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

Resumo

A sintonia de controladores PID para aprimorar o controle longitudinal e o planejamento de velocidade em Veículos Autônomos Elétricos é um desafio, que pode ser tratado de forma eficaz por meio de algoritmos meta-heurísticos evolutivos. Este artigo avalia o desempenho do otimizador Jellyfish Search (JS) e dos Algoritmos Genéticos (GA) em comparação com os métodos convencionais de ajuste de PID em sistemas de controle longitudinal. Propõe-se uma função objetivo modificada que combina o Erro Absoluto Ponderado pelo Tempo (ITAE) e o Erro Integral do Quadrado (ISE), utilizando o método da soma ponderada, com o objetivo de equilibrar métricas de desempenho e superar as limitações das funções objetivo convencionais. Essa função é otimizada por meio das técnicas genética e de busca de medusas. As simulações são realizadas em cenários realistas, de acordo com os padrões de segurança viária, utilizando um perfil senoidal como referência de velocidade. Os resultados demonstram a eficácia de GA e JS em superar o desempenho do PID convencional, alcançando ausência de sobressinal, tempos de acomodação reduzidos e menores erros no estado estacionário. Observa-se que o otimizador JS apresenta uma leve vantagem sobre GA no desempenho geral, destacando-se especialmente pela rápida convergência. Esses resultados validam a contribuição das abordagens propostas para o avanço da condução autônoma.