Control de un sistema de segundo orden basado en redes neuronales

Abstract

El presente trabajo muestra la simulación e implementación de un “Neurocontrolador” en una planta de segundo orden. El controlador neuronal, también conocido como Neurocontrolador, fue implementado con una red multicapa, donde la retropropagación del error fue desarrollada mediante el algoritmo “Backprogation”. La red multicapa, compuesta por una capa oculta y una capa de salida, fue simulada primero en Matlab para conseguir los parámetros de variación, luego fue simulada en Visual C++ para lograr la optimización. La arquitectura de esta red multicapa fue variando muchas veces hasta llegar a una forma óptima que se mostrará como la arquitectura final. Seguidamente, se hizo la simulación en LabVIEW 8.4, corroborando las simulaciones en Visual C++. Finalmente, se probó el controlador neural desarrollado en LabVIEW en tiempo real, mostrando gratificantes resultados y comprobando su efectividad a pesar de cambios simultáneos en los parámetros.

In this work we show the simulation and implementation of a “Neurocontroller” for a secondorder plant. The neural controller, more known as Neurocontroller, was implemented in a Multi-Layer Network, where the feedback error was developed using the Backpropagation Algorithm. The Multi-Layer Network, composed by a hidden layer and output layer, was simulated in Matlab and C++ in order to get the variation in the parameters and to reach the optimization, respectively. The architecture of the Multi-Layer Network was changing several times until the optimal structure is found (final architecture). Afterwards, a simulation in LabVIEW 8.4 was performed, corroborating the simulation in Visual C++. Finally, the Neural Network developed in LabVIEW was proved in real time, showing good results and checking its effectiveness in spite of simultaneous changes in parameters.