Resumo

O ajuste de parâmetros é uma importante etapa na aplicação de metaheurísticas para resolução de classes de problemas. Neste trabalho é apresentado um framework para ajuste de parâmetros de algoritmos baseado na otimização iterativa de modelos de regressão. Além de prover valores de parâmetros que permitem às metaheurísticas alcançar satisfatória performance, o método proposto também provê informação sobre a relevância dos parâmetros de uma metaheurística para resolução de uma classe de problemas; bem como um modelo do comportamento do algoritmo quando utilizado em uma classe de problemas. Três tipos de experimentos foram feitos, sendo um primeiro utilizando um modelo simulado para o comportamento de uma metaheurística, para o qual os valores de parâmetros ótimos são conhecidos; bem como dois cenários reais de ajuste de parâmetros para diferentes classes de problemas. Nestes experimentos, os resultados do método proposto foram comparados com os métodos Irace, SMAC e ParaMILS, amplamente conhecidos na literatura. Os resultados mostram que o método proposto retorna soluções com qualidade competitiva quando comparada às retornadas pelos outros métodos, com a vantagem de que somente o método proposto provê informação adicional sobre a relevância dos parâmetros.

Abstract

Tuning parameters is an important step for the application of metaheuristics to specific problem classes. In this work we present a tuning framework based on the sequential optimisation of perturbed regression models. Besides providing algorithm configurations with good expected performance, the proposed methodology can also provide insights on the relevance of each parameter and their interac- tions, as well as models of expected algorithm performance for a given problem class, conditional on the parameter values. A number of test cases are presented, including the use of a simulation model in which the true optimal parameters of a hypothetical algorithm are known, as well as usual tuning scenarios for different problem classes. Comparative analyses are presented against Iterated Racing, SMAC, and ParamILS. The results suggest that the proposed approach returns high quality solutions in terms of mean performance of the algorithms equipped with the resulting configurations, with the advantage of providing additional information on the relevance and effect of each parameter on the expected performance.

Resumo

Esta dissertação desenvolve uma estratégia de controle preditivo não-linear para robôs móveis autônomos com evitamento de obstáculos estáticos em ambientes desconhecidos. O sistema tem por objetivo mover o robô a um ponto de destino em tempo mínimo, evitando obstáculos e levando em consideração as energias dos estados e entradas. Um sensor detecta as distâncias aos obstáculos e processa esta informação por meio de algoritmos de geometria computacional para ambientes 2D e 3D, onde restrições de uma região livre de obstáculos são obtidas. Um problema de controle ótimo de múltiplas fases é formulado usando estas restrições, as equações dinâmicas de movimento do sistema entre outras de maneira a encontrar uma trajetória factível ótima e sinais de controle ótimos. Resultados numéricos são apresentados de forma a atestar a performance do sistema em ambos os casos. Primeiro, um robô móvel diferencial é controlado de forma a testar desempenho da estratégia em ambientes 2D. Em seguida, são feitas simulações em ambientes 3D da estratégia de controle preditivo não-linear para quadricópteros.

Abstract

This master thesis presents a nonlinear model predictive control strategy for mobile robots with obstacle avoidance capability for unknown environments. The system aims to track a target point in minimum time, avoiding obstacles, and also to take into account the energy of states and inputs. A ranging sensor detects distances to obstacles, and process this information using computational geometry algorithms for both 2D and 3D environments cases, where constraints of an obstacle-free region are obtained. A multi-phase optimal control problem is formulated using these constraints, the dynamical equations of motion, among other constraints in order to obtain a feasible optimal trajectory and optimal inputs. Numerical results are presented to attest the performance of the system in both cases. First, a wheeled differential mobile robot is simulated to assert the performance of the system in 2D environments. The second simulation deals with 3D environments. The performance of the nonlinear model predictive control strategy to control a quadrotor UAV in a 3D environment is tested.

Resumo

Os sistemas elétricos híbridos ganharam relevância em aplicações off-road porque permitem que o motor de combustão interna opere próximo à sua região de máxima eficiência, garantindo a redução das emissões de gases nocivos a população, emissão ruídos, e do consumo de combustível. Esta dissertação apresenta um método abrangente para projetos de eletrificação aplicados a este tipo de equipamento, incluindo o estudo de viabilidade técnica aplicado a uma retroescavadeira em um ciclo real de trabalho. Para a proposta híbrida, além do ganho em termos do motor à combustão interna próximo de seu ponto máximo de eficiência com a adição de um dispositivo de armazenamento de energia, a abordagem de eletrificação inclui a melhoria da operação do sistema hidráulico pela adição de um acionamento de velocidade variável próximo ao atuador, o que reduz as perdas devido recirculação contínua do fluxo de óleo apresentada no modelo convencional. A metodologia envolve a modelagem do sistema convencional, e a sua comparação com o projeto e modelagem do sistema hibridizado proposto. Ambos os modelos são submetidos a dados experimentais coletados a partir do ciclo de trabalho real para análise. Um supercapacitor é considerado como o dispositivo de armazenamento de energia para esta aplicação devido à baixa quantidade de energia necessária e alta frequência de ciclos de carga e descarga. A economia de combustível obtida com a eletrificação é de até 40% para o veículo analisado e o ciclo de trabalho estudado.

Abstract

Hybrid electric systems have gained relevance in off-road applications because it allows the internal combustion engine to operate near its maximum efficiency region, ensuring reduction of gas emissions, noise and fuel consumption. This dissertation presents a comprehensive approach for electrification projects applied to this sort of equipment, including the technical feasibility study for an existing tractor backhoe loader in a real work cycle. For the hybrid proposal, besides the gain of having the internal combustion engine near its maximum efficiency point with the addition of an energy storage device, the electrification approach includes the improvement of the hydraulic system operation by adding a variable speed drive close to the actuator, which reduces the losses due continuous oil flow recirculation presented on the conventional model. The methodology involves modeling of the conventional system and its comparison with the design and modeling of the proposed hybrid system. Both models are submitted to experimental data gathered from real work cycle for analysis. A supercapacitor is considered as the energy storage device for this application due the low amount of energy required and high frequency of charge and discharge cycles. The fuel safe achieved with the electrification is up to 40% for the specific vehicle and duty cycle studied.