Uma estratégia para o projeto de filtros ativos RC de alta ordem usando algoritmos evolutivos
DOI:
https://doi.org/10.33414/rtyc.52.1-22.2025Palavras-chave:
algoritmos evolutivos, design de filtro de alta ordem, seleção de componentes passivos, estratégia de design de filtrosResumo
Este trabalho apresenta uma estratégia de design modular para filtros de alta ordem implementados em cascata utilizando algoritmos evolutivos (EAs). O método proposto apresenta vantagens assinaláveis em relação aos formulados na literatura para o dimensionamento deste tipo de filtros. São utilizados quatro EA de última geração: PSO (Particle Swarm Optimization), DE (Differential Evolution), ADE (Average Differential Evolution) e EHO (Elephant Herding Optimization). Dois filtros de Chebyshev de décima ordem considerados em trabalhos anteriores são adotados como estudos de caso. Os resultados mostram que através da estratégia proposta são obtidas configurações de filtros com menores erros de design do que outras alternativas, mesmo utilizando componentes com maior tolerância. O esforço computacional também acaba por ser visivelmente menor. Uma comparação estatística entre os EA utilizados mostra que o DE e o ADE são mais eficientes em termos de qualidade das configurações encontradas.
Downloads
Referências
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
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Mónica Andrea Lovay, Gabriela Marta Peretti, Eduardo Abel Romero
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
