Evaluación De Modelos Neuronales Destinados A Operar Sistemas Inteligentes De Control.

Abstract

La actividad desarrollada en torno al control de ensayos de motores de combustión interna y
su simulación ha permitido comprobar que una adecuada implementación de soluciones simples, tal
como es el caso de los controladores PID, puede producir resultados aceptables: rápida respuesta, y cierta
precisión y confiabilidad. No obstante, las dificultades que encierra la determinación de sus constantes
de operación y la necesaria coordinación de las acciones de control son una seria limitación. Este problema
no es nuevo y su solución estimuló diversas líneas de investigación, encuadradas como sistemas
adaptativos de control y precursoras del control inteligente. Todo sistema de control inteligente debe
ser autónomo y la presencia de una red neuronal en condiciones adecuadas le asegura al sistema
cierto grado de autonomía. Así, a través de redes neuronales se implementan controladores capaces
de operar sobre sistemas en principio desconocidos, y de responder a cambios en la dinámica de los
mismos a lo largo del tiempo, sin mayor información que la obtenida de su experiencia con el
proceso. Sin embargo, persisten aún muchas dudas referidas a qué arquitecturas y técnicas de
entrenamiento son más adecuadas para obtener la mejor respuesta de estos modelos. En este trabajo
se muestra la conveniencia de incorporar el conocimiento sobre el problema tratado como un
criterio central en la selección de los modelos neuronales más apropiados en cada caso. Se presentan
resultados obtenidos al evaluar diferentes redes destinadas a representan la dinámica directa e inversa de un
dispositivo y se extraen recomendaciones, que facilitarán el desarrollo de modelos neuronales de
sistemas de control para ensayos de motores de combustión interna y su simulación.