Made available in DSpace on 2017-07-10T17:11:48Z (GMT). No. of bitstreams: 1 Dissertacao Mariana Uzeda2.pdf: 3273824 bytes, checksum: cb0d125fc8aae9dfe673029b5f5a30a5 (MD5) Previous issue date: 2014-08-29 / This work presents a comparative study between four different sliding mode variable structure control strategies (SMVSC) applied to autonomous underwater vehicles (AUV) positioning in 6 DOF, under the influence of wind, waves and marine currents. The addressed strategies are the conventional CEV-MD control based on Lyapunov stability, the CEV-MD control based on the equivalent control, the CEV-MD control based on the input-output stability and the CEVMD adaptive control. The accomplished comparisons seek a satisfactory tradeoff between the tracking performance and the closed-loop system stability in light of eliminating the chattering phenomenon. In that sense, the analysis and synthesis of the respective SMVSC control laws is carried out fromthe Lyapunov Stability Theory and the Barbalat s Lemma. As well as numerical simulations are implemented to obtaining the respective performances of each SMVSC control strategy presented. / Este trabalho apresenta um estudo comparativo entre quatro diferentes estratégias de controle de estrutura variável por modos deslizantes (CEV-MD) aplicadas ao posicionamento de veículos subaquáticos autônomos (VSA) em 6 GDL, sob a influência de ventos, ondas e correntes marinhas. As estratégias abordadas são o controle CEV-MD convencional baseado na estabilidade de Lyapunov, o controle CEV-MD baseado no controle equivalente, o controle CEV-MD baseado na estabilidade entrada-saída e o controle CEV-MD adaptativo. As comparações realizadas visam a eliminação do do fenômeno do chattering buscando um compromisso satisfatório entre o desempenho de rastreamento e a estabilidade do sistema em laço fechado. Nesse sentido, a análise e síntese das respectivas leis de controle CEV-MD é realizada a partir da Teoria de Estabilidade de Lyapunov e do Lema de Barbalat. Assim como simulações numéricas são implementadas para a obtenção dos respectivos desempenhos de cada estratégia de controle CEV-MD apresentada.

[ES] El aumento en el uso de combustibles fósiles para la generación de energía ha contribuido significativamente a la crisis del calentamiento global. Diferentes lugares alejados de la infraestructura eléctrica emplean generadores a base de gasolina que aumentan la contaminación ambiental. En este contexto, la introducción masiva de microrredes en la sociedad ha traído oportunidades para la generación de energía de forma distribuida, beneficiando a personas en todo el mundo. Por ejemplo, las microrredes pueden brindar electricidad a poblaciones vulnerables que viven en áreas remotas con acceso limitado a infraestructuras de transmisión y distribución. Además, las microrredes promueven el uso de recursos renovables, reduciendo el impacto ambiental en comparación con los métodos tradicionales de generación de electricidad, como las plantas de energía térmica o las instalaciones nucleares. Además, las microrredes permiten la generación de electricidad a pequeña escala, lo que permite que las familias logren la independencia energética y vendan el exceso de energía a la compañía eléctrica local. Cualquier inversor en una microrred necesita un algoritmo de control para realizar una regulación en bucle cerrado. En este contexto, el control por modos deslizantes de segundo orden es una estrategia de control robusta que ha ganado atención en las aplicaciones de inversores de microrredes. Mediante el uso de este enfoque, el inversor puede lograr un control preciso y rápido, incluso en presencia de incertidumbres y perturbaciones. El uso de estrategias de control robustas mejora la estabilidad y el rendimiento general del sistema de microrredes, asegurando una gestión de energía óptima. El proceso de ajuste es esencial para los algoritmos de control en bucle cerrado, ya que modifica la respuesta del controlador para alcanzar los objetivos de control. La optimización por enjambre de partículas (PSO por sus siglas en inglés) es un eficiente algoritmo de optimización empleado en controladores en lazo cerrado que puede resolver de manera efectiva problemas multi-objetivo formulados en una sola función de costo. Los parámetros de control del inversor de la microrred pueden ser optimizados mediante la utilización de PSO para lograr los objetivos deseados, ajustando de manera eficiente una estrategia de control. Para controladores por modos deslizantes, algunas estrategias de ajuste se basan en técnicas heurísticas. La función de costo única resuelve varios problemas en una microrred, pero existen dificultades cuando diferentes objetivos en un proceso no pueden ser mejorados simultáneamente debido a su relación conflictiva. Estrategias como Algoritmos Genéticos Multi-Objetivo (MOGA por sus siglas en inglés), Evolución Diferencial Multi-Objetivo (MODE por sus siglas en inglés) y Algoritmo Artificial de Ovejas Multi-Objetivo (MOASA por sus siglas en inglés), han demostrado su capacidad para mejorar el rendimiento del inversor mediante la optimización de objetivos conflictivos. Estos algoritmos pueden equilibrar de manera efectiva objetivos como la reducción del tiempo de respuesta y la minimización del sobreimpulso en la señal de salida del inversor. En consecuencia, el rendimiento general y la eficiencia de los inversores de la microrred pueden mejorar. La integración de algoritmos de control multi-objetivo en los inversores de la microrred tiene un gran potencial para abordar los desafíos de gestión de energía y optimizar el rendimiento. Los inversores de la microrred pueden lograr una mayor estabilidad, eficiencia y confiabilidad utilizando técnicas como el control por modos deslizantes de segundo orden y algoritmos de optimización como PSO, MOGA, MODE y MOASA. Al adoptar estos enfoques, se presenta una nueva metodología para un futuro energético más sostenible y resiliente, al tiempo que se mitigan los efectos adversos del calentamiento global causado por el consumo de combustibles fósiles en la generación convencional de energía. / [CA] L'augment en l'ús de combustibles fòssils per a la generació d'energia ha contribuït significativament a la crisi de l'escalfament global. Diferents llocs allunyats de la infraestructura elèctrica empleen generadors a base de gasolina que augmenten la contaminació ambiental. En aquest context, la introducció massiva de microxarxes a la societat ha comportat oportunitats per a la generació d'energia de forma distribuïda, beneficiant persones arreu del món. Per exemple, les microxarxes poden proporcionar electricitat a poblacions vulnerables que viuen en àrees remotes amb accés limitat a infraestructures de transmissió i distribució. A més, les microxarxes promouen l'ús de recursos renovables, reduint l'impacte ambiental en comparació amb els mètodes tradicionals de generació d'electricitat, com les plantes d'energia tèrmica o les instal·lacions nuclears. A més a més, les microxarxes permeten la generació d'electricitat a petita escala, la qual cosa permet que les famílies aconsegueixin la independència energètica i venguen l'excedent d'energia a la companyia elèctrica local. Qualsevol inversor en una microxarxa necessita un algoritme de control per a realitzar una regulació en bucle tancat. En aquest context, el control per modes lliscants de segon ordre és una estratègia de control robusta que ha guanyat atenció en les aplicacions d'inversors de microxarxes. Mitjançant l'ús d'aquest enfocament, l'inversor pot aconseguir un control precís i ràpid, fins i tot en presència d'incerteses i pertorbacions. L'ús d'estratègies de control robustes millora l'estabilitat i el rendiment general del sistema de microxarxes, assegurant una gestió d'energia òptima. El procés d'ajust és essencial pels algoritmes de control en bucle tancat, ja que modifica la resposta del controlador per a aconseguir els objectius de control. L'optimització per enjambre de partícules (PSO per les seues sigles en anglés) és un eficient algoritme d'optimització emprat en controladors en bucle tancat que pot resoldre de manera efectiva problemes multi-objectiu formulats en una sola funció de cost. Els paràmetres de control de l'inversor de la microxarxa poden ser optimitzats mitjançant l'utilització de PSO per a aconseguir els objectius desitjats, ajustant de manera eficient una estratègia de control. Per a controladors per modes lliscants, algunes estratègies d'ajust es basen en tècniques heurístiques. La funció de cost única resol diversos problemes en una microxarxa, però existeixen dificultats quan diferents objectius en un procés no poden ser millorats simultàniament a causa de la seua relació conflictiva. Estratègies com Algorismes Genètics Multi-Objectiu (MOGA per les seues sigles en anglés), Evolució Diferencial Multi-Objectiu (MODE per les seues sigles en anglés) i Algorisme Artificial de Xais Multi-Objectiu (MOASA per les seues sigles en anglés), han demostrat la seua capacitat per a millorar el rendiment de l'inversor mitjançant l'optimització d'objectius conflictius. Aquests algorismes poden equilibrar de manera efectiva objectius com la reducció del temps de resposta i la minimització del sobreguiny a la senyal de sortida de l'inversor. En conseqüència, el rendiment general i l'eficiència dels inversors de la microxarxa poden millorar. La integració d'algorismes de control multi-objectiu en els inversors de la microxarxa té un gran potencial per a abordar els desafiaments de gestió d'energia i optimitzar el rendiment. Els inversors de la microxarxa poden aconseguir una major estabilitat, eficiència i fiabilitat utilitzant tècniques com el control per modes lliscants de segon ordre i algorismes d'optimització com PSO, MOGA, MODE i MOASA. En adoptar aquests enfocaments, es presenta una nova metodologia per a un futur energètic més sostenible i resilient, al mateix temps que es mitiguen els efectes adversos de l'escalfament global causat pel consum de combustibles fòssils en la generació convencional d'energia. / [EN] The increase in fossil fuel usage for power generation has significantly contributed to the global warming crisis. Various remote areas, detached from electrical infrastructure, rely on gasoline-based generators that escalate environmental pollution. In this context, the widespread implementation of microgrids in society has brought forth opportunities for distributed energy generation, benefiting people worldwide. For instance, microgrids can provide electricity to vulnerable populations in remote areas with limited access to transmission and distribution infrastructures. Furthermore, these microgrids advocate for using renewable resources, diminishing environmental impact compared to traditional methods such as thermal power plants or nuclear facilities. Additionally, microgrids enable small-scale electricity generation, empowering families to achieve energy independence and sell surplus energy to local power companies. Any investor in a microgrid requires a closed-loop control algorithm. In this realm, the second-order sliding mode control is a robust strategy garnering attention in microgrid inverter applications. Through this approach, the inverter can achieve precise and rapid control despite uncertainties and disturbances. Using robust control strategies enhances microgrid systems' stability and overall performance, ensuring optimal energy management. Adjustment processes are pivotal for closed-loop control algorithms, modifying the controller's response to meet control objectives. Particle Swarm Optimization (PSO) is an efficient optimization algorithm employed in closed-loop controllers that can effectively solve multi-objective problems formulated in a single cost function. Control parameters of the microgrid inverter can be optimized using PSO to attain desired objectives, efficiently fine-tuning a control strategy. For sliding mode controllers, some adjustment strategies rely on heuristic techniques. While a single cost function resolves various issues within a microgrid, difficulties arise when different objectives in a process cannot be simultaneously improved due to conflicting relationships. Strategies like Multi-Objective Genetic Algorithms (MOGA), Multi-Objective Differential Evolution (MODE), and Multi-Objective Artificial Sheep Algorithm (MOASA) have proven their ability to enhance inverter performance by optimizing conflicting objectives. These algorithms effectively balance objectives like reducing response time and minimizing overshoot in the inverter's output signal. Consequently, the overall performance and efficiency of microgrid inverters can be enhanced. Integrating multi-objective control algorithms into microgrid inverters holds significant potential in addressing energy management challenges and optimizing performance. Microgrid inverters can achieve greater stability, efficiency, and reliability by utilizing second-order sliding mode control and optimization algorithms like PSO, MOGA, MODE, and MOASA. By embracing these approaches, a new methodology emerges for a more sustainable and resilient energy future while mitigating the adverse effects of global warming caused by conventional fossil fuel consumption in power generation. / Gonzales Zurita, ÓO. (2024). Multi-objective Control on Inverter-Based Microgrids [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/203120