Resumen

Se presenta un nuevo método con una jerarquía de dos capas basado en un método neural de aprendizaje iterativo proporcional-integral-derivativo (PID) a través de la red de comunicación para el ajuste automático en lazo cerrado de un controlador PID. Puede mejorar el rendimiento del conocido lazo de control de realimentación PID simple en el ámbito local cuando el control de procesos en red real se aplica a sistemas con factores inciertos, como perturbaciones externas o mediciones con retardo aleatorio. El método de aprendizaje iterativo PID propuesto se implementa mediante redes neuronales de retropropagación cuyos pesos se actualizan mediante la minimización de la entropía del error de seguimiento de los sistemas de lazo cerrado. Se analiza la convergencia en el sentido cuadrático medio para sistemas de control en red de lazo cerrado. Para demostrar las aplicaciones potenciales de las estrategias propuestas, se proporciona un experimento con un tanque a presión para mostrar la utilidad y efectividad del método de diseño propuesto en sistemas de control de procesos en red.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:método de aprendizaje iterativo pid, sistemas de control de procesos en red, control de procesos reales en red, lazo de control de realimentación pid simple, método de aprendizaje iterativo, sentido cuadrático medio, sistemas de control en red, entropía del error de seguimiento, lazo, controlador pid
• Keywords:pid iterative learning method, network process control systems, real networked process control, simple pid feedback control loop, iterative learning method, mean square sense, networked control systems, tracking error entropy, loop, pid controller