Beruflich Dokumente
Kultur Dokumente
Informe diseo de un controlador adaptativo basado en redes neuronales para el control de direccin de un barco de la materia profundizacin en
automatizacin y control I, presentado para revisin el 15 de Diciembre de 2014. Jos Salazar, Estudiante de Ingeniera Electrnica, Universidad
de Nario, Pasto, Colombia. Presentado al Profesor Jhon Barco, Departamento de Electrnica, Universidad de Nario, Pasto, Colombia.
anteriores Ya conociendo el problema y el objetivo que debe cumplirse se
Aprendizaje reforzado. procede a realizar el diseo del controlador, para esto se realiza
un procedimiento que consiste en definir el modelo del barco
Para nuestro caso, nos centraremos en hablar en el aprendizaje teniendo en cuenta el problema de regulacion de su partida,
reforzado o reinforcement learning, el cual cuenta con luego se define la RN basada en MLP y configurando sus
caractersticas del supervisado y del autoorganizado, no se valores de pesos y bias, y por ultimo se evalua como se
proporciona como tal una salida deseada sino que se le indica a desarrolla el controlador en la tarea de dirigir el barco, toda la
la red en cierta medida el error que comete, aunque es un error seccion II y en adelante las que siguen se desarrollan en base al
libro Biomimicry for Optimization, control an automation de
global, este aprendizaje se limita a indicar si la respuesta es
KevinM. Passino, los problemas especificamente aparecen en
correcta o incorrecta, se realiza bsicamente premiando a los
la seccion 4.3 y 9.4 de dicho libro. [5]
pesos sinpticos cuando se acierta la salida y penalizarlos
cuando no se acierta. [4]
B. Modelo del barco
Ya conociendo el mtodo que utilizaremos hablaremos sobre
el perceptor multicapa o MLP el cual es uno de los varios tipos Para obtener el modelo del barco se tuvieron en cuenta las
de redes neuronales que existen, este mtodo se basa en otra red siguientes consideraciones:
ms simple llamada perceptor simple (la informacin fluye
desde la capa de entrada hacia la capa de salida), es una red Dinmicas del barco obtenidas con leyes de Newton.
unidireccional en donde las neuronas de la capa oculta usan Movimiento del barco descrito por un sistema
como regla de propagacin la suma ponderada de las entradas coordenado.
con los pesos sinpticos y sobre una suma ponderada se aplica Condiciones iniciales cero.
una funcin de transferencia de tipo sigmoide, que es acotada Se asume al barco bajo condiciones estables (ballast).
en respuesta. [4] Se asume que nominalmente est viajando en la
direccin x a una velocidad u = 5m/s.
II. PROCEDIMIENTO El tamao de paso ser h = 1 segundo.
Se asume = 10.
Primero se debe plantear el objetivo a cumplir, este consiste en
dirigir un barco, para esto se desea implementar un controlador Primero se obtuvo el modelo del barco relacionado con la
basado en RN, para lo cual se plante la siguiente problemtica ecuacin (2) pero este modelo no permite que el Angulo del
y posible solucin: timn no exceda los 5, por lo que se pasa a definir un modelo
extendido para que pueda tomar valores mayores a 5 ya que
como mencionamos anteriormente el timn puede moverse
A. Problemtica Solucin. 80, lo que en el caso de la ecuacin (2) hace que el sistema
sea ineficiente.
Se cuenta con un barco el cual se mueve hacia adelante en la
direccin x (como se muestra en la figura 6), a una velocidad
nominal u, representa el Angulo de partida y representa la
respuesta del timn, se desea disear un sistema de control que
garantice que el barco siga un Angulo de entrada r, para esto
utilizaremos como salida a como Angulo del timn, ya que As, teniendo en cuenta el margen de movimiento del timn, se
mediante el movimiento del timn se puede seguir dicho valor, obtiene el siguiente modelo extendido:
adems, existen variables externas que afectan el desempeo de
la direccin del barco, entre estas podemos destacar que el
timn pierde eficiencia en velocidades bajas, los diferentes
pesos del barco para distintos viajes, que el viento puede estar
en contra del barco, las corrientes de agua que golpean al barco, Con:
que el sensor que se utiliza proporciona ruido y que el timn
solo se puede mover 80.
= ( ) = ( )
Para la implementacin del sistema se calcula el periodo de b1, b1(3) mueve la figura de arriba abajo.
muestreo teniendo en cuenta la siguiente ecuacin: w11, w11
(3)
afectan la estaca vertical.
(2)
b1 mueven la funcin logistic horizontalmente, si
= = 101 = 10 b1(2) > 0, se mueve a la izquierda
(2)
w11 afecta la escala horizontal, es como una ganancia.
Este resultado quiere decir que una nueva planta de entrada es
calculada cada 10 segundos y aplicada al timn. Usando estas ideas se determinan los siguientes valores para los
pesos y bias:
C. Diseo del perceptor multicapa b1 = b1(3) = 0
w11 = 1
w11(3) = -80/180
b1(2) = -200/180
w11
(2)
= 10
Informe diseo de un controlador adaptativo basado en redes neuronales para el control de direccin de un barco de la materia profundizacin en
automatizacin y control I, presentado para revisin el 15 de Diciembre de 2014. Jos Salazar, Estudiante de Ingeniera Electrnica, Universidad
de Nario, Pasto, Colombia. Presentado al Profesor Jhon Barco, Departamento de Electrnica, Universidad de Nario, Pasto, Colombia.
D. Sistema Adaptativo III. RESULTADOS
El sistema de control diseado necesita de un ajuste de Para la simulacin y desarrollo de algoritmos se utiliza la
parmetros por parte del usuario, la idea de realizar el sistema herramienta Matlab y su componente de simulink, a
adaptativo es con el fin de que el ajuste de los parmetros se continuacin se expondr los resultados obtenido del desarrollo
realice dinmicamente por parte del mismo sistema, por lo tanto del procedimiento de la seccin II.
es necesario desarrollar una estrategia de aprendizaje reforzado,
el objetivo de esta funcin de reforzamiento es dicho ajuste
automtico, principalmente se basa en obtener la diferencia
entre el modelo deseado y la salida del sistema denotado como
ye, posteriormente se obtiene el cambio del error yc y se realiza
una funcin de refuerzo denominada Jr m sin embargo, cundo
los argumentos de esta funcin son pequeos, dicha salida
tendr valores cero. Las ecuaciones que rigen estas funciones
son:
0.006
() =
+ 0.006
IV. CONCLUSIONES
Los sistemas de control inteligentes se encargan de simular
el comportamiento humano, su desempeo es adecuado y su
uso depende de la aplicacin.
Informe diseo de un controlador adaptativo basado en redes neuronales para el control de direccin de un barco de la materia profundizacin en
automatizacin y control I, presentado para revisin el 15 de Diciembre de 2014. Jos Salazar, Estudiante de Ingeniera Electrnica, Universidad
de Nario, Pasto, Colombia. Presentado al Profesor Jhon Barco, Departamento de Electrnica, Universidad de Nario, Pasto, Colombia.
En las redes neuronales, un paso importante es el aprendizaje
de la red, ya que as se omiten ambigedades y se garantiza que
ante una misma entrada se obtenga una misma salida.
REFERENCIAS
[1] Kuo B., Sistemas de control automtico. Sptima Edicin. Pretince Hall
[2] Villasana Minaya, Introduccin a las redes neuronales (Neurales).
[Digital]. Disponible en: http://prof.usb.ve/mvillasa/redes/Introduccion-
vl.pdf
[3] Apuntes: Profundizacin en automatizacin y control I, Udenar.
Profesor: Jon Barco.
[4] Palacios B. Francisco J., Redes Neuronales con GNU/Linux. [Digital].
Disponible en:
http://www.ibiblio.org/pub/linux/docs/LuCaS/Presentaciones/200304cur
so-glisa/redes_neuronales/curso-glisa-redes_neuronales-html/index.html
[5] KevinM. Passino. Biomimicry for Optimization, control an automation.
Informe diseo de un controlador adaptativo basado en redes neuronales para el control de direccin de un barco de la materia profundizacin en
automatizacin y control I, presentado para revisin el 15 de Diciembre de 2014. Jos Salazar, Estudiante de Ingeniera Electrnica, Universidad
de Nario, Pasto, Colombia. Presentado al Profesor Jhon Barco, Departamento de Electrnica, Universidad de Nario, Pasto, Colombia.