Implementación de neurocontroladores en línea: tres configuraciones, tres plantas

• Autores: José Danilo Rairán Antolines, Diego Fernando Chiquiza Quiroga, Miguel Ángel Parra Pachón
• Localización: Ingeniería y universidad, ISSN 0123-2126, Vol. 16, Nº. 1, 2012, págs. 163-182
• Idioma: español
• Títulos paralelos:
  • Implementação de neurocontroladores em linha: três configurações, três plantas
  • The implementation of on-line neurocontrollers: three configurations, three plants
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este artículo se implementa el algoritmo de aprendizaje backpropagation en línea para el entrenamiento de redes neuronales tipo feedforward. Así mismo, se implementan tres neurocontroladores para tres sistemas: el circuito resistivo capacitivo (RC), un motor de corriente continua emulado electrónicamente y un sistema esfera-tubo. La primera estrategia que se prueba para todos los sistemas es un controlador Proporcional Integral Derivativo (PID clásico), utilizado para comparar el desempeño de los otros controladores.

    El primer neurocontrolador comparte la responsabilidad de comandar al sistema con un PID; el siguiente es entrenado en línea y trabaja solo; el último es un controlador PID neuronal que cambia las ganancias del PID para hacerlo adaptable a la dinámica de la planta. El control se realiza en tiempo real, por medio de Simulink, junto con una tarjeta de adquisición de datos PCI 6024E. En el artículo se muestran los resultados obtenidos de cada sistema.

  • português

    Neste artigo implementa-se o algoritmo de aprendizagem backpropagation em linha para o treinamento de redes neurais tipo feedforward. Assim como, programam-se três neurocontroladores para três sistemas: o circuito resistivo capacitivo (RC), um motor de corrente contínua emulado eletronicamente e um sistema esfera-tubo.

    A primeira estratégia é testada para todos os sistemas é um controlador Proporcional Integral Derivativo (PID clássico), utilizado para comparar o desempenho dos outros controladores.

    O primeiro neurocontrolador compartilha a responsabilidade de comandar o sistema com um PID; o seguinte é treinado em linha e trabalha sozinho;

    o último é um controlador PID neural que muda os ganhos do PID para fazêlo adaptável à dinâmica da planta. O controle realiza-se em tempo real, por meio de Simulink, junto com um cartão de aquisição de dados PCI 6024E.

    No artigo mostram-se os resultados obtidos de cada sistema.

  • English

    In this paper we develop a backpropagation learning algorithm for feedforward neural networks trained online. Three neurocontrollers are designed for three systems. Those systems are an RC circuit, a DC motor (electronically emulated) and a spheretube system. The first implemented strategy is a standard PID controller, which is used in order to compare the performance of the neurocontrollers.

    The first neurocontroller leads the system in parallel with a PID; the next one is trained online to work alone, and the last one is a neural PID, which strives to make the controller adaptable to the dynamics of the plant trough changes on the PID gains. The control is carried out in real time by using Simulink and a PCI 6024E data acquisition card. The results for each system are also included.