Diseño de un controlador aplicado a un péndulo invertido utilizando estrategias basadas en aprendizaje de máquina

Este documento presenta el desarrollo de controlador aplicado a un péndulo invertido simple, utilizando estrategias basadas en aprendizaje de máquina. Para el desarrollo de este proyecto, se hace uso de una plataforma simulada en el software Simulink, la cual realiza una respectiva caracterización del sistema y una representación de la planta a partir de diagrama de bloques implementado en este Software. En este documento se muestran las ecuaciones no lineales de la planta para que, a partir del comportamiento de esta, se diseñe un control basado en redes neuronales que sea capaz de estabilizar la posición angular del péndulo invertido alrededor de un punto de trabajo específico. El desarrollo del proyecto se divide en 4 fases importantes. La primera fase consiste en conocer las variables de entrada y salida de la planta que se usarán para el diseño de la red neuronal. La variable de entrada hace referencia al voltaje inyectado a la planta, mientras que las variables de salida hacen referencia a los ángulos del péndulo y del brazo giratorio. También se muestran las ecuaciones que describen el comportamiento del sistema de péndulo invertido. En la segunda fase se hace una revisión en el estado del arte, esto con el fin de observar metodologías implementadas en trabajos anteriores, tomando como partida algunos métodos de aprendizaje de máquina que puedan ser usados para el control de posición angular en un péndulo. La tercera fase consiste en la obtención de los datos de la planta que serán los usados en el diseño de las redes neuronales como conjunto de datos de entrenamiento y pruebas. A partir de los datos obtenidos en la tercera fase, en la cuarta fase se implementa la red neuronal con su respectivo entrenamiento y será la encargada de estabilizar el péndulo. Se presentan los resultados experimentales que se llevaron a cabo sobre las redes neuronales implementadas, teniendo en cuenta diferentes pruebas realizadas, haciendo cambios en parámetros como los retardos, los ciclos, la frecuencia de muestreo o los datos de entrada. También se hace un análisis de estas pruebas y de las gráficas obtenidas del sistema a partir de parámetro de error, con el fin observar el comportamiento del péndulo una vez la red neuronal ha sido entrenada.

• Autores: Rincón Martínez, Julián; Pineda Gonzalez, Gustavo Alonso
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/42773
• Acceso en línea: http://hdl.handle.net/11634/42773
• Palabra clave: Controller; Levenberg-Marquardt; Machine Learning; No lineal System; NARX; Neuronal Network; Simple Inverted Pendulum; Simulink; Aprendizaje-- Clasificación-- Colombia; Maquinas-- Ingeniería Electrónica-- Colombia; Red Neuronal-- Ingeniería Electrónica; Controlador; Aprendizaje de máquina; Levenberg-Marquardt; NARX; Péndulo Invertido Simple; Sistema no lineal; Simulink; Red Neuronal
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia