Para enfrentar o problema do desempenho insatisfatório do sistema de refrigeração indireta a ar sob perturbações de fatores externos, e considerando que o controle PID tradicional não atende às necessidades de controle de sistemas com grande atraso, forte acoplamento e não lineares, e embora o controle preditivo generalizado (generalized predictive control, GPC) tenha bons resultados de controle, o ajuste de parâmetros é difícil, propõe-se um método de ajuste de parâmetros do GPC baseado em um algoritmo melhorado de enxame de partículas. Foi estabelecido o modelo de função de transferência do sistema de refrigeração indireta a ar e o modelo de perturbação da velocidade do vento ambiente, construindo-se um controlador GPC que utiliza a temperatura da água de circulação como variável controlada. Para o problema do algoritmo tradicional de enxame de partículas facilmente ficar preso em ótimos locais e baixa precisão de convergência, foi projetado um algoritmo híbrido de otimização DE-VPPSO que combina o algoritmo de evolução diferencial e o mecanismo de pausa de velocidade, adotando uma estratégia de busca colaborativa de dupla população para melhorar a capacidade de busca e a precisão da convergência. Utilizando o algoritmo DE-VPPSO, quatro parâmetros-chave do GPC foram otimizados simultaneamente: horizonte de previsão, horizonte de controle, peso de controle e fator de suavização. Resultados de simulação abrangentes mostram que o método proposto apresenta desempenho de controle excelente e robustez sob condições de perturbações por degraus contínuos, perturbações na velocidade do vento ambiente, incompatibilidade de parâmetros do modelo, interferência de ruído aleatório e condições combinadas.

Sistema de refrigeração indireta a ar;Controle preditivo generalizado;Algoritmo de otimização por enxame de partículas;Ajuste de parâmetros do controlador