Estudio comparativo de un controlador por red neuronal artificial y un controlador por red neuronal evolutiva para un motor de corriente continua.

Este estudio presenta un análisis de dos métodos de control inteligente utilizados en un motor de corriente continua: uno fundamentado en redes neuronales artificiales y el otro en redes neuronales evolutivas que busca resolver el problema de control eficiente y robusto en un motor DC, la meta fue analizar cómo se desempeñan ambos enfoques en contraste con los inconvenientes de los controladores convencionales, en situaciones no lineales, ruidosas o cambiantes. Se creó un modelo matemático para el motor de corriente continua, donde se usó ecuaciones diferenciales que ilustran tanto su componente eléctrica como la mecánica del conjunto. La simulación del rendimiento del motor como la elaboración de los controladores se llevaron a cabo en Python, utilizando bibliotecas especializados como SciPy, NumPy, Matplotlib, Scikit-learn y DEAP. El regulador ANN (Artificial Neural Network) fue desarrollado usando una red de neuronas en múltiples capas que fue entranada con información simulada , aplicando el algoritmo MLPRegressor .Este método adquiere la habilidad de crear señales de control que ayudan al motor a mantenerse en una referencia preestablecida. En cambio, el regulador ENN (Evolutionary Artificial Neural Network) utilizo técnicas de algoritmos genéticos para refinar variables como la ganancia proporcional y el desplazamiento, aumentando su capacidad de ajuste sin requerir entrenamiento con supervisión. Ambos controladores fueron evaluados mediante la métrica del error cuadrático medio (MSE), el tiempo de respuesta, la estabilidad y la robustez frente a perturbaciones. Los resultados mostraron que el ENN obtuvo un mejor rendimiento general, con un MSE menor (4.49 vs 7.17) y una respuesta más suave por consecuencia fue más estable ante cambios en la señal de entrada. Si bien los dos controladores mostraron ser eficaces, el método ENN se destacó más por su exactitud, flexibilidad en consistencia, esta investigación subraya la capacidad de los métodos de inteligencia artificial, especialmente los evolutivos, para crear sistemas de control más eficaces y sólidos en el ´ámbito industrial y mecatrónico.

• Hovedforfatter: Chiguano Allauca, José Israel (author)
• Format: masterThesis
• Sprog: spa
• Udgivet: 2025
• Fag: ELECTRÓNICA Y AUTOMATIZACIÓN; REDES NEURONALES ARTIFICIALES; REDES NEURONALES EVOLUTIVAS; MOTOR DE CORRIENTE CONTINUA
• Online adgang: http://dspace.ups.edu.ec/handle/123456789/31474