Diseño óptimo de actuadores y sensores para sistemas lineales mediante algoritmos genéticos

  1. Tapia Córdoba, Alejandro 1
  2. Orihuela, Luis 2
  1. 1 Universidad Loyola Andalucía
    info

    Universidad Loyola Andalucía

    Sevilla, España

    ROR https://ror.org/0075gfd51

  2. 2 Universidad de Huelva
    info

    Universidad de Huelva

    Huelva, España

    ROR https://ror.org/03a1kt624

Libro:
XLIV Jornadas de Automática: libro de actas: Universidad de Zaragoza, Escuela de Ingeniería y Arquitectura, 6, 7 y 8 de septiembre de 2023, Zaragoza
  1. Ramón Costa Castelló (coord.)
  2. Manuel Gil Ortega (coord.)
  3. Óscar Reinoso García (coord.)
  4. Luis Enrique Montano Gella (coord.)
  5. Carlos Vilas Fernández (coord.)
  6. Elisabet Estévez Estévez (coord.)
  7. Eduardo Rocón de Lima (coord.)
  8. David Muñoz de la Peña Sequedo (coord.)
  9. José Manuel Andújar Márquez (coord.)
  10. Luis Payá Castelló (coord.)
  11. Alejandro Mosteo Chagoyen (coord.)
  12. Raúl Marín Prades (coord.)
  13. Vanesa Loureiro-Vázquez (coord.)
  14. Pedro Jesús Cabrera Santana (coord.)

Editorial: Servizo de Publicacións ; Universidade da Coruña

ISBN: 9788497498609

Año de publicación: 2023

Páginas: 376-381

Congreso: Jornadas de Automática (44. 2023. Zaragoza)

Tipo: Aportación congreso

Resumen

En este trabajo se revisita un problema clásico: el diseño óptimo de actuadores y/o sensores para sistemas lineales e invariantes en el tiempo. Considerando el sistema descrito en el espacio de estados, el objetivo sería el de escoger, bajo ciertas restricciones, la matriz de entrada B y/o la matriz de salida C para optimizar algún criterio asociado, habitualmente, con el grado de controlabilidad y/u observabilidad del sistema. Este trabajo propone resolver este problema empleando algoritmos genéticos. La principal ventaja de esta herramienta es que permite introducir las restricciones de forma muy sencilla, permitiendo resolver el problema de una forma mucho más general de las que existen en la literatura. Además, esta metodología permite considerar optimización multi-objetivo de forma directa, pudiendo analizar la situación en la que más de uno de estos criterios sean interesantes para la aplicación.