Optimized PID Tuning in Longitudinal Control of Electric Autonomous Vehicles: A Comparative Study of Jellyfish Search and Genetic Algorithm

Resumen

La sintonización de controladores PID para mejorar el control longitudinal y la planificación de velocidad en Vehículos Autónomos Eléctricos representa un desafío, el cual puede abordarse eficazmente mediante algoritmos metaheurísticos evolucionados. Este artículo evalúa el desempeño del optimizador Jellyfish Search (JS) y los Algoritmos Genéticos (GA) en comparación con los métodos convencionales de ajuste PID en sistemas de control longitudinal. Se propone una función objetivo modificada que combina el Error Absoluto Ponderado por el Tiempo (ITAE) y el Error Integral del Cuadrado (ISE), utilizando el método de suma ponderada, con el propósito de equilibrar métricas de rendimiento y superar las limitaciones de las funciones objetivo convencionales. Esta función es optimizada mediante técnicas genéticas y de búsqueda de medusas. Las simulaciones se realizan en escenarios realistas, de acuerdo con los estándares de seguridad vial, utilizando un perfil sinusoidal como referencia de velocidad. Los resultados demuestran la efectividad de GA y JS al superar el rendimiento del PID convencional, logrando ausencia de sobreimpulso, tiempos de establecimiento reducidos y menores errores en estado estacionario. Se observa que el optimizador JS presenta una ligera ventaja sobre GA en el rendimiento general, destacando por su rápida convergencia. Estos hallazgos validan la contribución de los enfoques propuestos en la mejora del campo de la conducción autónoma.