Nuevos resultados en la sintonización de controladores neuronales en esquemas de control óptimo y predictivo

Resumen

En esta tesis se ha desarrollado un controlador digital que, bajo la metodología de control predictivo, realiza un control satisfactorio de plantas o sistemas no lineales. Concretamente, se trabaja con sistemas SISO. Todo ello en un esquema clásico de control con realimientación unitaria. Además, en este trabajo no se ha considerado la etapa de identificación de los sistemas no lineales. Por lo que se parte inicialmente de unas expresiones establecidas y con diferentes grados de complejidad en lo que a la dinámica de dichos sistemas se refiere. Donde se ha realizado un gran esfuerzo ha sido en la selección de una correcta estructura para el controlador digital y en la etapa de sintonización de sus parámetros. En el diseño de dicho controlador se ha elegido como elemento básico las redes neuronales. Estos dispositivos quedan englobados dentro de la disciplina conocida como Inteligencia Artificial. Los controladores así configurados son probados en situaciones donde se incorporan en el esquema de control: restricciones en la acción de control y sus incrementos, penalizaciones a dichos incrmentos, así como incertidumbres en los modelos de los sistemas no lineales empleados. Todo ello, perturbando la salida del sistema con una señal de ruido, formando lo que clásicamente se conoce como modelo output-error. Son dos las metodologías de control empleadas en este trabajo para resolver el problema de control no lineal. Por un lado, el control ópitmo, donde se estudia inicialmente la función de optimización diseñada para la sintonización de los parámetros del controlador. Por otro lado, el control predictivo, donde se emplean las conclusiones extraídas de los resultados del control óptimo para mejorar la estrategia de control utilizada en este caso.