Una estrategia para el diseño de filtros activos RC de alto orden utilizando algoritmos evolutivos
DOI:
https://doi.org/10.33414/rtyc.52.1-22.2025Palabras clave:
algoritmos evolutivos, diseño de filtros de alto orden, selección de componentes pasivos, estrategia de diseño de filtros.Resumen
Este trabajo presenta una estrategia modular de diseño para filtros de alto orden implementados en cascada usando algoritmos evolutivos (EAs, Evolutionary Algorithms). El método propuesto evidencia notables ventajas con respecto a los formulados en la literatura para dimensionar este tipo de filtros. Se emplean cuatro EAs del estado del arte: PSO (Particle Swarm Optimization), DE (Differential Evolution), ADE (Average Differential Evolution) y EHO (Elephant Herding Optimization). Como casos de estudio se adoptan dos filtros Chebyshev de décimo orden considerados en trabajos previos. Los resultados muestran que mediante la estrategia propuesta se obtienen configuraciones de filtro con menor error de diseño que otras alternativas, aun empleando componentes de mayor tolerancia. El esfuerzo computacional también resulta ser notablemente más bajo. Una comparación estadística entre los EAs utilizados muestra que DE y ADE son más eficientes en cuanto a la calidad de las configuraciones encontradas.
Descargas
Citas
Beşkirli, M., & Kiran, M. S. (2023). Optimization of Butterworth and Bessel Filter Parameters with Improved Tree-Seed Algorithm. Biomimetics, 8(7). https://doi.org/10.3390/biomimetics8070540
Deliyannis, T., Sun, Y., & Fidler, J. (1999). Continuous_Time_Active_Filter_Design CRC 1999.
Demšar, J. (2006). Statistical Comparisons of Classifiers over Multiple Data Sets. Journal of Machine Learning Research, 7, 1–30.
Durmuş, B., Temurtaş, H., & Özyön, S. (2020). The design of multiple feedback topology Chebyshev low-pass active filter with average differential evolution algorithm. Neural Computing and Applications, 32(22), 17097–17113. https://doi.org/10.1007/s00521-020-04922-7
García, S., Molina, D., Lozano, M., & Herrera, F. (2009). A study on the use of non-parametric tests for analyzing the evolutionary algorithms’ behaviour: A case study on the CEC’2005 Special Session on Real Parameter Optimization. Journal of Heuristics, 15(6), 617–644. https://doi.org/10.1007/s10732-008-9080-4
Hiçdurmaz, B., Ertaç Durak, F., Özyön, S., Dumlupınar Üniversitesi, K., Fakültesi, M., & Elektronik Mühendisliği, E. (2019). The Estimation of Bessel Type Low-Pass Active Filter Parameters with Charged System Search Algorithm. International Scientific and Vocational Studies Journal, 3(2), 67–75.
Jin, Y. X., Cheng, H. Z., Yan, J. Y., & Zhang, L. (2007). New discrete method for particle swarm optimization and its application in transmission network expansion planning. Electric Power Systems Research, 77(3–4), 227–233. https://doi.org/10.1016/j.epsr.2006.02.016
Karki, J. (2023). Nota de Aplicación: Active Low-Pass Filter Design. www.ti.com
Kuyu, Y. Ç., & Vatansever, F. (2023). Heap-based optimizer embedded with search strategies applied to high-order analog filter designs: a comparative study with up-to-date metaheuristics. Neural Computing and Applications, 35(2), 1447–1467. https://doi.org/10.1007/s00521-022-07835-9
Lampinen, J., & Zelinka, I. (1999). Mixed integer-discrete-continuous optimization by differential evolution. In Proceedings of the 5th International Conference on Soft Computing , 71–76.
Lovay, M., Peretti, G., & Romero, E. (2022). Diseño de filtros activos basados en optimización de cría de elefantes. Jornadas de Ciencia y Tecnología .
Lovay, M., Romero, E., & Peretti, G. (2016). Aplicación del algoritmo de Optimización por Enjambre de Partículas en el dimensionamiento óptimo de componentes para Filtros Activos. Proceedings of SII 2016, 5th Argentine Symposium on Industrial Informatics, 45 JAIIO - 45th Argentine Conference on Informatics, 13–24.
Raut R., & Swamy M. N. S. (2010). Modern Analog Filter Analysis and Design. Wiley.
Şimşir, Ş., & Taşpınar, N. (2021). A novel discrete elephant herding optimization-based PTS scheme to reduce the PAPR of universal filtered multicarrier signal. Engineering Science and Technology, an International Journal, 24(6), 1428–1441. https://doi.org/10.1016/j.jestch.2021.03.001
Slowik, A. (2020). Swarm Intelligence Algorithms. CRC Press.
Temurtaş, H. (2020). The estimation of low and high-pass active filter parameters with opposite charged system search algorithm. Expert Systems with Applications, 155. https://doi.org/10.1016/j.eswa.2020.113474
Yu X., & Gen M. (2010). Introduction to Evolutionary Algorithms. Springer.
Zumbahlen, H. (2007). Nota de Aplicación: Basic linear design, analog devices (Inc.: Norwood, Ed.; Vol. 11).
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Mónica Andrea Lovay, Gabriela Marta Peretti, Eduardo Abel Romero
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
