Diseño e implementación de un sistema que simule el comportamiento dinámico de una planta prototipo de control automático utilizando redes neuronales artificiales

Abstract

El presente proyecto busca simular mediante redes neuronales artificiales el comportamiento dinámico de un péndulo amortiguado a hélice (PAHM). Para el desarrollo de la red neuronal artificial mimetizadora (RNAM) se requiere la conexión de la planta con un sistema embebido NVIDIA Jetson TX2. Para la comunicación de los sistemas se hace uso del protocolo UART. El sistema principal es la Jetson TX2, que transmite el valor requerido para movilizar el motor que hace girar la hélice y recibe el ángulo del péndulo. Estos datos son almacenados para el entrenamiento de la RNAM. Se desarrolla una planta sintética que corresponde al modelado matemático lineal de la PAHM, con el objetivo de producir datos sintéticos y comprobar con ellos si la RNAM logra aprender el comportamiento dinámico de este caso idealizado. Su respuesta es satisfactoria con un error absoluto medio de 0,0621◦ en sus predicciones. Por otro lado, se implementa la RNAM con datos reales del PAHM, cuyos resultados también son satisfactorios prediciendo con un error absoluto medio de 1,0875◦. A estos resultados se llega luego de un proceso de selección de modelos que optimiza hiperparámetros de los modelos neuronales artificiales, y de las estrategias de entrenamiento. Se concluye que la RNAM tiene la capacidad de simular el comportamiento dinámico de la planta PAHM. En cuanto a su comparación con el modelo sintético lineal, el cual presenta un error absoluto promedio de 17,5177◦ con respecto a la respuesta real de la PAHM, se puede concluir que la aplicación de la RNAM aproxima con un menor error que el modelo matemático lineal.

The present project seeks to simulate, through artificial neural networks, the dynamic behavior of a propeller damped pendulum (PAHM). For the development of the mimicking artificial neural network (RNAM), it is required the connection of the system with an NVIDIA Jetson TX2 embedded system. For the communication of the systems the UART protocol is used. The main system is the Jetson TX2, which transmits the value required to drive the motor that rotates the propeller and receives the angle of the pendulum. This data is stored for training the RNAM. A synthetic system corresponding to the linear mathematical modeling of the PAHM is developed, with the objective of producing synthetic data and testing with them if the RNAM is able to learn the dynamic behavior of this idealized case. Its response is satisfactory with a mean absolute error of 0,0621◦ in its predictions. On the other hand, RNAM is implemented with real PAHM data, whose results are also satisfactory, predicting with a mean absolute error of 1,0875◦. These results are obtained after a model selection process that optimizes the hyperparameters of the artificial neural models and the training strategies. It is concluded that the RNAM has the capability to simulate the dynamic behavior of the PAHM system. In comparison with the linear synthetic model, which presents an mean absolute error of 17,5177◦ with respect to the real response of the PAHM, it can be concluded that the RNAM application approximates with a lower error than the mathematical linear model.