Simulación y comparación de controladores PID, Liapunov y redes neuronales artificiales: Abordando el rechazo de perturbaciones en sistemas no lineales a través de modelado computacional
Resumen
El control de sistemas complejos se basa en resolver problemas en sistemas no lineales, los cuales generalmente son inestables. Un ejemplo de dicho sistema es el robot de auto equilibrio de dos ruedas, un problema típico en el área de modelado y control de sistemas, y un desafío intrigante para entender y controlar. Este artículo tiene como objetivo observar las diferentes características de tres métodos de control existentes en un sentido general, comenzando con el control clásico utilizando el bien conocido PID, seguido por las matemáticas de las funciones candidatas de Liapunov, y finalmente revisando la contribución de los algoritmos de redes neuronales artificiales (ANN). El control PID, el control de Liapunov y el control de redes neuronales artificiales son tres técnicas de control diferentes que pueden ser utilizadas para rechazar perturbaciones en sistemas no lineales. Cada una de estas técnicas tiene sus propias ventajas y desventajas en términos de su capacidad para rechazar perturbaciones en sistemas no lineales. El control PID es una técnica de control bien establecida que puede utilizarse para controlar una amplia variedad de sistemas, incluidos los sistemas no lineales, pero puede no ser tan efectivo para rechazar perturbaciones en sistemas no lineales, ya que la respuesta del controlador puede no ser lo suficientemente rápida o precisa para compensar las perturbaciones. El control de Liapunov es una técnica de control basada en la teoría matemática de la estabilidad y utiliza una función de Liapunov para garantizar la estabilidad del sistema. El control de redes neuronales artificiales se basa en el aprendizaje automático y utiliza una red neuronal para modelar el comportamiento del sistema y generar una señal de control adecuada. Este artículo realiza una comparación entre estos controladores, dando un paso desde el control clásico hacia algunas de las técnicas de control actuales.
Descargas
Citas
U. Nagarajan, B. Kim, y R. Hollis, «Planning in high-dimensional shape space for a single-wheeled balancing mobile robot with arms», in 2012 IEEE International Conference on Robotics and Automation, St Paul, MN, USA, may 2012, pp. 130-135. doi: 10.1109/ICRA.2012.6225065.
A. Kumar y R. Sharma, «Liapunov theory based intelligent fuzzy controller for Inverted Pendulum», in 2016 IEEE 1st International Conference on Power Electronics, Intelligent Control and Energy Systems (ICPEICES), Delhi, India, jul. 2016, pp. 1-5. doi: 10.1109/ICPEICES.2016.7853377.
-0-1-k-j-astrom-pid-controllers-theory-design-and-tuning-2ed.pdf». Accedido: 30 de October de 2022. [online]. Disponible in: https://aiecp.files.wordpress.com/2012/07/1-0-1-k-j-astrom-pid-controllers-theory-design-and-tuning-2ed.pdf
G. P. Liu y S. Daley, «Optimal-tuning PID control for industrial systems», Control Eng. Pract., p. 10, 2001.
O. Lequin, M. Gevers, M. Mossberg, E. Bosmans, y L. Triest, «Iterative feedback tuning of PID parameters: comparison with classical tuning rules», Control Eng. Pract., vol. 11, n.o 9, pp. 1023-1033, sep. 2003, doi: 10.1016/S0967-0661(02)00303-9.
C. Aguilar-Ibanez, «A constructive Liapunov function for controlling the inverted pendulum», in 2008 American Control Conference, Seattle, WA, jun. 2008, pp. 5145-5149. doi: 10.1109/ACC.2008.4587311.
Applications ANN Robotics ».
J. F. Gómez y J. J. S. Martín, «DISEÑO E IMPLEMENTACIÓN DE UN ROBOT AUTOBALANCEADO», p. 115.
Ar. Mahgoub, M. M. Elnaggar, y A. L. Elshafei, «Ad-hoc Modeling and Simulation Mechanism of a Self-balancing Robot for Testing L1 Adaptive Control», in IECON 2020 The 46th Annual Conference of the IEEE Industrial Electronics Society, Singapore, Singapore, oct. 2020, pp. 82-87. doi: 10.1109/IECON43393.2020.9255152.
two wheeled self-balancing robots». https://la.mathworks.com/matlabcentral/fileexchange/88768-two-wheeled-self-balancing-robot (acceded 6 January, 2023).
How PID Autotuning Works - MATLAB & Simulink - MathWorks América Latina». https://la.mathworks.com/help/slcontrol/ug/how-pid-autotuning-works.html?searchHighlight=Autotuner%20&s_tid=srchtitle_Autotuner%20_1 (acceded 30, November. 2022).
J. W. Grizzle, C. H. Moog, y C. Chevallereau, «Nonlinear control of mechanical systems with an unactuated cyclic variable», IEEE Trans. Autom. Control, vol. 50, n.o 5, pp. 559-576, may 2005, doi: 10.1109/TAC.2005.847057.
M. W. Spong y L. Praly, «Control of underactuated mechanical systems using switching and saturation», in Control Using Logic-Based Switching, vol. 222, A. Stephen Morse, Ed. London: Springer-Verlag, 1997, pp. 162-172. doi: 10.1007/BFb0036093.
C. A. Ibañez, O. G. Frias, y M. S. Castañón, «Liapunov-Based Controller for the Inverted Pendulum Cart System», Nonlinear Dyn., vol. 40, n.o 4, pp. 367-374, jun. 2005, doi: 10.1007/s11071-005-7290-y.
Xia - 2003 - An inverse model of MR damper using optimal neural.pdf».
Class Notes “Introducción a las Técnicas de Inteligencia Artificial”. Grupo de Ingeniería de Control de la Universidad de Cantabria.pdf».
Derechos de autor 2023 Carlos Alberto Saldaña ;Alfredo Ramón Tumbaco Reyes;Franklin Illich Kuonquí Gaínza;Patricia Isabel Pasmay Bohórquez;Cecibell Alexandra Malave Vivar
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.jpg)
