Identificación de parámetros con neuronas difusas: aplicación a drones y motores de inducción

Abstract

Recientemente la utilización de vehículos aéreos no tripulados (VANT) con múltiples rotores se ha extendido en diversas
aplicaciones. La mayoría de estos vehículos presentan un comportamiento dinámico inestable en lazo abierto y, por lo tanto,
es necesario implementar sistemas de control apropiados. Uno de
los requerimientos más importantes para realizar el diseño de dichos sistemas de control es el modelo aerodinámico del sistema
de propulsión con múltiples rotores. Por otro lado, la identificación
paramétrica también es utilizada en contextos industriales tales
como el control de máquinas eléctricas. En particular, en el caso
de los motores de inducción el conocimiento de los parámetros
es un requisito imprescindible para ajustar apropiadamente los
controladores de los mismos. Dentro de los algoritmos de identificación con más éxito en recientes aplicaciones se encuentran
aquellos basados en redes neuronales. Dentro de este contexto,
un tipo innovador de redes neuronales basado en neuronas generadoras de espigas difusas adaptativas (NGEDA) ha captado la
atención de la comunidad debido a sus características neuronales
difusas para señales unipolares y bipolares, como es su algoritmo
de aprendizaje difuso, una función de activación tipo sigmoidal,
periodo refractario, retardo axónico y generación de espigas. En
este artículo se explora, por primera vez, la posibilidad de utilizar NGEDA para la identificación del subsistema de propulsión del
VANT con múltiples rotores y de los parámetros del subsistema
eléctrico de un motor de inducción. Los resultados muestran que
las NGEDA son capaces de identificar ambos sistemas con un alto
grado de precisión. Esto abre la posibilidad de utilizar NGEDA tanto en aplicaciones de aerodinámica experimental para VANT como
en aplicaciones de control industrial.