Neurocontrolador tipo PID autoajustable empleando tecnología Memristor

PIROZZO BERNARDO MANUEL; DE PAULA MARINO; ACOSTA GERARDO GABRIEL; PICOS GAYA RODRIGO

San Juan

Congreso; XIX Reunión de Trabajo en Procesamiento de la Información y Control; 2021

Instituto de Automática de la Universidad Nacional de San Juan (UNSJ)

El control Proporcional-Integrador-Derivador (PID) clásico, es ampliamente utilizado en el entorno industrial, aunque resulta poco adecuado frente a no linealidades del lazo de control. Para abordar estas limitaciones, es frecuente utilizar controladores PID de ganancias adaptables. Una forma atractiva de conseguir la adaptabilidad es el uso de metodologías provenientes del campo de la Inteligencia Artificial (IA), particularmente el aprendizaje de máquinas empleando Redes Neuronales Artificiales (RNA). Sin embargo, la mayoría de las implementaciones realizadas son a nivel software y tienen la desventaja de requerir unidades de procesamiento con altas capacidades de cómputo y un consumo energético considerable. Por este motivo se han propuesto implementaciones a nivel hardware en aplicaciones críticas respecto del consumo energético, como por ejemplo la robótica autónoma y las comunicaciones satelitales. En este sentido, la tecnología electrónica basada en el uso de memristores abre nuevas posibilidades para mitigar estos problemas. En este trabajo se propone una arquitectura de memristores para almacenar las ganancias del PID adaptable, asimilables a los pesos sinápticos de una neurona artificial tipo perceptrón, cuyo entrenamiento o adaptación se realizó mediante un aprendizaje backpropagation. Se efectuaron pruebas sobre una planta lineal y una no lineal, siendo ésta última un robot SCARA, obteniéndose resultados alentadores que demuestran la potencialidad de la propuesta.