Implementación de un sistema de control adaptativo a través de una red neuronal multicapa de perceptrones

• Autores: Juan Francisco Giró, Julio C. Massa, José E. Stuardi
• Localización: Ciencia y tecnología, ISSN 1850-0870, ISSN-e 2344-9217, Nº. 9, 2009
• Idioma: español
• DOI: 10.18682/cyt.v1i1.788
• Enlaces
  • Texto completo
• Resumen
  • español

    Sucesivas experiencias en el desarrollo, implementación y operación de sistemas de control paraensayar motores de combustión interna permitieron perfeccionar un módulo digital sobre unComputador Personal (PC) que demostró ser una opción ventajosa por su bajo costo, buenaperformance y alta confiabilidad. Para ello se recurrió a un sistema de control conmutado que seapoya en unidades de lógica proporcional, integral y derivativa (PID), que están destinadas ahacer los correspondientes ajustes sobre los parámetros de velocidad y carga del motor. Sin embargo,la definición de las condiciones de conmutación en esta solución implica un proceso laborioso.Para superar esta dificultad se reemplazó la unidad de control conmutado por una de controladaptativo, que fue implementada sobre una red neuronal multicapa de perceptrones, incorporandointeligencia computacional al proceso de selección de la estructura de control mas apropiada encada caso. En este trabajo se describen detalles de la solución adoptada y algunas prediccionessobre el desempeño esperado a través de un proceso numérico de simulación.

  • English

    Multiple experiences in designing, implementing and operating control systems for testing internal combustion engines helped to develop a digital control unit on a personal computer (PC). This device proved to be an advantageous option to obtain low cost, good performance and high reliability. The solution is based on a control system that relies on switching proportional, integral and derivative (PID) logic units designed to make adjustments on the engine speed and load parameters. In turn, it should be noted that the definition of the switching conditions involves a laborious process. To overcome this difficulty the switching control was replaced by an adaptive control implemented on a multilayer perceptron neural network. So, computational intelligence was introduced into the process for selecting the most appropriate control structure in each case.

    This paper describes details of the solution and some predictions of expected performance through a numerical simulation process.

• Referencias bibliográficas
  • Giró, J.F., Stuardi, J.E. y Massa, J.C., Sistemas digitales de control para ensayos de motores de combustión interna, Primer Congreso Argentino...
  • Hori, M., Suzuki, M., Nomura, M. and Terashima, M., High-Performance Automotive Engine Control in Engine Tester, Industry Applications Conference,...
  • Ogata, K., Ingeniería de Control Moderna, 4a Edición, Pearson, 2003.
  • Utkin, V., Variable Structure Systems with Sliding Modes, IEEE Transactions on Automatic Control, Vol. 22 No. 2, pp.212-222, 1977.
  • De Carlo, R., Zak, S. and Matthews, G., Variable Structure Control of Nonlinear Multivariable Systems: A Tutorial, Proceedings of the IEEE,...
  • Goodwin, G., Graebe, S. and Salgado, M., Classical PID Control, Prentice Hall, 2001.