Study of meta-heuristic algorithms in the optimization of adaptive control of mechatronic systems

Abstract

RESUMEN: Las incertidumbres paramétricas son comportamientos no deseados y algunas veces impredecibles de los parámetros de los sistemas mecatrónicos. Las incertidumbres son responsables de disminuir el rendimiento en el control de dichos sistemas. El control adaptable es una clase de sistemas de control que pueden manejar los efectos de las incertidumbres. En este trabajo, se estudia el enfoque de optimización meta-heurística del control adaptable y se proponen diferentes estrategias de control. Para esto, se formula un problema de optimización mono-objetivo/multi-objetivo y se resuelve en línea utilizando un optimizador meta-heuristico. La solución obtenida con este optimizador incluye los mejores parámetros de control que proveen una mejor adaptación de los sistemas y un mayor rendimiento al realizar tareas predefinidas. Debido a la naturaleza estocástica de las técnicas de optimización meta-heurísticas, es necesario presentar evidencia estadística para determinar el nivel de confiabilidad de cada estrategia de control. Por esta razón, se realiza un análisis estadístico comparativo entre varias estrategias basadas en diferentes optimizadores meta-heurísticos. Los resultados experimentales y simulados muestran la eficacia de este enfoque y revelan algunas estrategias potencialmente buenas que son capaces de alcanzar el mejor rendimiento en control. ABSTRACT: Parametric uncertainties are undesirable and sometimes unpredictable behaviors of mechatronic systems parameters. Uncertainties decrease the performance when controlling these systems. Adaptive control is a class of control systems that can handle the effects of uncertainties. In this work, the meta-heuristic optimization approach to adaptive control is studied and several control strategies are proposed. For this, a mono-objective/multiobjective optimization problem is stated and solved on-line by using a meta-heuristic optimizer. Then, the solution obtained with this optimizer includes the best control parameters that provide a better system adaptation and performance when performing a predefined task. Since meta-heuristics are stochastic optimization techniques, statistical evidence is necessary in order to determine the confidence level of each control strategy. For the above, a comparative statistical analysis is performed among several strategies based on different meta-heuristic optimizers. The results in simulation and experimentation show the effectiveness of this approach and reveal potentially good strategies that can achieve the best control performance.