Diseño de un controlador mediante datos estadísticos en lazo cerrado para un servomecanismo mediante una técnica de autosintonización
Palabras clave:
Estadística, Datos, Control, Autosintonizado, ServomecanismoResumen
Este trabajo propone y aplica una técnica basada en datos estadísticos para el diseño de un controlador proporcional (P) y un proporcional integral (PI) para velocidad, ambos capaces de autosintonizar sus ganancias. La técnica de autosintonización se fundamenta en el análisis estadístico de la salida del sistema, realizando un muestreo para calcular la media y la desviación estándar, y empleando el valor de z según el teorema del límite central. A partir de este análisis, se estima el nivel de probabilidad, lo que permite realizar un mapeo desde el espacio probabilístico hacia el espacio de ganancias del controlador, utilizando una función sigmoide para ajustar las ganancias en línea. El desempeño de los controladores es evaluado y comparado en dos sistemas de primer orden, uno estable y otro inestable, así como en un servomecanismo de control de velocidad en tiempo real. Se compara el controlador proporcional integral estadístico autosintonizado con los controladores equivalentes sintonizados mediante pidtune de Matlab, destacando la eficacia de la técnica propuesta en la adaptación automática del controlador.
Referencias
[1] Aguador Behar, A., Martínez Iranzo, M. (2003). Identificación y control adaptativo, Prentice Hall.
[2] Anderson, D. R., Sweeney, D. J., Williams, T. A., Camn, J. D. & Martin, K. (2008). Estadística para Administración y Economía, Cengage Learning, 10 edición.
[3] Anderson, D. R., Sweeney, D. J., Williams, T. A., Camn, J. D. & Martin, K. (2011). Métodos Cuantitativos para los Negocios, Cengage Learning, 11 edición.
[4] Annaswamy, A. M. & Fradkov, A. L. (2021). A historical perspective of adaptive control and learning, Annual Reviews in Control, 52, 18–41. https://doi.org/10.1016/j.arcontrol.2021.10.014
[5] Åström, K. J. & Wittenmark, B. (1995). Adaptive Control, Addison Wesley Publishing Company, Inc. ISBN 0-201-55866-1.
[6] Bhagat, S. K. & Saikia, L. C. (2023). Application of inertia emulation control strategy with energy storage system in multi-area hydro-thermal system using a novel metaheuristic optimized tilt controller, Electric Power Systems Research, 222, 109522. https://doi.org/10.1016/j.epsr.2023.109522
[7] Biresh, K. D. & Bibhuti, B. P. (2024). A deterministic design approach of tilt integral derivative controller for integer and fractional-order system with time delay, Engineering Research Express, 6(3), 10.1088/2631-8695/ad6ca5
[8] Bradley, R. (2007). Introduction to Strong Mixing Conditions (1st ed.). Heber City, UT: Kendrick Press. ISBN 978-0-9740427-9-4.
[9] Chakraborti, S. & Graham, M. A. (2019). Nonparametric Statistical Process Control (1st ed.). Hoboken, NJ, USA: Wiley.
[10] Devore, J. L. (2012). Probabilidad y estadística para Ingeniería y Ciencias, Cengage Learning, 7ª edición. ISBN-13: 978-607-481-338-8.
[11] Dinov, I., Christou, N., Sanchez, J. (2008). Central Limit Theorem: New SOCR Applet and Demonstration Activity. Journal of Statistics Education, 16(2), 1–15. https://doi.org/10.1080/10691898.2008.11889560
[12] Dorf, R. C. & Bishop, R. H. (2001). Modern Control Systems (9th ed.). Upper Saddle River, NJ: Prentice Hall.
[13] Dubey, R., Gunasekaran, A., Childe, S. J., Blome, C., Papadopoulos, T. (2019). Big data and predictive analytics and manufacturing performance: integrating institutional theory, resource‐based view and big data culture. British Journal of Management, 30(2), 341–361.
[14] Durrett, R. (2004). Probability: Theory and Examples (3rd ed.). Cambridge University Press. ISBN 0521765390.
[15] Franklin, G. F., Powell, J. D., Emami-Naeini, A. (2015). Feedback Control of Dynamic Systems (7th ed.). Pearson.
[16] González-Vargas, A. M., Serna-Ramirez, J. M., Fory-Aguirre, C., et al. (2019). A low cost, free-software platform with hard real-time performance for control engineering education. Computer Applications in Engineering Education, 1–13. https://doi.org/10.1002/cae.22084
[17] Helm, S., Eggert, A., Garnefeld, I. (2010). Modeling the Impact of Corporate Reputation on Customer Satisfaction and Loyalty Using Partial Least Squares. In Springer Handbooks of Computational Statistics. https://doi.org/10.1007/978-3-540-32827-8_23
[18] Ioannou, P. & Sun, J. (2010). Robust Adaptive Control. En: Levine, W. S. (ed.) The Control Systems Handbook, Second Edition: Control System Advanced Methods, Cap. 35. CRC Press. https://doi.org/10.1201/b10384-41
[19] Isen, E. (2022). Determination of Different Types of Controller Parameters Using Metaheuristic Optimization Algorithms for Buck Converter Systems. IEEE Access, 10, 127984–127995. https://doi.org/10.1109/ACCESS.2022.3227347
[20] Kuo, B. C., Golnaraghi, F. (2009). Automatic Control Systems (9th ed.). Wiley.
[21] Lee, S. (2023). A Generative Verification Framework on Statistical Stability for Data-Driven Controllers. IEEE Access, 11, 5267–5280. https://doi.org/10.1109/ACCESS.2023.3236917
[22] Llarena, A. (2011). Redes neuronales y lógica difusa en la creación de mapas topológicos. Editorial Academia Española. ISBN 3845488999.
[23] Montgomery, D. C. (2012). Statistical Quality Control (7th ed.). Hoboken, NJ, USA: Wiley.
[24] Nise, N. S. (2015). Control Systems Engineering (7th ed.). Wiley.
[25] Oakland, J., Oakland, R. (2024). Statistical Process Control and Data Analytics (8th ed.). Routledge. https://doi.org/10.4324/9781003439080
[26] Ogata, K. (2010). Ingeniería de control moderna (5ª ed.). Pearson, Madrid.
[27] Ojeda Misses, M. A., Baruch, I. S., Soria López, A. (2019). A real-time identification for hand-based movements using Recurrent Complex-Valued Neural Networks. 2019 IEEE 4th Colombian Conference on Automatic Control (CCAC), 1–6. https://doi.org/10.1109/CCAC.2019.8920864
[28] Quanser. Q2-USB data acquisition device. https://www.quanser.com/products/q2-usb-data-acquisitiondevice/
[29] Qiu, P. (2020). Big data? Statistical process control can help! The American Statistician, 74(4), 329–344. https://doi.org/10.1080/00031305.2019.1700163
[30] Rivera-Gómez, H., Granillo-Macías, R., Garnica-González, J., Anaya-Fuentes, G. (2023). Influence of service level in a stochastic production model with uncertain demand and quality. DYNA, 98(6), 544. https://doi.org/10.6036/10982
[31] Sawada, M., Itamiya, K. (2011). A design scheme of model reference adaptive control system with using a smooth parameter projection adaptive law. SICE Annual Conference 2011, Tokyo, Japan, 1704–1709.
[32] Scilab Enterprises (2024). Xcos / Features / Scilab / Home. https://www.scilab.org/scilab/features/xcos
[33] Soria-López, A., Ojeda-Misses, M. A. (2024). Desarrollo y aplicación de una tarjeta embebida para el control de un sistema rueda-bola. Ingeniería Investigación y Tecnología, 25(04), 1–13. https://doi.org/10.22201/fi.25940732e.2024.25.4.029
[34] Triola, M. F. (2009). Estadística (10ª ed.). Pearson Educación. ISBN: 978-970-26-1287-2.
[35] Yager, R., Filev, D. (1994). Essentials of Fuzzy Modeling and Control. Wiley Interscience. ISBN 0471017612.
[36] Zafar, F., Malik, S. A., Ali, T., Daraz, A., Afzal, A. R., Bhatti, F., et al. (2024). Stabilization and tracking control of underactuated ball and beam system using metaheuristic optimization based TID-F and PIDD2–PI control schemes. PLoS ONE, 19(2), e0298624. https://doi.org/10.1371/journal.pone.0298624
