Projeto de controladores baseados em algoritmos genéticos aplicados a conversores buck

Abstract

Este trabalho propõe a aplicação de algoritmos genéticos (AG) para a sintonia de con- troladores aplicados a conversores CC-CC do tipo buck, visando melhorar o desempenho

dinâmico e robustez diante as perturbações. O conversor foi projetado para operar em modo de condução contínua. Sua modelagem matemática foi obtida por meio do processo de linearização. A estrutura de controlador possui três polos e dois zeros 3P2Z. Para a

otimização dos parâmetros do controlador foi implementado o AG no MATLAB e conside- rado três funções custo distintas: ITAE, Quadrática e uma função chamada de MA, que

considera simultaneamente a margem de fase e a área sob o ganho de malha, com intuito de promover estabilidade e rejeição a perturbações. Os resultados demonstraram que as três abordagens foram eficazes na estabilização do sistema, apresentando boas margens de ganho e de fase, além de adequada rejeição a perturbações. A análise da evolução dos parâmetros ao longo das gerações evidenciou a capacidade do algoritmo genético em convergir para soluções satisfatórias em todos os casos, embora a função MA tenha apresentado uma convergência ligeiramente mais lenta em comparação com as demais. O trabalho reforça o potencial dos algoritmos genéticos como ferramenta para a sintonia de controladores, superando limitações de abordagens manuais tradicionais. Conclui-se que a metodologia proposta contribui para o avanço no controle de conversores CC-CC, sendo aplicável a contextos que exigem alta precisão, resposta rápida e estabilidade, como sistemas de recarga de veículos elétricos e aplicações fotovoltaicas.

This work proposes the application of Genetic Algorithms (GA) for the tuning of controllers applied to buck-type DC-DC converters, aiming to improve dynamic performance and robustness against disturbances. The converter was designed to operate in continuous conduction mode, and its mathematical modeling was obtained through a linearization process. The controller structure adopted has three poles and two zeros (3P2Z). For the optimization of the controller parameters, a GA was implemented in MATLAB, considering three distinct cost functions: ITAE, Quadratic, and a function referred to as MA, which simultaneously considers the phase margin and the area under the open-loop gain curve, aiming to promote system stability and disturbance rejection. The results demonstrated that all three approaches were effective in stabilizing the system, showing good gain and phase margins, as well as adequate disturbance rejection. The analysis of parameter evolution over generations highlighted the GA’s ability to converge to satisfactory solutions in all cases, although the MA function exhibited slightly slower convergence compared to the others. This study reinforces the potential of Genetic Algorithms as a tool for controller tuning, overcoming limitations of traditional manual approaches. It is concluded that the proposed methodology contributes to advancements in the control of DC-DC converters, being applicable in contexts that demand high precision, fast response, and stability, such as electric vehicle charging systems and photovoltaic applications.