este somatrio, ajustando os ganhos para tornar a
resposta obtida, a mais prxima possvel da resposta desejada (especificao).

Figura 3 Resposta desejada

4. Resultados Experimentais
As simulaes para obteno dos resultados experimentais foram realizadas no
programa Matlab, da empresa MathWorks Inc., em conjunto com o programa Evolver
da Palisade Inc., que um otimizador add-in para Excel que emprega o modelo
tradicional de Algoritmos Genticos.

Figura 4 Fluxograma da Implementao

Acompanhando o fluxograma da Figura 4, verifica-se que no Evolver rodou

o Algoritmo Gentico propriamente dito, enquanto que no Matlab o sistema de
controle foi simulado e sua resposta ao degrau obtida para possibilitar o clculo da
aptido do indivduo (formado pelos trs ganhos). A iterao entre os dois softwares
foi implementada atravs do utilitrio Excellink do Matlab.
Trs experimentos foram selecionados para avaliar o desempenho do mtodo
de sintonia, que foi testado com trs plantas diferentes. A primeira delas representa

um sistema de segunda ordem utilizado para verificar a funcionalidade bsica do

mtodo. Na segunda planta, os resultados do mtodo foram comparados com os
obtidos pelas valores originais das regras de Ziegler-Nichols e tambm com os
valores obtidos aps um ajuste fino realizado nos ganhos originais de ZieglerNichols. A terceira planta avaliada mais complexa e tem caractersticas que
impedem a aplicao das regras de Ziegler-Nichols.
A Equao (5) representa a Planta 0, que o sistema de segunda ordem a ser
controlado. Na Figura 5 so apresentados os resultados.

G0 ( s ) =

4
s 2 + 0.5s + 1

(5)

Figura 5 Resposta ao degrau da Planta 0

Para a Planta 0, os valores de ganho encontrados foram: Kp = 4,0; Ki = 5,0 e

Kp = 3,11. Estes valores foram obtidos aps 10 geraes de uma populao de 50
indivduos. As faixas para os ganhos foram arbitradas de 0 a 100.

O segundo experimento foi realizado com a Planta 1. A funo de

transferncia est apresentada na Equao 6. Neste experimento, aplicou-se tambm
as regras de Ziegler-Nichols, com os valores originais e com valores ajustados a
posteriori. Isto foi feito para imitar o que geralmente implementado na prtica,
isto , as regras de Ziegler-Nichols fornecem um valor inicial para a sintonia que na
verdade feita posteriormente com base na experincia do responsvel pelo controle.
A Figura 6 ilustra os resultados obtidos. Os parmetros do AG (geraes e populao)
foram iguais aos da planta anterior.

G1 (s ) =

1
s(s + 1)(s + 5)

(6)

Figura 6 Resposta ao degrau da Planta 1

Uma anlise do grfico apresentado na Figura 6 mostra que as regras de
Ziegler-Nichols originais forneceram valores que tiveram um desempenho ruim. Aps

o ajuste fino feito por um especialista a resposta do sistema melhorou bastante, mas
mesmo assim o mtodo com AG apresentou um desempenho melhor.
A Tabela 1 apresenta os valores dos ganhos usados para o controle da Planta
1 para cada um dos mtodos.
Ganhos
Kp
Ki
Kd

Ziegler-Nichols
Original
18
12,81
6,32

Ziegler-Nichols
ajustado
39,42
12,81
30,32

Mtodo
AG
20,17
0
24,53

Tabela 1 Ganhos para cada um dos mtodos aplicados a Planta 1

No terceiro experimento foi avaliada a capacidade do mtodo AG para

sintonizar uma planta mais complexa (Planta 2) e que tem caractersticas que
impedem a aplicao das regras de Ziegler-Nichols. A funo de transferncia da
Planta 2 dada pela Equao 7 e os resultados obtidos esto na Figura 7.

G2 (s ) =

(s + 2)(s + 3)
s(s + 1)(s + 5)

(7)

Figura 7 Resposta ao degrau da Planta 2

Pode-se constatar que a resposta obtida foi bem prxima a resposta desejada
e que o mtodo AG produziu resultados adequados.

5. Consideraes e Concluses
Os experimentos realizados demonstraram a aplicabilidade de Algoritmos Genticos
para facilitar a sintonia de controladores clssicos do tipo PID.
O mtodo de sintonia utilizando Algoritmos Genticos apresentou bom
desempenho e facilidade de uso, alm de ter obtido valores para os ganhos PID que
proporcionaram respostas transitrias dos sistemas controlados plenamente
satisfatrias pelas especificaes apresentadas.
Cabe ressaltar que o mtodo com AG busca a configurao de ganhos para o
controlador que minimiza a diferena entre a forma de resposta desejada e a resposta
obtida. Naturalmente, deve se especificar uma resposta transiente de caractersticas
viveis para a planta a ser controlada.
Sem dvida os Algoritmos Genticos facilitaram a sintonia dos
controladores; alm disso, no houve necessidade de nenhum tipo de ajuste a

posteriori, como comum quando as regras de Ziegler-Nichols so aplicadas, para a

obteno de desempenho adequado. O mtodo tambm foi capaz de sintonizar bem
uma planta na qual as regras de Ziegler-Nichols no puderam ser aplicadas.
As prximas etapas deste trabalho prevem um aprofundamento nos estudos
dos controladores PID e de outros mtodos de sintonia. Pretende-se tambm testar a
aplicabilidade em um sistema real, isto , fora do ambiente de simulao. Devido s
grandes potencialidades vislumbradas para as aplicaes na rea de controle, as
tcnicas de Algoritmos Genticos para tratar vrios objetivos [15] sero
oportunamente pesquisadas.

Referncias
1.

Amaral, J.F.M., Amaral, J.L.M.: Controle de Temperatura baseado em Lgica Nebulosa

utilizando Controladores Programveis. IBP33298, SINA98 Seminrio de
Instrumentao e Automao Inst. Brasileiro do Petrleo, (1998).

2.

Astrm, K.J., Hgglund, T.: PID Controller: Theory, Design and Tunning. Instrument
Society of America, North Carolina, (1995).

3.

Borges F., M., Costa, R., Hsu, L.: Sintonia Automtica de Controladores PID: Uma
avaliao de trs tcnicas utilizadas em Controle de Processos. 11 Seminrio de
Instrumentao, Salvador-BA, Brasil, (1996).

4.

Buckley, J. J., Reilly, K. D., Penmetcha, K. V.: Backpropagation and Genetic Algorithms
for training Fuzzy Neural Nets. Genetic Algorithms and Soft Computing. Herrera, F.,
Verdegay, J. (eds)- Physica-Verlag, (1996).

5.

Chen, B. et al.: A Genetic Approach to Mixed H2 / H Optimal PID Control. IEEE Control
Systems, vol. 15, N. 5, pp.51-60, (1995).

6.

Davis, L.: Handbook of Genetic Algorithms. VNR Comp. Library, (1990).

7.

Gonzlez, A., Prez, R.: A Learning System of Fuzzy Control Rules Based on Genetic
Algorithms. Genetic Algorithms and Soft Computing. Herrera, F., Verdegay, J. (eds)Physica-Verlag, (1996).

8.

Kacprzyk, J.: Genetic Algorithms in Multistage Fuzzy Control. Genetic Algorithms and
Soft Computing. Herrera, F., Verdegay, J. (eds)- Physica-Verlag, (1996).

9.

Leitch, D.: Genetic Algorithms for the Evolution of Behaviours in Robotics. Genetic
Algorithms and Soft Computing. Herrera, F., Verdegay, J. (eds)- Physica-Verlag, (1996).

10. Mamdani, E.H.: Application of fuzzy algorithms for control of simple dynamic plant. Proc.
IEEE 121 1585-1588, (1974).
11. Marn, E., Costa, R., Hsu, L.:Auto-Sintonia Robusta de Controladores PID usando
Algoritmos Genticos. Proc. XII Brazilian Automatic Control Conference XII CBA Vol.
I, pp. 369-374 MG, Brasil. (1998).
12. Miller, W.T., Sutton, R., Werbos, P. (eds): Neural Network for Control. Cambridge, MA:
MIT, (1990).
13. Ogata, K. : Engenharia de Controle Moderno. 3 Ed. Prentice-Hall do Brasil, (1997).

14. Werbos, P.J.: Control, Handbook of Neural Computation. Release 97/1, IOP Pub. Ltd and
Oxford University Press, (1997).
15. Zebulum, R. S., Pacheco, M. A., Vellasco, M. M., Sinohara, H. T.: Evolvable Hardware:
On the Automatic Synthesis of Analog Control Systems. NASA, (1999).