En aplicaciones de control inteligente, uno de los problemas es determinar el número de capas y de neuronas en cada capa. Esto se vuelve más complejo con ciertos tipos de redes neuronales como las basadas en wavelets donde las traslaciones y dilataciones son parámetros adicionales. Este artículo presenta un estudio comparativo para determinar el tipo de wavelet y número de neuronas que muestran el mejor desempeño para controlar un helicóptero Quanser de dos grados de libertad (GDL). Se presenta un controlador tipo PID-WaveNet-IIR el cuál se compone de controladores PID discretos en el tiempo, con ganancias auto-sintonizables por una red neuronal de base radial cuyas funciones de activación son wavelets y un par de filtros de respuesta de impulso infinito (IIR) para ``podar'' algunas neuronas. Por medio de simulaciones numéricas, usando LabVIEW, se presenta el desempeño del sistema en lazo cerrado para: diferentes condiciones de operación, tipos de familia wavelets donde se fijan valores mínimos de los errores de seguimiento, tipo de wavelet, el número de neuronas de la red y número de coeficientes de adelanto y atraso de los filtros IIR.
25 February 2026 in Applied Mathematical Modelling
El diseño de controladores libres de modelo y robustos ha sido un problema de estudio durante varias décadas. Debido a su simplicidad y su estructura libre de cualquier información del modelo, el controlador proporcional-integral-derivativo (PID) es uno de los más utilizados en diversas aplicaciones. Adicionalmente, con el fin de diseñar controladores capaces de adaptarse a diferentes condiciones de operación como en las aeronaves o sistemas robóticos, en los últimos años ha tomado relevancia contar con controladores que tengan la capacidad de auto-sintonizar sus ganancias. Basado en la transformada wavalet, en este trabajo se propone un controlador proporcional multiresolución (PMR) auto-sintonizable, el cual descompone el error de seguimiento para obtener información a diferente escala y frecuencia que permita compensar diversas incertidumbres en el sistema. Adicionalmente, se utiliza una red neuronal wavelet (WaveNet) la cual se encarga aproximar la dinámica entrada y salida del sistema; mientras que su salida es un elemento para llevar a cabo la autosintonización. Para verificar el desempeño del controlador PMR se presentan los resultados de simulación numéricas para un helicóptero Quanser de 2 grados de libertad bajo diferentes condiciones de operación.