Documentos de Académico
Documentos de Profesional
Documentos de Cultura
II. Palabras claves: Control PID, Identificación, Matlab, Simulink, Redes neuronales.
III. Implementación:
• Sintonización PID:
Mediante el uso de combinación de diferentes señales se trata de simular una entrada lo más real posible
incluyéndole ruido y perturbaciones al sistema.
Se realiza el entrenamiento de la red neuronal usando como parámetros de entrenamiento los datos enviados
mediante el esquema anterior, y se procede a incluir la red entrenada en el sistema.
• Validación:
Se logra observar una muy buena respuesta de la red entrenada, un comportamiento correcto y un error
mínimo entra la salida real y salida estimada por la red neuronal.
A continuación, se procede a ingresar una entrada “real” simulada mediante combinación de señales, para
validar el funcionamiento de la red.
• Conclusiones:
- Las redes neuronales permiten desarrollar multiples aplicaciones en un periodo de tiempo razonable
y puede realizar ciertas tareas mejor que otras tecnologías convencionales. En este caso se usan para
la identificación de sistemas brindando una muy buena respuesta al momento de implementar este
tema en específico.
- La implementación de retardos tanto en la entrada como en la salida del sistema permiten realizar
una mejor identificación, ya que nos brindan un mejor entrenamiento de la red neuronal y
simultáneamente la identificación realizada por la red será mucho mejor.
- Se pueden implementar la cantidad de retardos que se crean necesarios, sin exagerar su cantidad e
igualmente el numero de capas y neuronas al momento de entrenar la red.
- Realizando varios ejemplos contemplando diferentes casos para el sistema, van a provocar que la
identificación sea buena o no. Esto es una característica de las redes neuronales, pues no existe una
manera de saber la configuración optima para cada tarea, pero con practica se puede mejorar el
análisis y agilizar el tiempo a la hora de realizarlo.