Generación y Optimización de Controladores Difusos Utilizando el Modelo NEFCON

Abstract

Resumen. El diseño de algoritmos que operen sobre plantas con dinámicas no modeladas aún representa un reto en el área de control automático. Una solución podría ser el uso de algoritmos capaces de aprender en tiempo real mediante la interacción directa con la planta. El modelo NEFCON, permite construir la estructura de un controlador difuso del tipo Mamdani capaz de aprender las reglas y adaptar los conjuntos difusos. La principal ventaja del modelo NEFCON respecto a otros enfoques de aprendizaje, es que su diseño se reduce a expresar la calidad del error actual de la planta a controlar. Sin embargo, una desventaja del modelo NEFCON es la pobre exploración de los estados de la planta durante el aprendizaje, lo cual hace imposible su aplicación para sistemas dinámicos no lineales. En este trabajo se propone la adición de ruido Gaussiano a las variables de estado de la planta, con el objetivo de asegurar una exploración amplia de los estados, facilitando la convergencia del algoritmo de aprendizaje, cuando se aplica a sistemas no lineales. En particular, se muestra la efectividad de la propuesta en el control del sistema dinámico de la “pelota y el balancín” (Ball and Beam).