Controlador neuronal para el seguimiento de trayectorias en un péndulo de rueda inercial

Abstract

En este trabajo de investigación, se estudia el problema de control de seguimiento de trayectorias en un péndulo de rueda inercial. Los resultados son presentados de una forma constructiva. Primero, se obtiene un controlador basado en el modelo utilizando la técnica de linealización por retroalimentación de salida. Posteriormente, el controlador es rediseñado al incorporar una red neuronal con el propósito de evitar el conocimiento de los parámetros exactos del péndulo de rueda inercial, y se obtiene un diseño robusto. Se usa un perceptrón de dos capas, cuyos pesos de salida son actualizados en tiempo real utilizando una ley de adaptación derivada del análisis de convergencia de las soluciones del sistema de lazo cerrado. El lema de Barbalat se utiliza para concluir que las trayectorias del error de seguimiento del péndulo convergen a cero. Se presentan simulaciones numéricas y experimentos en tiempo real, que confirman los resultados teóricos.

In this paper, the problem of trajectory tracking control in an inertia wheel pendulum is studied. Results are presented in a constructive form. First, a model-based controller is obtained by using the output feedback linearization technique. Then, the controller is redesigned by incorporating a neural network with the aim of avoiding the exact parameters knowledge of the inertia wheel pendulum, obtaining a robust control scheme. A two-layer perceptron is used, whose output weights are updated in real-time using an adaption law derived from the analysis of convergence of the closed-loop system solutions. Barbalats lemma is used to conclude that the pendulum tracking error trajectory converges to zero. Numerical simulations and real-time experiments are presented, which confirm the theoretical results.