Análisis y diseño de sistemas de control robusto basados en redes euronales artificiales

Resumen

En estos años recientes, ha habido un gran interés en el desarrollo y aplicación de técnicas de control avanzado en Ingeniería industrial, y entre ellas destacan aquellas basadas en el conocimiento del modelo del sistema bajo control. Sin embargo, en la mayoría de los sistemas de interés es extremadamente difícil y caro el obtener un modelo preciso del sistema que está además sujeto a errores. En este sentido, las redes neuronales artificiales han demostrado ser efectivas en el desarrollo de modelos de sistemas complejos a través del aprendizaje a partir de datos de operación entrada-salida. Por otro lado, muchas de las lineas actuales en control de sistemas ya reflejan en su planteamiento la importancia creciente que se da a la estabilidad robusta frente a la imprecisión en el modelado del sistema. La propiedad básica que el sistema de control debe conservar bajo esa imprecisión es la de estabilidad por encima de otros objetivos. En esta tesis doctoral se ha abordado el control basado en modelo de sistemas no lineales con dinámica desconocida mediante el uso de redes neuronales artificiales tanto para la tarea de modelado como la de control. Además se ha desarrollado una técnica de análisis de la estabilidad robusta del sistema de control en bucle cerrado basada en el criterio de conicidad, y finalmente se ha aplicado a un sistema tipo multivariable como es un péndulo invertido no lineal. Esta metodología de análisis de estabilidad robusta aplicada a un sistema de control neuronal viene caracterizada por su amplio rango de aplicación y su sencillez de interpretación gráfica, en contraste con otras metodologías donde es preciso contar con el modelado en base a ecuaciones físicas y configuraciones especificas de control.