Resumen:
Lo que se desarrolló en esta tesis fue un controlador de posición basado en redes neuronales artificiales (RNA), el objetivo principal fue sustituir un controlador proporcional y un controlador proporcional derivativo. Para realizar tal sustitución se tomaron los valores de salida para ciertos valores de entrada, definidos por el rango de trabajo. Estos pares de valores (entradas y salidas) fueron utilizados para entrenar una RNA (una para cada controlador).
Para tal entrenamiento se probaron 3 algoritmos: regla delta generalizada, retro-propagación con momentum y Levenberg-Marquardt (elegido finalmente). Una vez entrenada la red en MATLAB se implementó en LabVIEW por medio de la plataforma CompactRIO de National Instruments. Uno de los objetivos de la implementación fue que se llevara a cabo en un sistema basado en FPGA, por ello se eligió este sistema, además de facilitar el desarrollo de una interfaz gráfica y para almacenar los datos.
Los datos de la implementación fueron registrados en un archivo de texto y migrados a MATLAB para facilitar la visualización e impresión.
Descripción:
En este trabajo se presenta una de las aplicaciones de las redes neuronales artificiales (RNA) en el área del control de sistemas dinámicos, en este caso específico para controlar la posición del rotor de un motor de corriente directa. El objetivo principal es demostrar que una RNA puede imitar la respuesta de un controlador clásico (P y PD).
La implementación física de la RNA es llevada a cabo utilizando un módulo de tiempo real de la compañía National Instruments® (cRIO) y los resultados se muestran por medio de una interfaz gráfica desarrollada en LabVIEW®.
Por último, son presentados los resultados de este trabajo así como las mejoras que se pueden realizar en trabajos futuros o en otras áreas, como en el caso de la instrumentación, donde se han usado RNA en el acondicionamiento de señales.
