Controlador multiresolución para sistemas no lineales basado en WaveNets

Oscar Federico García-Castro; Mario Alejandro Vega-Navarrete; Luis Enrique Ramos-Velasco; Rodolfo García-Rodríguez; Enrique Escamilla-Hernández

doi:10.29057/icbi.v11iEspecial4.11391

Oscar Federico García-Castro Universidad Politécnica Metropolitana de Hidalgo https://orcid.org/0000-0003-2208-8333
Mario Alejandro Vega-Navarrete Universidad Politécnica Metropolitana de Hidalgo https://orcid.org/0000-0003-2739-8840
Luis Enrique Ramos-Velasco Universidad Politécnica Metropolitana de Hidalgo https://orcid.org/0000-0002-8715-9641
Rodolfo García-Rodríguez Universidad Politécnica Metropolitana de Hidalgo https://orcid.org/0000-0002-4402-6072
Enrique Escamilla-Hernández Instituto Politécnico Nacional, ESIME-Culhuacán https://orcid.org/0000-0002-4832-8270

DOI: https://doi.org/10.29057/icbi.v11iEspecial4.11391

Palabras clave: Análisis multiresolución, Control inteligente, Función wavelet, Helicóptero Quanser, Redes neuronales

Resumen

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.

Descargas

La descarga de datos todavía no está disponible.

Citas

Bennett, S. (1993). Development of the PID controller. IEEE Control Systems, 13(6):58–62.

Blancas, J. G., Domínguez, O. A., y Ramos-Velasco, L. E. (2019). Control proporcional multiresolución para un robot de 2GDL a través de un sistema BCI. Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI, 7(Especial):111–115.

Daubechies, I. (1992). Ten Lectures on Wavelets. SIAM.

Deisenroth, M. P., Faisal, A. A., y Ong, C. S. (2020). Mathematics for machine learning. Cambridge University Press.

Díaz-López, F. A., Ramos-Velasco, L. E., Domínguez-Ramírez, O. A., y Parra- Vega, V. (2013). Multiresolution WaveNet PID control for global regulation of robots. 9th Asian Control Conference (ASCC), Istanbul, Turkey, pp. 1–6.

García-Castro, O. F., Ramos-Velasco, L. E., Escamilla-Hernández, E., García- Rodríguez, R., Vega-Navarrete, M. A., Domínguez-Mayorga, C. R., y Oliva- Moreno, L. N. (2023). Neuro-adaptive PID helicopter controller based on atomic functions. En Proceedings of 19th Latin American Control Con- gress (LACC 2022), pp. 239–250. Springer International Publishing.

García-Castro, O. F., Ramos-Velasco, L. E., García-Rodríguez, R., Vega- Navarrete, M. A., Escamilla-Hernández E., y Oliva-Moreno, L. N. (2022a). Estudio comparativo de controladores PID WaveNet-IIR aplicado a un helicoptero de 2 GDL. Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI, 10(Especial5):36–42.

García-Castro, O. F., Ramos-Velasco, L. E., Vega-Navarrete, M. A., García- Rodríguez, R., Domínguez-Mayorga, C. R., Escamilla-Hernández, E., y Oliva-Moreno, L. N. (2022b). RBF neural network based on FT-windows for auto-tunning PID controller. En Advances in Computational Intelligen- ce, pp. 138–149. Springer Nature Switzerland.

Hespanha, J. P. (2021). Advanced undergraduate topics in control systems design. Universidad de California.

Inc., Q. (2012). User manual 2 DOF helicopter experiment, set up and configuration. Markham, Ontario.

James, G., Witten, D., Hastie, T., y Tibshirani, R. (2021). Introduction to Statistical Learning With Applications in R. Springer.

Khalil, H. K. (2015). Nonlinear control, volumen 406. Pearson New York.

Mendoza-Monjaraz, E., Cruz-Tolentino, J. A., Jarillo-Silva, A., y Pacheco-Mendoza, J. (2015). Implementación de un control multiresolución empleando un dispositivo háptico. Research in Computing Science, 91(1):167– 178.

Navarrete, M. V., Velasco, L. R., Mayorga, C. D., Carreón, P. A., Hernández, J. V., Romero, V. D., Parra-Vega, V., y Vera, M. M. (2018). Output feed- back self-tuning wavenet control for underactuated Euler-Lagrange systems. IFAC-PapersOnLine, 51(13):633–638.

Parvez, S. y Gao, Z. (2005). A wavelet-based multiresolution PID controller. IEEE Transactions on Industry Applications, 41(2):537–543.

Vetterli, M. y Kovacevic, J. (1995). Wavelets and subband coding. Prentice-Hall.

Zamora, J. D. R., Ramírez, O. A. D., Cervantes, G. S., Velasco, L. E. R., y Silva, A. J. (2022). Interfaz háptica adaptable para neurorrehabilitación y fisioterapia asistida en miembro superior. Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI, 10(Especial3):30–39.

Zhang, P., Daraz, A., Malik, S., Sun, C., Basit, A., y Zhang, G. (2023). Multiresolution based PID controller for frequency regulation of a hybrid power system with multiple interconnected systems. Front. Energy Res., 1109063(10):1–16.

Zhang, Q. y Benveniste, A. (1992). Wavelet networks. IEEE Transactions on Neural Networks, 3(6):889–898.