Documente Academic
Documente Profesional
Documente Cultură
presentada por
Director de tesis:
Dr. Carlos Daniel Garca Beltrn
Presentada por
Director de tesis:
Dr. Carlos Daniel Garca Beltrn
Jurado:
Dr. Presidente
Dr. Secretario
Dr. Vocal
Dr. Vocal suplente
A quienes me dieron la vida a mis padres, Gabriel Caldern Delgado y Fermina Zavala
de la Rosa, por todo el amor y el cario que me proporcionan da con da, por la
dedicacin y el esfuerzo que han realizado durante toda una vida para que yo sea quien
soy en la actualidad.
Los quiero y los amo mucho.
Agradecimientos
A mi pap y a mi mam por su apoyo en este y en todos los proyectos de mi vida, por los
consejos y enseanzas que me han brindado. Gracias por todo.
A mi asesor el Dr. Carlos Daniel Garca Beltrn por brindarme su confianza, su amistad, y
su paciencia, as como por guiarme durante el desarrollo de este trabajo de investigacin
mediante sus enseanzas, consejos y observaciones.
A los miembros del comit revisor, el Dr. Luis Gerardo Vela Valds y el Dr. Marco
Antonio Oliver Salazar, por sus valiosos consejos y por las observaciones realizadas a este
trabajo de tesis.
Al Dr. Abraham Claudio Snchez por haberme brindado una segunda oportunidad en el
proceso de seleccin para estudiantes de nuevo ingreso del CENIDET.
A mis compaeros y amigos: Adriana A., Aldo, Carlos, Claudia, Dante, Efran, Enrique,
Fabin, Fabiola, Flor, Hctor, Hiram, Ivn, Ix-chel, Joaqun, Jos, Juan, J. C. Vega, J.C.
Vilchis, Patricia, Sal, Wendy.
(Resumen)
El controlador propuesto se basa en una Red Neuronal Analgica de dos neuronas, la cual
est inspirada en principios biolgicos. En particular se explora la configuracin llamada
Red Nerviosa Bicore, que es una derivacin de las Redes Neuronales Celulares; ambas
estructuras son un tipo de Redes Neuronales Analgicas.
(Abstract)
This thesis presents the study and development of a neuronal analog controller to be
implemented in the control of an inverted pendulum type car. Such driver solves the
problem of instability characteristic of this system
The proposed controller is based on an Analog Neural Network of two neurons, which is
inspired by biological principles. In particular we explore the configuration called Bicore
Nervous Network, which is a derivation of the Cellular Neural Networks; both structures
are a type of Analog Neural Network.
The model of the inverted pendulum is presented, which is obtained through Lagrangian
dynamics; it expresses the dynamic behavior of the system.
The neural analog controller is experimentally validated by applying it to the scale model of
an inverted pendulum. Different tests, such as control of the angle of the rod and the
rejection of disturbances, are presented making clear its great potential as a driver.
The performance of the driver, in relation to the position of the rod regarding the vertical, is
evaluated through the rates IAE, ITAE, ISE, in addition to the average error and standard
deviation. The results are compared to the performance of a classic controller.
ndice general
ndice de figuras IV
I
NDICE GENERAL
Bibliografa.......................................................................................................................... 97
ANEXO A.- Grficas de simulacin de una RNC con dos neuronas. ............................... 101
ANEXO B.- Instalacin y puesta en marca de la tarjeta de adquisicin de datos. ............ 105
II
NDICE GENERAL
ANEXO F.- Montaje fsico de un segundo potencimetro a la varilla del pndulo invertido.
............................................................................................................................................ 117
ANEXO G.- Programa para calcular el valor de los elementos del filtro pasa-bajas Sallen-
Key de tercer orden............................................................................................................. 119
ANEXO H.- Programa realizado en el editor de MatLab el cual realiza los clculos
numricos a partir de un archivo de datos *.lvm................................................................ 138
III
ndice de figuras
IV
NDICE DE FIGURAS
Figura 2.17.- Grfica de las ondas autnomas generadas por el circuito en simulacin en
Simulink (izquierda) y en PSPICE (derecha). .............................................. 35
Figura 2.18.-Grfica de los estados X1 y X2 de la Red Neuronal Celular........................... 36
Figura 2.19.- Grfica de las salidas Y1 y Y2 de la Red Neuronal Celular. .......................... 37
Figura 2.20.- Grfica de los estados X1 y X2, as como de las salidas Y1 y Y2 de la Red
Neuronal Celular.......................................................................................... 37
Figura 2.21.- Inhibicin de las oscilaciones de una clula al momento de que el sensor de
distancia entra en operacin por la presencia de un obstculo. ................. 38
Figura 2.22.- El circuito bsico de una neurona Nv. .......................................................... 40
Figura 2.23.- Seales oscilatorias correspondientes a la neurona Nv................................ 40
Figura 2.24.- Dos neuronas Nv conectadas en anillo (Bicore). .......................................... 41
Figura 2.25.- Ejemplos de seales oscilantes con ciclos de trabajo diferentes, as como el
voltaje promedio que resulta en cada una de ellas. ..................................... 42
Figura 3.1.- Pndulo invertido sobre carro......................................................................... 44
Figura 3.2.- Sistema mecnico del pndulo invertido. ........................................................ 44
Figura 3.3.- Consola de control de la maqueta de Pndulo Invertido b).- Mecanismo de
pndulo. .......................................................................................................... 49
Figura 3.4.- Mecanismo del pndulo de la maqueta BYTRONIC. ...................................... 50
Figura 3.5.- Diagrama esquemtico del sistema de Pndulo Invertido localizado en la
consola de control. ............................................................................................................... 51
Figura 3.6.- Conexiones para el control lineal de posicin. ............................................... 52
Figura 3.7.- Compensador en adelanto. .............................................................................. 52
Figura 3.8.- Grficas de la posicin del la varilla con respecto a la vertical y la posicin
del carro a lo largo del riel respectivamente. ................................................ 53
Figura 3.9.- (a).-Diagrama esquemtico del subsistema del servo (b).-Imagen del esquema
del subsistema del servo dibujado en la consola de control. ................... 54
Figura 3.10.- Diagrama a bloques del subsistema del servo. ............................................. 55
Figura 3.11.- Grficas para la validacin del modelo del subsistema de servo. Dichas
grficas presentan tanto la seal de posicin simulada, as como la seal de
posicin real la cual es medida a travs de una tarjeta de adquisicin de
datos. ............................................................................................................ 56
V
NDICE DE FIGURAS
Figura 3.12.- Diagrama a bloques del control PD para el pndulo invertido implementado
en Simulink. .................................................................................................. 57
Figura 3.13.- Grficas del la posicin del carro y el ngulo de la varilla con respecto a la
vertical.......................................................................................................... 58
Figura 4.1.- Conexin del potencimetro (sensor de la posicin de la varilla) a la red
Bicore. .......................................................................................................... 59
Figura 4.2.- Esquema de control para el pndulo invertido utilizando la red Bicore. ....... 60
Figura 4.3.- Ejemplo de funcionamiento de la red Bicore cuando la varilla del pndulo
simple no se encuentra a 0 con respecto a la vertical. ................................. 61
Figura 4.4.- Obtencin del voltaje promedio de la seal oscilante a partir de un filtro
pasa-bajas....................................................................................................... 61
Figura 4.5.- Respuesta de un filtro pasa-bajas y respuesta de los lmites de magnitud de un
filtro pasa-bajas prctico. .............................................................................. 63
Figura 4.6.- Respuesta de un filtro pasa-bajas Butterworth. .............................................. 64
Figura 4.7.- Respuesta de un filtro pasa-bajas Chebyshev Tipo I....................................... 65
Figura 4.8.- Respuesta de magnitud un filtro pasa-bajas Bessel, as como su respuesta de
fase.................................................................................................................. 66
Figura 4.9.- Circuito de la configuracin Sallen-Key para un filtro pasa-bajas. ............... 67
Figura 4.10.- Filtro RC de orden uno.................................................................................. 70
Figura 4.11.- Circuito de la configuracin Sallen-Key para un filtro pasa-bajas de tercer
orden............................................................................................................. 71
Figura 4.12.- Diagramas de Bode de los filtros pasa-bajas. fc= 20 KHz = 1.26x105 rad/seg
(izquierda) fc = 10 KHz = 6.32 x104 rad/seg (derecha). ............................. 72
Figura 4.13.- Diagramas de Bode de los filtros pasa-bajas. fc= 2 KHz = 1.26x104 rad/seg
(izquierda) fc = 100 Hz = 628 rad/seg (derecha). ....................................... 72
Figura 4.14.-Esquema del controlador neuronal analgico considerando la incorporacin
de una etapa de control PD............................................................................ 74
Figura 4.15.-Controlador Proporcional-Derivativo implementado con amplificadores
operacionales. .............................................................................................. 75
Figura 4.16.-Perturbacin cuantificada mediante la utilizacin de un pndulo simple. .... 77
Figura 4.17.-Pndulo simple. .............................................................................................. 78
VI
NDICE DE FIGURAS
VII
NDICE DE FIGURAS
Figura A.5.- Salidas X1 y X2 de la RNC de dos clulas ( =0.5 y s = 0.9 i1 = -0.3 i2 = 0.3).
...................................................................................................................... 103
Figura A.6.- Salidas X1 y X2 de la RNC de dos clulas ( =0.5 y s = 1 i1 = -0.3 i2 = 0.36).
...................................................................................................................... 104
Figura B.1.- Ruta de acceso a la ventana de Configuracin de parmetros. ................... 105
Figura B.2.- Ventana de configuracin de la opcin Solver. ............................................ 106
Figura B.3.- Seleccin del kernel de tiempo real para The Real-Time Windows Target.. 106
Figura B.4.- Seleccin del mdulo de interfaz externo de Simulink.................................. 107
Figura B.5.- Bloques de entradas y salidas anlogas y/o digitales. ................................. 107
Figura B.6.- Ventana de configuracin del bloque de entrada anloga. .......................... 108
Figura B.7.- Compilado del modelo. ................................................................................. 108
Figura C.1.-Circuito electrnico de la consola de control del pndulo invertido. ........... 109
Figura D.1.- Motor-tacho M66CE a) Servo motor M66CT b) Servo motor serie 120.... 110
Figura D.2.- Medidas en mm y cables de alimentacin del servo motor M66CT ........... 110
Figura D.3.- Servo motor serie 120-18............................................................................. 111
Figura D.4.- Medidas en mm del motor 120-18. .............................................................. 111
Figura D.5.- Potencimetro industrial de Precisin Vishay Spectrol modelo 157. .......... 112
Figura D.6.- Medidas en mm del Potencimetro vishay Spectrol modelo 157. ............... 113
Figura D.7.- Potencimetro Sakae Modelo 22HHp-10E................................................... 114
Figura D.8.- Medidas del Potencimetro Sakae Modelo 22HHP-10E. ........................... 115
Figura D.9.- Banda dentada marca MECTROL............................................................... 115
Figura D.10.- Polea dentada marca MECTROL.............................................................. 116
Figura E.1.- Acoplamiento del potencimetro destinado para entregar un voltaje de CD en
relacin al ngulo de la varilla (izquierda). Parte opuesta donde se acoplar
el segundo potencimetro (derecha). ........................................................... 117
Figura E.2.- Banda deteriorada (izquierda) sustituida por una banda nueva de las mismas
(derecha)....................................................................................................... 118
Figura F.1.- Diagrama implementado en SIMULINK del filtro pasa-bajas Sallen-Key. . 120
Figura F.2.-Respuesta del filtro Chebyshev Tipo I pasa-bajas (fc = 10 KHz).................. 121
Figura F.3.-Respuesta del filtro Chebyshev Tipo I pasa-bajas (fc = 2 KHz).................... 121
VIII
NDICE DE FIGURAS
Figura G.1.- a).- Oscilacin de la neurona Bicore y Vmed (fosc=615 KHz C=122 pF).
b).- Diagrama de Bode del filtro pasa-bajas con fc=20 KHz. ..................... 122
Figura G.2.- a).- ngulo de la varilla con respecto a la vertical (fosc=615 KHz fc=20
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=615 KHz
fc=20 KHz). .................................................................................................. 122
Figura G.3.- a).- Seal de control del sistema (fosc=615 KHz fc=20 KHz). b).-
Oscilacin de la neurona Bicore y Vmed (fosc=545 KHz C=150 pF). ....... 123
Figura G.4.- a).- ngulo de la varilla con respecto a la vertical (fosc=545 KHz fc=20
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=545 KHz
fc=20 KHz). .................................................................................................. 123
Figura G.5.- a).- Seal de control del sistema (fosc=545 KHz fc=20 KHz). b).-
Oscilacin de la neurona Bicore y Vmed (fosc=545 KHz C=172 pF). ....... 124
Figura G.6.- a).- ngulo de la varilla con respecto a la vertical (fosc=485 KHz fc=20
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=485 KHz
fc=20 KHz). .................................................................................................. 124
Figura G.7.- a).- Seal de control del sistema (fosc=485 KHz fc=20 KHz). b).-
Oscilacin de la neurona Bicore y Vmed (fosc=400 KHz C=200 pF). ....... 125
Figura G.8.- a).- ngulo de la varilla con respecto a la vertical (fosc=400 KHz fc=20
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=400 KHz
fc=20 KHz). .................................................................................................. 125
Figura G.9.- a).- Seal de control del sistema (fosc=400 KHz fc=20 KHz). b).-
Oscilacin de la neurona Bicore y Vmed (fosc=92 KHz C=1 nF). ........... 126
Figura G.10.- a).- ngulo de la varilla con respecto a la vertical (fosc=92 KHz fc=20
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=92 KHz
fc=20 KHz). ................................................................................................ 126
Figura G.11.- a).- Seal de control del sistema (fosc=92 KHz fc=20 KHz). .................... 127
Figura G.12.- Diagrama de Bode del filtro pasa-bajas con fc=10 KHz. .......................... 127
Figura G.13.- a).- ngulo de la varilla con respecto a la vertical (fosc=615 KHz fc=10
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=615 KHz
fc=10 KHz). ................................................................................................ 128
IX
NDICE DE FIGURAS
Figura G.14.- a).- Seal de control del sistema (fosc=615 KHz fc=10 KHz). b).-
ngulo de la varilla con respecto a la vertical (fosc=545 KHz fc=10 KHz).
.................................................................................................................... 128
Figura G.15.- a).- Posicin del pndulo invertido sobre el riel (fosc=545 KHz fc=10.
b).- Seal de control del sistema (fosc=545 KHz fc=10 KHz)................... 129
Figura G.16.- a).- ngulo de la varilla con respecto a la vertical (fosc=485 KHz fc=10
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=485 KHz
fc=10 KHz). ................................................................................................ 129
Figura G.17.- a).- Seal de control del sistema (fosc=485 KHz fc=10 KHz). b).-
ngulo de la varilla con respecto a la vertical (fosc=400 KHz fc=10 KHz).
.................................................................................................................... 130
Figura G.18.- a).- Posicin del pndulo invertido sobre el riel (fosc=400 KHz fc=10
KHz). b).- Seal de control del sistema (fosc=400 KHz fc=10 KHz). ... 130
Figura G.19.- a).- ngulo de la varilla con respecto a la vertical (fosc=92 KHz fc=10
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=92 KHz
fc=10 KHz). ................................................................................................ 131
Figura G.20.- Seal de control del sistema (fosc=92 KHz fc=10 KHz)............................ 131
Figura G.21.- a).- ngulo de la varilla con respecto a la vertical (fosc=615 KHz fc=2
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=615 KHz
fc=2 KHz). .................................................................................................. 132
Figura G.22.- a).- Seal de control del sistema (fosc=615 KHz fc=2 KHz). b).-
ngulo de la varilla con respecto a la vertical (fosc=545 KHz fc=2 KHz).
.................................................................................................................... 132
Figura G.23.- a).- Posicin del pndulo invertido sobre el riel (fosc=545 KHz fc=2
KHz). b).- Seal de control del sistema (fosc=545 KHz fc=2 KHz). ..... 133
Figura G.24.- a).- ngulo de la varilla con respecto a la vertical (fosc=400 KHz fc=2
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=400 KHz
fc=2 KHz). .................................................................................................. 133
Figura G.25.- a).- Seal de control del sistema (fosc=400 KHz fc=2 KHz). b).-
ngulo de la varilla con respecto a la vertical (fosc=92 KHz fc=2 KHz). 134
X
NDICE DE FIGURAS
Figura G.26.- a).- Posicin del pndulo invertido sobre el riel (fosc=92 KHz fc=2 KHz).
b).- Seal de control del sistema (fosc=92 KHz fc=2 KHz)....................... 134
Figura G.27.- a).- ngulo de la varilla con respecto a la vertical (fosc=545 KHz fc=100
Hz). b).- Posicin del pndulo invertido sobre el riel (fosc=545 KHz
fc=100 Hz).................................................................................................. 135
Figura G.28.- a).- Seal de control del sistema (fosc=545 KHz fc=100 Hz). b).-
ngulo de la varilla con respecto a la vertical (fosc=485 KHz fc=100 Hz).
.................................................................................................................... 135
Figura G.29.- a).- Posicin del pndulo invertido sobre el riel (fosc=485 KHz fc=100
Hz). b).- Seal de control del sistema (fosc=485 KHz fc=100 Hz)........ 136
Figura G.30.- a).- ngulo de la varilla con respecto a la vertical (fosc=545 KHz fc=100
Hz). b).- Posicin del pndulo invertido sobre el riel (fosc=545 KHz
fc=100 Hz).................................................................................................. 136
Figura G.31.- a).- Seal de control del sistema (fosc=400 KHz fc=100 Hz). b).-
ngulo de la varilla con respecto a la vertical (fosc=92 KHz fc=100 Hz).
.................................................................................................................... 137
Figura G.32.- a).- Posicin del pndulo invertido sobre el riel (fosc=92 KHz fc=100 Hz).
b).- Seal de control del sistema (fosc=92 KHz fc=100 Hz). .................... 137
XI
ndice de tablas
XII
Captulo 1
Introduccin
Los pndulos invertidos son una familia de artefactos que constituyen un banco de
pruebas muy completo e interesante para la ingeniera de control, ya que son un ejemplo
tpico de un sistema inestable. El ms estudiado de los miembros de esta familia es el
denominado control invertido sobre un vehculo, al que corrientemente se le conoce como
carro. Consiste en un pndulo o varilla que gira libremente por uno de sus extremos
mediante una articulacin situada sobre un carro que se mueve sobre una gua rectilnea
horizontal bajo la accin de una fuerza F, que es la accin de control con la que se pretende
actuar sobre la posicin de la varilla. Debido a que la aceleracin del brazo no puede ser
controlada directamente, el pndulo invertido se dice que es un sistema subactuado.
Inicialmente, en los aos sesenta del siglo pasado, se poda ver este sistema en los
laboratorios de control de las universidades ms prestigiosas. La demostracin consista en
situar inicialmente de forma manual el pndulo en la posicin vertical invertida, para que
posteriormente y realimentando su posicin, el pndulo continuase en la posicin invertida
mediante la adecuada actuacin sobre el carro.
Para evitar esta limitacin Katsuhisa Furuta, del Instituto de Robtica de Tokio,
propuso en los aos setenta el pndulo rotatorio conocido desde entonces como pndulo de
Furuta. Consiste en un motor de eje vertical al que es solidario un brazo de cuyo extremo
cuelga la varilla del pndulo. Es decir, el extremo del brazo juega el mismo papel que el
carro en el pndulo descrito en el prrafo anterior. Con este artificio se evitan los problemas
de final de carrera, aunque aparecen otros nuevos debido a que la dinmica del sistema se
complica considerablemente al hacer su aparicin fuerzas centrfugas y de Coriolis.
Las aplicaciones del pndulo invertido en el mbito cotidiano tienen gran impacto para
la sociedad en general. Las principales aplicaciones son las siguientes: mantenimiento de la
trayectoria durante el vuelo de un cohete, control de misiles, anlisis de la biomecnica de
la marcha, balance y postura humana, el caminar bpedo de robots, estabilidad en gras, as
1
CAPTULO 1.- INTRODUCCIN
como de edificios. Otra aplicacin de este sistema es la de un vehculo de dos ruedas para el
transporte de personas, donde el pndulo est constituido por la persona que est sobre el
vehiculo; el movimiento de avance est provocado por la inclinacin de la persona con
respecto a la posicin de equilibrio. Sin lugar a duda, una de las aplicaciones de mayor
impacto para el todo mundo es el posicionamiento de un satlite con respecto a la tierra. En
este caso el satlite esta en movimiento y las antenas que se encuentran en la tierra no
pueden dejar que se mueva demasiado, ya que sino se saldra del rango de comunicacin
entre ellos. Es as como podramos decir que estos dos cuerpos (satlite y antena) estn
sujetos por un vector virtual el cul en la parte de la tierra se encuentra fijo y la parte en
movimiento en el espacio, haciendo as la funcin del pndulo invertido.
Existen otros tipos de pndulo invertido como el pndulo con rueda inercial, el acrobot,
el pendubot, el doble pndulo invertido, etc. Sin embargo en este trabajo de tesis slo se
ocup el pndulo invertido sobre un carro.
1.1.- Antecedentes
Muchas mquinas caminadoras y escaladoras han sido diseadas y desarrolladas
durante las ltimas dcadas, algunas construidas para efectuar servicios para utilidad
humana y de seguridad. Mientras las ruedas son an la forma ms ampliamente usada para
llevar a cabo el movimiento en robots debido a la clara ventaja en la eficiencia de carga-
acarreo, las piernas son atractivas porque ellas permiten a los robots alcanzar lugares donde
slo los humanos y los animales sobre pies pueden normalmente ir.
El caminar dinmico bpedo permite que el centro de gravedad pueda estar fuera de la
regin de apoyo por perodos limitados de tiempo. No hay ningn criterio absoluto que
determine si el caminar dinmico es estable o no. De hecho un robot caminante se puede
disear para representar los diferentes tipos de inestabilidades [27] [33]. Sin embargo, si el
2
1.2.- UBICACIN DEL PROBLEMA
robot tiene las junturas del tobillo activas y siempre mantiene por lo menos un pie sobre el
piso, el punto de momento cero (ZMP por sus siglas en ingls) puede ser usado como un
criterio de estabilidad. Mientras que el ZMP est dentro de la regin de apoyo, el caminar
se considera dinmicamente estable porque es el nico caso dnde el pie puede controlar la
postura del robot. Est claro que para robots que no mantienen constantemente un pie por
lo menos en el piso o que no tenga las junturas del tobillo activas (caminar sobre zancos), la
nocin de rea de apoyo no existe, por consiguiente el criterio de ZMP no puede ser
aplicado [15].
El caminar dinmico se logra asegurando que el robot siempre est girando alrededor de
un punto en la regin de apoyo (Figura 1.1b). Si el robot gira alrededor de un punto fuera
de la regin de apoyo entonces esto significa que el pie de apoyo tender a bajar al piso o
har presin contra la tierra. Ambos casos llevan a la inestabilidad. Para establecer una
analoga con el caminar esttico, si todo el movimiento se detiene entonces el robot tender
a girar alrededor del ZMP.
a) b)
Tomando en cuenta que este trabajo de tesis servir como fundamento para crear en un
futuro un prototipo de robot bpedo, el conocer los principios bsicos sobre el proceso de
caminata de los humanos es fundamental.
3
CAPTULO 1.- INTRODUCCIN
La caminata comienza con los dos pies extendidos y sobre el suelo (Figura 1.2a), en
donde el equilibrio no es problema. El problema comienza al levantar uno de los dos pies
para realizar los movimientos de las Figuras 1.2b, 1.2c y 1.2d, ya que la tendencia es caer
hacia ese lado y hacia delante o atrs dependiendo del estado dinmico del robot en ese
instante. Para evitar que el cuerpo caiga se deben realizar correcciones a los movimientos
del robot permitiendo as la estabilidad dinmica de la caminata. El medio ciclo se
completa cuando los dos pies vuelven a estar en el suelo (Figura 1.2e). El otro medio ciclo
es idntico, solamente que el pie que se levanta es el que anteriormente serva de apoyo y
viceversa.
( s ) 1
=
F ( s) Mls ( M + m) g
2
(1.1)
4
1.3.- HIPTESIS
Donde
Aplicando la frmula general para obtener los polos del polinomio caracterstico se tiene
que:
4( Ml )( M + m) g
p1, 2 =
2 Ml
(1.2)
Dados los antecedentes anteriores se puede ubicar con certeza el problema principal de
este trabajo de tesis, el cual es la inestabilidad del pndulo invertido, para lo cual se
desarrollarn controladores capaces de estabilizar el sistema.
1.3.- Hiptesis
La principal inspiracin en el control de dispositivos de locomocin artificial proviene
de un principio biolgico del Generador de Patrn Central (CPG), usado para modelar el
grupo de neuronas encargado de planear y controlar el patrn de caminado. Para
implementar dicho modelo se debe de utilizar una red neuronal celular de reaccin-difusin
(Reaction-diffusion cellular neural network RD-CNN). La estructura de la red neuronal
celular es diseada utilizando circuitos analgicos. Esto hace posible realizar el caminar en
tiempo real y tambin controlar transiciones entre diversos tipos de caminar (en el caso de
robots bpedos). De este modo, es necesario disear un circuito analgico capaz de
reproducir cualitativamente a la dinmica neuronal del CPG. Este tiene la ventaja del bajo
costo de implementacin debido a la utilizacin de circuitos analgicos. Todo lo anterior
tiene como objetivo el lograr la locomocin como resultado de una dinmica oscilatoria
espaciotemporal, la cual es del mismo tipo a la que se presenta en las neuronas biolgicas
[1]. En relacin a lo anterior se plantea la siguiente hiptesis:
5
CAPTULO 1.- INTRODUCCIN
1.4.- Objetivos
1.- Comprobar que los controladores basados en redes neuronales analgicas son adecuados
para el tipo de problema.
3.- Desarrollar una metodologa para el diseo de una red neuronal analgica.
Limitaciones:
La maqueta de pndulo invertido utilizada para llevar a cabo las pruebas es el llamado
control invertido sobre carro.
6
1.6.- JUSTIFICACIN
(configuracin Bicore); de igual forma, el sensor para medir la posicin del carro sobre el
riel es un potencimetro multivueltas.
1.6.- Justificacin
En las ltimas tres dcadas, el auge de la electrnica y las computadoras ha detonado el
desarrollo de la inteligencia artificial aplicada en el rea de control automtico. Algunas
tcnicas de control basadas en inteligencia artificial se han puesto en prctica para el
control del pndulo invertido [43] [34] [48]. Una alternativa es el enfoque de inteligencia
artificial con bases biolgicas. La utilizacin de dicho enfoque se efecta con la finalidad
de emular el comportamiento del Generador de Patrn Central biolgico.
Las funciones biolgicas, por s solas, son muy complejas; el pretender emularlas en un
cien por ciento es muy atrevido y es por eso que en esta tesis lo que se busca es tomar como
base tales principios y tratar de emularlos en la medida de lo posible para posteriormente
investigar acerca de su aplicacin como controlador y muy en particular, como controlador
para el pndulo invertido tipo carro.
1.7.- Aportacin
Contribuir al rea de control inteligente en el CENIDET, proponiendo un controlador
sencillo y funcional basado en redes neuronales analgicas para resolver el problema de
inestabilidad del pndulo invertido, proporcionando su teora de base, as como el diseo y
desarrollo de dicho controlador.
7
CAPTULO 1.- INTRODUCCIN
Tcnica de control
The fuzzy PD controller in balancing the pendulum in upright position [6]
Presented techniques incorporating neural network into Fuzzy system [22] [30] [38] [45]
Nonlinear optimization method to train a fuzzy controller for stabilization [42]
Feedback linearization and energy considerations [32]
Vertical forces to stabilize the IP [52]
Neural network, [43]
Linear control [55]
Neural network [6]
Fuzzy-logic control [34]
Discrete-time H control [49]
Fuzzy Control [36]
Fuzzy-Logic Control of an Inverted Pendulum with Vision Feedback [34]
Energy based control [23]
Sliding mode control [19]
Hybrid control [17]
Neuro-fuzzy controller [48]
Passivity [40]
Linear control [55]
De las tcnicas de control expuestas en la Tabla 1.1 se pueden generalizar dos enfoques
de solucin: el control lineal y el control no lineal.
8
1.8.2.- REDES NEURONALES ARTIFICIALES
Una alternativa es el enfoque de inteligencia artificial con bases biolgicas. Esta se basa
en conceptos de Redes Neuronales Artificiales, y en particular, en Redes Neuronales
Analgicas (RNA).
Aunque todava se ignora mucho sobre la forma en que el cerebro aprende a procesar la
informacin, se han desarrollado modelos que tratan de emular tales habilidades
denominados redes neuronales artificiales. La elaboracin de estos modelos supone en
primer lugar la deduccin de los rasgos o caractersticas esenciales de las neuronas
biolgicas y sus conexiones, y en segundo lugar, la implementacin del modelo a nivel
prctico, ya sea en una computadora de forma que se pueda simular, o mediante circuitos
electrnicos. Es obvio decir que estos modelos son idealizaciones burdas de las autnticas
redes neuronales biolgicas, pero que sin embargo resultan interesantes cuando menos por
sus capacidades de aprendizaje.
Hay muchos tipos de Redes Neuronales Artificiales, algunas de las cuales estn ms
acordes con las teoras modernas de circuitos de redes neuronales que otras. Todas ellas son
similares en el sentido de que ellas usan unidades individuales configuradas de acuerdo al
tipo de tarea que la red va a desempear.
9
CAPTULO 1.- INTRODUCCIN
10
Captulo 2
Redes neuronales
Las redes neuronales artificiales son modelos que aproximan funciones. Ellas estn
inspiradas en la constitucin de neuronas individuales que tiene el cerebro. Cada neurona
tiene una funcin especfica y muchas neuronas interactan unas con otras con el fin de
ejecutar tareas complejas.
Una neurona biolgica es una clula viva y como tal, contiene los mismos elementos
que forman parte de todas las clulas biolgicas. Adems, contienen elementos
caractersticos que las diferencian. En general, una neurona consta de un cuerpo esfrico, de
5 a 10 micras de dimetro, del que salen una rama principal, el axn y varias ramas ms
cortas, llamadas dendritas (Figura 2.1). A su vez, el axn puede producir ramas en torno a
su punto de arranque y con frecuencia, se ramifica extensamente cerca de su extremo [37].
11
CAPTULO 2.- REDES NEURONALES
Unas de las caractersticas que diferencian a las neuronas del resto de las clulas vivas,
es su capacidad de comunicarse. En trminos generales, las dendritas y el cuerpo celular
reciben seales de entrada; el cuerpo las combina e integra y emite seales de salida. El
axn transporta estas seales a las terminales axnicos, que se encargan de distribuir
informacin a un nuevo conjunto de neuronas. Por lo general, una neurona recibe
informacin de miles de otras neuronas y, a su vez, enva informacin a miles de neuronas
ms. Se calcula que en el cerebro humano existen del orden de 1015 conexiones.
La inversin del voltaje de la cara interior de la membrana cierra el paso a los iones
sodio y abre el paso a los iones potasio hasta que se restablece el equilibrio en reposo. La
inversin del voltaje, conocida como potencial de accin (Figura 2.2), se propaga a lo largo
del axn y, a su vez, provoca la emisin de los neurotransmisores en los terminales
axnicos.
12
2.1.3- MODELO DE LA DINMICA NEURONAL
Para establecer una similitud directa entre la actividad sinptica y la analoga con las
redes neuronales artificiales, vamos a fijar los siguientes aspectos: Las seales que llegan a
la sinapsis son las entradas a la neurona; estas son ponderadas (atenuadas o amplificadas) a
travs de un parmetro, denominado peso, asociado a la sinapsis correspondiente. Estas
seales de entrada pueden excitar a la neurona (sinapsis con peso positivo) o inhibirla (peso
negativo). El efecto es la suma de las entradas ponderadas. Si la suma es igual o mayor que
el umbral de la neurona, entonces la neurona se activa (da salida) [41]. Esta es una
situacin todo o nada; cada neurona se activa o no se activa. La facilidad de transmisin de
seales se altera mediante al actividad del sistema nervioso. Las sinapsis son susceptibles a
la fatiga, deficiencia de oxgeno y agentes tales como los anestsicos. Otros eventos pueden
incrementar el grado de activacin. Esta habilidad de ajustar seales es un mecanismo de
aprendizaje. Las funciones de umbral integran la energa de las seales de entrada en el
espacio y en el tiempo.
13
CAPTULO 2.- REDES NEURONALES
I j = g j (V E j )
(2.1)
Figura 2.3.- Circuito RC de una neurona mostrando los canales de sodio, potasio y de
fuga.
dV
C = I Na I K I l + I in
dt
(2.2)
14
2.1.3- MODELO DE LA DINMICA NEURONAL
donde Iin es la corriente inyectada a la clula y INA, IK y Il son las corrientes de sodio,
potasio y la de fuga respectivamente. Combinando las ecuaciones (2.1) y (2.2), se obtiene
dV
C = g Na (V ENa ) g K (V EK ) gl (V El ) + I in
dt
(2.3)
dm m m m 1
= m = m =
dt m m + m m + m
dh h h h 1
= h = h =
dt h h + h h + h
dn n n n 1
= n = n =
dt n n + n n + n
(2.4)
dV
C = m (V ENa ) 26 R (V EK ) + I in
dt
dR R R
=
dt R
(2.5)
15
CAPTULO 2.- REDES NEURONALES
Figura 2.4.- Potencial de accin en la membrana de potencial como respuesta ante una
corriente inyectada.
Los generadores centrales de patrones (CPGs) son redes neuronales biolgicas que
generan movimientos sincronizados de locomocin en animales (Figura 2.5) [31], tales
como caminar, correr, nadar y volar. El movimiento sincronizado generado por los CPGs
induce una coordinacin de las partes fsicas [14]. Adems, se cree que un movimiento
rtmico surge como un ciclo limitado y estable de un entrenamiento global entre el sistema
neurolgico que incluye el CPG y el sistema fsico, los cuales interactan recprocamente
en un ambiente variante. Como resultado, es posible lograr una alta autonoma de
adaptacin a los ambientes imprevisibles durante la locomocin [3] [7] [29].
16
2.2.- CARACTERSTICAS DE LAS REDES NEURONALES ARTIFICIALES
b).- Un sumador que se encarga de sumar todas las entradas multiplicadas por las
respectivas sinapsis.
c).- Una funcin de activacin no lineal para limitar la amplitud de la salida de la neurona.
d).- Un umbral exterior que determina el umbral por encima del cual la neurona se activa.
17
CAPTULO 2.- REDES NEURONALES
Los elementos bsicos comentados anteriormente se pueden conectar entre s para dar
lugar a las estructuras neuronales o modelos conexionistas que podramos clasificar de
diferentes formas segn el criterio usado [21].
Redes neuronales monocapas. Es la red neuronal ms sencilla ya que se tiene una capa
de neuronas que proyectan las entradas a una capa de neuronas de salida donde se realizan
diferentes clculos. La capa de entrada, por no realizar ningn clculo, no se cuenta; de ah
el nombre de redes neuronales con una sola capa. Una aplicacin tpica de este tipo de
redes es como memorias asociativas.
Redes neuronales multicapa. Las redes multicapa son aquellas que disponen de
conjuntos de neuronas agrupadas en varios niveles o capas. En estos casos, una forma para
distinguir la capa a la que pertenece una neurona, consistira en fijarse en el origen de las
seales que recibe a la entrada y el destino de la seal de salida. Normalmente, todas las
neuronas de una capa reciben seales de entrada de otra capa anterior, ms cercana a la
entrada de la red, y envan las seales de salida a una capa posterior, ms cercana a la salida
de la red. A estas conexiones se les denomina conexiones hacia delante o feedforward.
Estas dos posibilidades permiten distinguir entre dos tipos de redes con mltiples capas:
las redes con conexiones hacia adelante o redes feedforward, y las redes que disponen de
conexiones tanto hacia delante como hacia atrs o redes feedforward/feedback.
18
2.2.1.- MECANISMO DE APRENDIZAJE
Redes neuronales recurrentes. Esta red viene caracterizada por la existencia de lazos de
realimentacin. Estos lazos pueden ser entre neuronas de diferentes capas, neuronas de la
misma capa o, ms sencillamente, entre una misma neurona. Esta estructura recurrente la
hace especialmente adecuada para estudiar la dinmica de sistemas no lineales.
Redes neuronales totalmente conectadas. En este caso todas las neuronas de una capa se
encuentran conectadas con las de la capa siguiente (redes no recurrentes) o con las de la
anterior (redes recurrentes).
El aprendizaje es el proceso por el cual una red neuronal modifica sus pesos en
respuesta a una informacin de entrada. Los cambios que se producen durante el proceso de
aprendizaje se reducen a la destruccin, modificacin y creacin de conexiones entre las
neuronas. En los sistemas biolgicos existe una continua creacin y destruccin de
conexiones. En los modelos de redes neuronales artificiales, la creacin de una nueva
conexin implica que el peso de la misma pasa a tener un valor distinto de cero. De la
misma forma, una conexin se destruye cuando su peso pasa a ser cero.
Es por ello por lo que una de las clasificaciones que se realizan de las redes neuronales
obedece al tipo de aprendizaje utilizado por dichas redes. As se pueden distinguir:
19
CAPTULO 2.- REDES NEURONALES
Otro criterio que se puede utilizar para diferenciar las reglas de aprendizaje se basa en
considerar si la red puede aprender durante su funcionamiento habitual o si el aprendizaje
supone la desconexin de la red; es decir su inhabilitacin hasta que el proceso termine. En
el primer caso, se tratara de un aprendizaje ON LINE, mientras que el segundo es lo que se
conoce como aprendizaje OFF LINE.
En este tipo de aprendizaje se suelen considerar, a su vez, tres formas de llevado a cabo
que dan lugar a los siguientes aprendizajes supervisados:
20
2.2.3.- REDES CON APRENDIZAJE NO SUPERVISADO
generada en respuesta a una determinada entrada es o no correcta; por ello, suele decirse
que estas redes son capaces de auto-organizarse.
Tambin el aprendizaje sin supervisin permite realizar una codificacin de los datos de
entrada, generando a la salida una versin codificada de la entrada, con menos bits, pero
manteniendo la informacin relevante de los datos.
- Aprendizaje hebbiano.
- Aprendizaje competitivo y cooperativo.
21
CAPTULO 2.- REDES NEURONALES
2.3.1.- El Perceptrn
Este fue el primer modelo de la red neuronal artificial desarrollado por Rosenblatt en
1958. Despert un enorme inters en los aos sesenta, debido a su capacidad para aprender
a reconocer patrones sencillos: un Perceptrn, formado por varias neuronas lineales para
recibir las entradas a la red y una neurona de salida, es capaz de decidir cundo una entrada
presentada a la red pertenece a una de las dos clases que es capaz de reconocer.
La nica neurona de salida del Perceptrn realiza la suma ponderada de las entradas,
resta el umbral y pasa el resultado a una funcin de transferencia de tipo escaln. La regla
de decisin es responder +1 si el patrn presentado pertenece a la clase A, o -1 si e1 patrn
pertenece a la clase B (Figura 2.7). La salida depender de la entrada neta (suma de las
entradas xi ponderadas) y del valor umbral i.
Sin embargo, el Perceptrn, al constar slo de una capa de entrada y otra de salida con
una nica neurona, tiene una capacidad de representacin bastante limitada. Este modelo
slo es capaz de discriminar patrones muy sencillos, linealmente separables. El caso mas
conocido es la imposibilidad del Perceptrn de representar la funcin OR-EXCLUSIVA.
22
2.3.2.- LAS REDES ADALINE Y MADALINE
La separabilidad lineal limita a las redes con slo dos capas a la resolucin de
problemas en los cuales el conjunto de puntos (correspondientes a los valores de entrada)
sean separables geomtricamente. En el caso de dos entradas, la separacin se lleva a cabo
mediante una lnea recta. Para tres entradas, la separacin se realiza mediante un plano en
el espacio tridimensional, y as sucesivamente hasta el caso de N entradas, en el cual el
espacio N-dimensional es dividido en un hiperplano.
23
CAPTULO 2.- REDES NEURONALES
La red MADALINE.
24
2.3.3.- LA RED BACKPROPAGATION
25
CAPTULO 2.- REDES NEURONALES
aplicar esa misma relacin, despus del entrenamiento, a nuevos vectores de entrada con
ruido o incompletas, dando un salida activa si la nueva entrada es parecida a las presentadas
durante el aprendizaje. Esta caracterstica importante, que se exige a los sistemas de
aprendizaje, es la capacidad de generalizacin, entendida como la facilidad de dar salidas
satisfactorias a entradas que el sistema no ha visto nunca en su fase de entrenamiento. La
red debe encontrar una representacin interna que le permita generar las salidas deseadas
cuando se le dan las entradas de entrenamiento, y que pueda aplicar, adems, a entradas no
presentadas durante la etapa de aprendizaje para clasificarlas segn las caractersticas que
compartan con los ejemplos de entrenamiento.
En una red backpropagation existe una capa de entrada con N neuronas y una capa de
salida con M neuronas y al menos una capa oculta de neuronas internas. Cada neurona de
una capa (excepto las de entrada) recibe entradas de todas las neuronas de la capa anterior y
enva su salida a todas las neuronas de la capa posterior (excepto las de salida). No hay
conexiones hacia atrs feedback ni laterales entre neuronas de la misma capa (Figura 2.10).
Como se coment anteriormente, la aplicacin del algoritmo backpropagation tiene dos
fases, una hacia adelante y otra hacia atrs. Durante la primera fase el patrn de entrada es
presentado a la red y propagado a travs de las capas hasta llegar a la capa de salida.
Obtenidos los valores de salida de la red, se inicia la segunda fase, comparndose estos
valores con la salida esperada para obtener el error. Se ajustan los pesos de la ltima capa
proporcionalmente al error. Se pasa a la capa anterior con una retropropagacin del error
(backpropagation), ajustando convenientemente los pesos y continuando con este proceso
hasta llegar a la primera capa. De esta manera se han modificado los pesos de las
conexiones de la red para cada ejemplo o patrn de aprendizaje del problema, del que
conocamos su valor de entrada y la salida deseada que debera generar la red ante dicho
patrn.
26
2.3.4.- EL MODELO DE HOPFIELD
Sin duda, uno de los principales responsables del desarrollo que ha experimentado el
campo de la computacin neuronal ha sido J. Hopfield, quien construy un modelo de red
con el nmero suficiente de simplificaciones como para poder extraer analticamente
informacin sobre las caractersticas relevantes del sistema, conservando las ideas
fundamentales de las redes construidas en el pasado y presentando una serie de funciones
bsicas de sistemas neuronales reales. Adems, Hopfield supo establecer un paralelismo
entre su modelo y ciertos sistemas extensamente estudiados en fsica estadstica, lo cual ha
permitido aplicar todo un conjunto de tcnicas bien conocidas en este campo y, con ello,
producir un avance en la comprensin del funcionamiento de las redes neuronales.
El modelo de Hopfield (Figura 2.11) consiste en una red monocapa con N neuronas
cuyos valores de salida son binarios: 0/1 -1/+1. En la versin original del modelo (DH:
Discrete Hopfield) las funciones de activacin de las neuronas eran del tipo escaln. Se
trataba, por tanto, de una red discreta, con entradas y salidas binarias; sin embargo,
posteriormente Hopfield desarroll una versin continua con entradas y salidas analgicas,
utilizando neuronas con funciones de activacin tipo sigmoidal (CH: Continous Hopfield).
Cada neurona de la red se encuentra conectada a todas las dems (conexiones laterales),
pero no consigo misma (no existen conexiones autorrecurrentes). Adems, los pesos
asociados a las conexiones entre pares de neuronas son simtricos. Esto significa que el
peso de la conexin de una neurona i con otra neurona j es de igual valor que el de la
conexin de la neurona j con la i (Wij = Wji).
La versin discreta de esta red fue ideada para trabajar con valores binarios -1 y +1
(aunque mediante un ajuste en los pesos pueden utilizarse en su lugar valores 1 y 0). Por lo
tanto, la funcin de activacin de cada neurona (i) de la red (f(x)) es de tipo escaln.
27
CAPTULO 2.- REDES NEURONALES
Existen evidencias que demuestran que en el cerebro hay neuronas que se organizan en
muchas zonas, de forma que las informaciones captadas del entorno a travs de los rganos
sensoriales se representan internamente en forma de mapas bidimensionales. Por ejemplo,
en el sistema visual se han detectado mapas del espacio visual en zonas del crtex (capa
externa del cerebro). Tambin en el sistema auditivo se detecta una organizacin segn la
frecuencia a la que cada neurona alcanza la mayor respuesta (organizacin tonotpica).
Este modelo tiene dos variantes, denominadas LVQ (Learning Vector Quantization) y
TPM (Topology-Preserving Map) o SOM (Self-Organizing Map). Ambas se basan en el
principio de formacin de mapas topolgicos para establecer caractersticas comunes entre
las informaciones (vectores) de entrada a la red, aunque difieren en las dimensiones de
estos, siendo de una sola dimensin en el caso de LVQ, y bidimensional e incluso
tridimensional, en la red TPM.
28
2.4.- REDES NEURONALES CELULARES
En esta tesis no es evidente el potencial de las redes analgicas sobre las digitales, ya
que la red a utilizar constar nicamente de dos neuronas; no obstante, en otras aplicaciones
de control con este tipo de redes donde el nmero de neuronas involucradas sea mayor y,
por consiguiente, el modelo de la red neuronal sea de orden superior, las redes neuronales
analgicas tendrn un potencial mucho mayor frente a las digitales, en el sentido de
entregar una respuesta instantnea en tiempo real.
29
CAPTULO 2.- REDES NEURONALES
Figura 2.12.- Una red neuronal celular de dos dimensiones. El tamao del circuito es de
4x4. Los cuadrados son las unidades llamadas clulas. Las conexiones entre las clulas
indican que hay interaccin entre las clulas conectadas.
Definicin.- r-vecindad
N r (i, j ) = {C (k , l ) max{ k i , l j } r ,1 k M ;1 l N }
(2.6)
Donde r es un entero positivo
30
2.5.- ARQUITECTURA DE LAS REDES NEURONALES CELULARES
Figura 2.14.- Un ejemplo del circuito de una clula [1] [2] [8] [10] [9].
Se observa de la Figura 2.14 que cada clula C (i, j ) contiene una fuente de voltaje
independiente Eij, una fuente de corriente I, un capacitor lineal C, dos resistores Rx y Ry, y a
lo ms 2m fuentes de corriente controladas por voltaje las cuales estn acopladas a las
clulas vecinas va la entrada de voltaje controlada vukl y la realimentacin de la salida de
voltaje vykl de cada clula vecina C (k , l ) donde m es igual al nmero de clulas vecinas. En
particular, I xy (i, j; k , l ) y I xu (i, j; k , l ) son fuentes de corriente controladas por voltaje con
las caractersticas I xy (i, j; k , l ) = A(i, j; k , l )v ykl y I xu (i, j; k , l ) = B (i, j; k , l )vukl para todas
C (i, j ) N r (k , l ) . El nico elemento no lineal en cada clula es una fuente de corriente
controlada por voltaje I xy = (1/ Ry ) f (vxij ) con caractersticas f(.) como se muestra en la
Figura 2.15.
31
CAPTULO 2.- REDES NEURONALES
1
f (v ) =
v + 1 v 1
2
Figura 2.15.- Caractersticas de la fuente no lineal controlada.
Todas las fuentes de corriente lineales y no lineales usadas en una red neuronal celular
pueden ser realizadas fcilmente utilizando amplificadores operacionales [1] [2] [8] [10]
[9].
Aplicando la LCK y la LVK, las ecuaciones del circuito de la clula pueden ser
deducidas como se muestra a continuacin.
Ecuacin de estado
dvxij (t ) 1
C
dt
=
Rx
vxij + A(k , l; i, j )vykl (t ) + C (i, j
C ( i , j )N r ( k ,l ) )N r ( k ,l )
B(k , l; i, i )vukl (t ) + I
1 i M ;1 j N
(2.7)
Ecuacin de salida
1
v yij (t ) =
2
(
vxij (t ) + 1 vxij (t ) 1 )
1 i M ;1 j N
(2.8)
Ecuacin de entrada
vuij = Eij
1 i M ;1 j N
(2.9)
32
2.6.- MODELO DE UNA RED NEURONAL CELULAR DE DOS CAPAS
Restricciones
vxij (0) 1, 1 i M ;1 j N
vuij 1, 1 i M ;1 j N
(2.10)
Suposiciones de parmetros
A(i, j; k , l ) = A(k , l ; i, j )
1 i, k M ;1 j , l N
C > 0, Rx > 0
(2.11)
(
yk ,ij = 0.5 xk ,ij + 1 xk ,ij 1 )
(2.13)
Con i = 1, 2, , M j = 1, 2, , N y k = 1, 2
El modelo de estados de la Ec. (2.12) de la nueva Red Neuronal Celular de dos capas
con las matrices de coeficientes constantes es definida como:
33
CAPTULO 2.- REDES NEURONALES
T T T
Donde xij = x1;i , j x2;i , j , yij = y1;i , j y2;i , j y uij = u1;i , j u2;i , j son los estados, la
salida y la entrada de la Red Neuronal Celular respectivamente, mientras A, B y I son la
retroalimentacin, el control y la matriz de coeficientes de bias respectivamente.
Figura 2.16.- Implementacin de una Red Neuronal Celular de dos capas generadora de
ondas autnomas mediante amplificadores operacionales.
34
2.7.- ANLISIS DE LAS REDES NEURONALES CELULARES
Redes Neuronales Celulares discretas, pero esto es un problema difcil para modelos en
tiempo continuo. La mayora de las matrices de coeficientes actualmente disponibles han
sido obtenidas mediante principios intuitivos y se han refinado a prueba y error con la
ayuda de simuladores.
La Figura 2.16 ilustra una Red Neuronal Celular generadora de ondas autnomas.
La respuesta de esta red se obtuvo a travs de la simulacin tanto en PSPICE v9.2 como
de Simulink en MatLab 7 . Tales grficas son mostradas a continuacin.
1.5
0.5
Amplitud (volts
-0.5
-1
-1.5
0 1 2 3 4 5 6 7 8 9 10
Tiempo (seg)
Figura 2.17.- Grfica de las ondas autnomas generadas por el circuito en simulacin en
Simulink (izquierda) y en PSPICE (derecha).
35
CAPTULO 2.- REDES NEURONALES
De las grficas del ANEXO A se pudo obtener las siguientes observaciones importantes.
El comportamiento dinmico de Red Neuronal Celular est dictado por los parmetros
, s e i1,2, los cuales al variar sus valores numricos impactan directamente en la amplitud
de la seal, la frecuencia y el ciclo lmite de la misma. Algo que se debe resaltar es que los
estados X1 y X2, as como sus respectivas salidas tienen un desfasamiento de 70
aproximadamente.
Para poder observar las seales de los estados, X1 y X2, as como las seales de salida
del circuito, se utiliz la tarjeta de adquisicin de datos National Instruments PCI 6025E
para realizar las mediciones (ver ANEXO B). Las siguientes grficas experimentales
muestran lo expuesto en las lneas anteriores.
36
2.9.- CONTROL EN UNA RED NEURONAL CELULAR
Figura 2.20.- Grfica de los estados X1 y X2, as como de las salidas Y1 y Y2 de la Red
Neuronal Celular.
37
CAPTULO 2.- REDES NEURONALES
El Profesor Leon O. Chua en sus diversos artculos relacionados con las RNC ha
utilizado estas redes para resolver problemas que en su mayora se enfocan al
procesamiento de imgenes [9]. Para este fin se introduce a la red la imagen a ser
procesada, la cual es una matriz numrica o cloning templates, como la llama el autor. l
asume que para valores de la matriz de -1 corresponde al color blanco, valores de 1
corresponde al color negro y para los valores que estn entre -1 y 1 corresponde una escala
de grises [9]. El operador de control B lo utiliza de forma que puede lograr diferentes
objetivos para un problema en particular asignando coeficientes especficos en la matriz del
operador B. Tales problemas prcticos pueden ser los siguientes:
9 Filtrado de imgenes.
9 Sombreado de imgenes.
9 Deteccin de movimiento de un objeto en especfico [9].
Por otra parte, el Doctor Paolo Arena y el profesor Luigi Fortuna desarrollaron un
nuevo enfoque y nuevas arquitecturas para el control de la locomocin en dispositivos
mecnicos, todo esto basado en RNC [46] [47].
Utilizando RNC pudieron crear patrones de caminar para emular el andar de insectos de
varias patas, tales como los cuadrpedos y hexpodos. Para crear el patrn de caminar slo
es necesario hacer uso del operador de retroalimentacin A, o lo que es lo mismo, de los
parmetros , s e i12 de la Ec. 2.12. Bajo la explicacin anterior, el robot de varias patas se
desplazara en lnea recta y nicamente en una direccin. Pero como lograr que el robot
cambie su direccin al momento de desplazarse? La respuesta se encuentra en el operador
de control (B) de las redes neuronales celulares.
Figura 2.21.- Inhibicin de las oscilaciones de una clula al momento de que el sensor de
distancia entra en operacin por la presencia de un obstculo.
38
2.10.- OBSERVACIONES IMPORTANTES ACERCA DE LAS RNC
Otra variante de este mismo control del hexpodo se presenta al colocar sensores en
cada una de las patas, los cuales indican si la pata est o no apoyada sobre el suelo [2]. Esto
con la finalidad de que el robot se pueda desplazar por terrenos irregulares.
Las seales generadas por las clulas de una neurona (estados y salidas) son oscilantes y
stas son una excelente alternativa como generador de patrones oscilatorios en diversos
problemas tales como la locomocin de robots de mltiples extremidades, el caminar
bpedo como tal, el movimiento rtmico de un brazo, etc. Cabe resaltar que para los
ejemplos anteriores, stos se encuentran en constante funcionamiento (caminar de un
hexpodo, caminar de un bpedo, brazada de una extremidad superior, etc.) y describiendo
al mismo tiempo un patrn oscilatorio.
Otro motivo por el cual el uso de las RNC no son aptas para el control del caso
particular de estudio se sustenta en las grficas del ANEXO A referentes al
comportamiento dinmico de los estados y salidas de la red ante diferentes valores de
simulacin de los parmetros , s e i1,2, los cuales al variarlos numricamente, stos
impactan en la amplitud de la seal, la frecuencia y el ciclo lmite. Se observa del conjunto
de grficas que las frecuencias alcanzadas por esta red son demasiado bajas, del orden de
fracciones de hertz. Esto es una limitante muy importante ya que el sistema de pndulo
invertido presenta un comportamiento dinmico muy rpido. Por otra parte, el modelo de la
RNC nos indica muy claramente su comportamiento dinmico, pero no es evidente el
impacto que tienen los parmetros en relacin al ngulo de desfasamiento. Esta es otra
limitante al momento de querer utilizar dichas seales como seales de control. Por ltimo,
debemos de observar las formas de onda de las salidas de la red neuronal celular, ya que
conforme los parmetros cambian, stas presentan una dinmica relativamente distinta para
ciertos casos (vase Figura A.2 y Figura A.3 del ANEXO A).
39
CAPTULO 2.- REDES NEURONALES
Todos los circuitos BEAM se basan en lo que llamaremos una Neurona. Esta neurona
es similar, pero no exactamente, a una neurona como la que se puede encontrar en un
sistema biolgico. Una Neurona Nerviosa (Nv) BEAM consiste en un pulso de electricidad
desfasado en tiempo que se puede usar como un transmisor de informacin en un sistema
BEAM. El circuito bsico de una neurona Nv que funciona como un generador de pulsos
fue diseado por Mark Tilden y es el que se muestra en la Figura 2.22 [11] [51].
Esta neurona generadora se denomina Core. El circuito est compuesto por un resistor, un
capacitor y un inversor. El circuito RC establece el pulso y la frecuencia del circuito. El
inversor invierte el voltaje que pasa a travs de l. Se denota como Vth el cual indica el
umbral de la tensin de inversor (alto a bajo ). Despus de un tiempo t1 = RC ln (Vin / Vth ) , la
salida va a pasar a alto. Las salidas de estos elementos son seales oscilatorias de voltaje de
onda cuadrada que se pueden utilizar para manejar un motor (Figura 2.23). Es necesario
tomar en cuenta que t1 es proporcional a la constante de tiempo = RC . Dado que la
capacitancia C suele ser siempre la misma, la resistencia es el parmetro que controla el
tiempo de duracin de la seal [11].
De la Figura 2.23 se observa que la salida de una neurona Nv no puede ser negativa, ya que
la compuerta inversora slo maneja voltajes de 0 y 5 volts. Por lo tanto se necesitan dos
neuronas Nv para conducir un nico motor hacia adelante y hacia atrs. Las salidas de las
dos neuronas se conectan (a travs de buffers) a las entradas de un motor y la diferencia de
tensin causa que el motor gire en una direccin. Cuando la diferencia de tensin se
invierte, la direccin en que gira el motor tambin se invierte. La forma de las seales de
entrada da como resultado el movimiento del motor y por lo tanto (para el caso de un
hexpodo) el movimiento de las piernas hacia adelante y hacia atrs en un ritmo que est
determinado a la vez por la seales y por los tiempos de duracin de los elementos que
intervienen en el control del motor.
40
2.11.- REDES NEURONALES NERVIOSAS
total = 1 + 2
en donde:
i = Ri Ci
Donde i= 1,2
(2.15)
9 Las redes de neuronas Nv generan ondas oscilantes cuadradas que van desde 0 a 5
volts.
41
CAPTULO 2.- REDES NEURONALES
Dadas las caractersticas anteriores, es posible obtener un voltaje promedio (Figura 2.25), el
cual puede ser utilizado como seal de error.
Figura 2.25.- Ejemplos de seales oscilantes con ciclos de trabajo diferentes, as como el
voltaje promedio que resulta en cada una de ellas.
42
Captulo 3
El pndulo invertido
En la seccin 3.3 se presenta una descripcin del pndulo invertido. Dicha sistema se
encuentra fsicamente en el laboratorio de control automtico del rea de electrnica del
CENIDET. Finalmente en la seccin 3.6 se realiza la validacin experimental de la
maqueta del pndulo invertido.
El pndulo invertido consiste en una masa sostenida al extremo de una varilla, la cual
gira libremente por uno de sus extremos mediante una articulacin, la varilla est situada
sobre un carro que se mueve sobre una gua rectilnea horizontal bajo la accin de una
fuerza F, que es la accin de control con la que se pretende actuar sobre la posicin de la
varilla (Figura 3.1). Debido a que la aceleracin del brazo no puede ser controlada
directamente, el pndulo invertido se dice que es un sistema subactuado.
43
CAPTULO 3.- EL PNDULO INVERTIDO
44
3.2.- MODELO DEL PNDULO INVERTIDO SOBRE CARRO
d T T V
+ = Qnci , i = 1, 2,..., n
dt qi qi qi
(3.1)
Donde:
T = energa cintica
V = energa potencial
Qnci = fuerzas no-conservativas generalizadas
n = nmero total de coordenadas generalizadas independientes.
q1 = (ngulo de la varilla)
q2 = x (posicin del carro)
1 2 1
T= mvc + I c 2
2 2
(3.2)
Donde:
45
CAPTULO 3.- EL PNDULO INVERTIDO
L L
y2 = x + sin y2 = x + cos
2 2
L L
z2 = cos z2 = sin
2 2
1
T3 = mc ( y12 + z12 )
2
(3.5)
y1 = x + L sin y1 = x + L cos
z1 = L cos z1 = L sin
1 1 1
2 2
1 L L
T = Mx + m x + cos + sin + mL2 2 +
2
2
2 2 2
2 12
1
+ mc
2 (( x + L cos ) + ( L sin ) )
2 2
(3.6)
1 1 L 2
L 2
1
T= Mx 2 + m x 2 + Lx cos + 2 cos 2 + 2 sin 2 + mL2 2 +
2 2 4 4 24
1
(
+ mc x 2 + 2 Lx cos + L2 2 cos 2 + L2 2 sin 2
2
)
(3.7)
1 1 1 1 1 1
T= Mx 2 + mx 2 + mLx cos + mL2 2 + mc x 2 + mc Lx cos + mc L2 2
2 2 2 6 2 2
(3.8)
V = mgz2 + mc gz1
L
V = mg cos + mc gL cos
2
(3.9)
Qnc1 = b
Qnc 2 = bx x + f (t )
(3.10)
46
3.2.- MODELO DEL PNDULO INVERTIDO SOBRE CARRO
T 1 1
= mxL cos + mL2 + mc xL cos + mc L2
2 3
d T 1 1 2
dt 2
( )3
( )
= mL x ( sin ) + cos x + mL + mc L x ( sin ) + cos x + mc L
2
d T 1 1 1 2
= mLx sin + mLx cos + mL mc Lx sin + mc Lx cos + mc L
2
dt 2 2 3
(3.11)
T 1
= mxL sin mc xL sin
2
(3.12)
V L
= mg sin mc gL sin
2
(3.13)
d T T V
+ = Qnc1
dt
1 1 1
mLx sin + mLx cos + mL2 mc Lx sin + mc Lx cos + mc L2 + ...
2 2 3
1 L
... + mxL sin + mc xL sin mg sin mc gL sin = b
2 2
1 1 L
mLx cos + mL2 + mc Lx cos + mc L2 mg sin mc gL sin = b
2 3 2
I p + mo Lx cos mo gL sin = b
(3.14)
1 m
Donde I p = mL2 + mc L2 mo = + mc
3 2
T 1
= Mx + mx + mL cos + mc x + mc L cos
x 2
47
CAPTULO 3.- EL PNDULO INVERTIDO
d T 1
dt x
( ) (
= Mx + mx + mL ( sin ) + cos + mc x + mc L ( sin ) + cos
2
)
d T 1 1
= Mx + mx mL sin + mL cos + mc x mc L sin + mc L cos
2 2
dt x 2 2
(3.15)
T V
=0 =0
x x
(3.16)
d T T V
+ = Qnc 2
dt x x x
1 1
Mx + mx mL 2 sin + mL cos + mc x mc L 2 sin + mc L cos = f bx x
2 2
( M + m + mc ) x + 1
1
m + mc L cos m + mc L 2 sin = f bx x
2 2
mt x + mo L cos mo L 2 sin = f bx x
(3.17)
m
Donde mt = M + m + mc mo = + mc
2
I p + mo Lx cos mo gL sin = b
mt x + mo L cos mo L 2 sin = f bx x
(3.18)
1 m
Donde I p = mL2 + mc L2 mt = M + m + mc mo = + mc
3 2
48
3.3.- LA MAQUETA DE PNDULO INVERTIDO BYTRONIC
pndulo invertido y la otra como una gra viajera. Para este trabajo de tesis nicamente se
utilizar la maqueta en la modalidad de pndulo invertido.
El mecanismo del pndulo consiste en un carro que soporta una varilla y una masa
montada sobre un pivote el cual es movido a lo largo de un riel de 500 mm mediante un
servo-motor y una banda dentada (Figura 3.4). El motor tiene un tacmetro integral. La
posicin del carro y la posicin de la varilla son medidas mediante potencimetros. El
mdulo del mecanismo del pndulo contiene su propia fuente de poder y su propio
amplificador para el servo-motor [5].
49
CAPTULO 3.- EL PNDULO INVERTIDO
9 Conectar con un conector tipo banana el set-point a la entrada del amplificador del
servo-motor, tal y como se muestra en la Figura 3.6.
9 Encender la maqueta.
50
3.4.- PUESTA EN MARCHA DE LA MAQUETA BYTRONIC
51
CAPTULO 3.- EL PNDULO INVERTIDO
Algo que se debe notar es que el recorrido en del carro en ambos finales del riel estn
limitados elctricamente, con esto se asegura que no habr golpes en los extremos del riel.
52
3.5.- SUBSISTEMA DEL CARRO Y VARILLA
Figura 3.8.- Grficas de la posicin del la varilla con respecto a la vertical y la posicin
del carro a lo largo del riel respectivamente.
De las grficas de la figura 3.8 cabe hacer mencin que sus magnitudes se encuentran
expresadas en volts, lo que se traduce en un ngulo en radianes (posicin de la varilla) y
una longitud en metros (posicin del carro). La seal de voltaje, en el caso de la varilla, se
encuentra en el intervalo de -1.746 v a +1.746v que corresponden a -0.61086 rad (-34.99)
a 0.61086 rad (-34.99) respectivamente; en el caso de la posicin del carro, este se
encuentra en el intervalo de los -10v a 10v para -25cm a +25cm respectivamente.
53
CAPTULO 3.- EL PNDULO INVERTIDO
Los parmetros antes citados pueden encontrarse en [35]. Aunado a esta informacin,
en el ANEXO D se puede localizar ms especificaciones en relacin a la maqueta de
pndulo invertido utilizada.
El modelo del sistema puede ser deducido utilizando los siguientes parmetros.
Figura 3.9.- (a).-Diagrama esquemtico del subsistema del servo (b).-Imagen del esquema
del subsistema del servo dibujado en la consola de control.
54
3.6.- VALIDACIN EXPERIMENTAL DEL SUBSISTEMA DE SERVO
La Figura 3.9 muestra el diagrama a bloques del subsistema de servo. Los niveles de
saturacin de los amplificadores son 15 y 20 V, respectivamente. u es la entrada de
referencia de posicin del servo controlador, la cual ser la seal de control de todo el
sistema. Los bloques que se encuentran dentro del recuadro azul corresponden al modelo
del servo-motor. El servo-motor cuenta con un control Proporcional- Derivativo (PD), para
lo cual el control Proporcional y el control Derivativo se efectan a partir de las variables
de posicin y de velocidad del servo-motor respectivamente. Es importante mencionar que
el control de posicin del servo-motor no puede ser omitido fsicamente, es decir, no se
puede tener acceso directo a las terminales elctricas del servo motor.
f = Au + Bx + Cx + Dx
(3.13)
km PPS PS Pkm k x km kv Bm PS km K D kw J
Donde A= B= C= D=
rRa rRa r 2 Ra r 2 rRa r2
55
CAPTULO 3.- EL PNDULO INVERTIDO
Figura 3.11.- Grficas para la validacin del modelo del subsistema de servo. Dichas
grficas presentan tanto la seal de posicin simulada, as como la seal de posicin real
la cual es medida a travs de una tarjeta de adquisicin de datos.
Para lograr este fin se requiri enviar y leer seales a la consola de control con una
tarjeta de adquisicin de datos a travs de una computadora de escritorio.
56
3.7.- IMPLEMENTACIN EN SIMULACIN DEL CONTROL PD
Figura 3.12.- Diagrama a bloques del control PD para el pndulo invertido implementado
en Simulink.
El diseo de este control se realiz a prueba y error, variando las ganancias tanto
proporcional como derivativa hasta obtener un buen desempeo en la respuesta transitoria
de las variables de posicin del carro y ngulo de la varilla con respecto a la vertical. Las
ganancias que se obtuvieron fueron las siguientes.
Las grficas de posicin del carro, as como del ngulo de la varilla con respecto a la
vertical se muestran en la Figura 3.13. La simulacin se efectu tomando en cuenta
condicin inicial 0 m para el carro y 0.1 rad para el ngulo de la varilla.
57
CAPTULO 3.- EL PNDULO INVERTIDO
Figura 3.13.- Grficas del la posicin del carro y el ngulo de la varilla con respecto a la
vertical.
De las grficas anteriores se puede observar que para la posicin del carro el tiempo de
asentamiento al 5% es de 3.512 seg, no existiendo sobre impulso; mientras que para el
ngulo de la varilla el tiempo se asentamiento al 5% es de 0.442 seg, existiendo un sobre
impulso del 4.2%.
58
Captulo 4
Controlador de pndulo invertido basado en RNA
59
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
Cuando la varilla del pndulo est a 0 con respecto a la vertical, el cursor del
potencimetro estar justo en el centro, teniendo que R1 y R2 son del mismo valor. Por lo
tanto el ciclo de trabajo estar al 50% en ambas seales [24] [25] [26].
Figura 4.2.- Esquema de control para el pndulo invertido utilizando la red Bicore.
60
4.1.- APLICACIN DE LA RED NV BICORE AL CONTROL DEL PNDULO INVERTIDO
Figura 4.3.- Ejemplo de funcionamiento de la red Bicore cuando la varilla del pndulo
simple no se encuentra a 0 con respecto a la vertical.
Las seales de las salidas de la red Bicore oscilan a una frecuencia especfica [51]. Lo
que se realiz fue disear diferentes filtros pasa-bajas, los cuales se establecieron a una
frecuencia de corte aproximadamente a una dcada por debajo de la frecuencia de
oscilacin de la red. Con este filtro se logr eliminar la frecuencia fundamental y
nicamente tener a la salida del filtro la componente de corriente directa, correspondiente al
voltaje promedio (Figura 4.4).
Figura 4.4.- Obtencin del voltaje promedio de la seal oscilante a partir de un filtro
pasa-bajas.
61
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
Tomando como base el estudio de los filtros de primer y segundo orden, es el turno de
abordar los filtros de orden superior, los cuales son requeridos cuando las caractersticas de
corte de los filtros de orden inferior no son suficientemente sbitas para satisfacer las
demandas de alguna aplicacin en particular.
Hay que tomar en cuenta que el objetivo de utilizar los filtros pasa-bajas en las salidas
de la Red Nerviosa Bicore es el de eliminar la frecuencia fundamental que se generan a las
salidas de la misma y nicamente tener a la salida del filtro la componente de corriente
directa, la cual es el voltaje promedio; por lo tanto, la caracterstica de corte debe tomarse
como factor principal a considerar y sta debe ser lo ms sbita posible.
Gracias a la baja impedancia de salida de cada seccin, la carga existente entre cada una
de las etapas del filtro es virtualmente eliminada, de esta forma cada seccin puede ser
considerada como una etapa aislada de las dems y puede ser calibrada por separado si es
necesario. La modularidad de este enfoque es tambin atractivo desde un punto de vista
econmico, ya que uno puede usar algunos bloques de filtros estandarizados para disear
una amplia variedad de filtros ms complejos.
De una forma conveniente, desde el punto de vista modular, se hace referencia a una
etapa aislada completamente que proporciona una respuesta global particularmente sensible
a las variaciones paramtricas de cada etapa debido a la tolerancia de los componentes, al
envejecimiento de los mismos, etc. Esto es particularmente crtico en el caso de etapas con
62
4.2.2.-FILTROS DE ORDEN SUPERIOR
factor de calidad Q alto, donde aun una pequea variacin en un componente de una etapa
puede alterar drsticamente la respuesta completa del filtro en cascada.
Si las seales a ser rechazadas son muy cercanas en frecuencia a las que deben pasar,
las caractersticas de corte de un filtro de orden dos pueden no ser suficientemente sbitas y
los filtros de orden superior pueden ser necesarios para satisfacer la selectividad requerida.
El rango de frecuencias que pasan con poca o ninguna atenuacin debido a la accin del
filtro es llamado banda de paso. Para un filtro pasa-bajas esta banda se extiende desde la
componente de corriente directa a alguna frecuencia c llamada frecuencia de corte.
63
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
Entre la variedad de posibles respuestas, algunas han sido descubiertas para ser
considerablemente satisfactorias, y sus coeficientes han sido determinados y tabulados.
Estas incluyen a las respuestas Butterworth, Chebyshev, Elliptic y Bessel [18].
Respuesta Butterworth
1
H =
1 + ( c )
2n
(4.1)
Respuesta Chebyshev
Hay aplicaciones, como una de las que se presenta en esta tesis, en las cuales la sbita
transicin en la frecuencia de corte es ms importante que lo plano de la respuesta. Los
filtros Chebyshev maximizan la razn de corte en la banda de transicin a costa de
introducir rizo en la banda de paso (Filtro 4.7). Para un filtro dado de orden n, cuanto
mayor sea la cantidad de rizo, ms estrecha ser la banda de transicin del filtro. De esta
64
4.2.2.- FILTROS DE ORDEN SUPERIOR
65
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
Respuesta Bessel
Los filtros Bessel maximizan el tiempo de retardo de la banda de paso al igual que los
filtros Butterworth maximizan la magnitud de la banda de paso. El resultado es una
respuesta con una caracterstica de fase casi lineal dentro de la banda de paso, y una
caracterstica de magnitud ms suave en la banda de transicin. Lo anterior se ilustra en la
siguiente figura.
66
4.2.3.- DISEO DEL FILTRO PASA-BAJAS PARA LA RED NERVIOSA BICORE
Ho
H (s) =
o
s2 + s + o2
Q
(4.2)
Para el diseo del filtro pasa-bajas se utiliz la un filtro Chebyshev Tipo Icon rizo de 0.1
dB bajo una configuracin conocida como Sallen-Key. En la Figura 4.9 se puede observar
el circuito de dicha configuracin.
67
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
1
Vo R1 R2C1C2
=K
Vs C ( R + R2 ) + R1C2 (1 K ) 1
s2 + s 1 1 +
R1 R2C1C2 R1 R2C1C2
(4.3)
Comparando con la Ec. (4.3), se tiene que:
1
o =
R1 R2C1C2
(4.4)
R1 R2C1C2
Q=
C1 ( R1 + R2 ) + R1C2 (1 K )
(4.5)
K
Ho =
R1 R2C1C2
(4.6)
1
o =
RC ab
(4.7)
ab
Q=
a + 1 + ab (1 K )
(4.8)
68
4.2.4.- PROCEDIMIENTO DE DISEO
Debe notarse que en este caso, si la ganancia se escoge de valor tal que:
a +1
K = 1+
ab
(4.9)
2
1 1 4Q 2 ( 2 K )
a=
2Q ( 2 K )
(4.10)
Debe notarse que existen valores de ganancia para los cuales se obtiene un resultado
complejo, el que claramente no tiene significado fsico. Por lo tanto, la ganancia del bloque
amplificador debe cumplir con la siguiente especificacin.
1
K > 2
4Q 2
(4.11)
a).- Especificar el tipo de respuesta, el orden del filtro y la frecuencia de corte c deseada
(para la aproximacin Chebyshev Tipo I, especificar la frecuencia a la cual la ganancia
abandona la banda de rizo). A partir de las tablas determinar los valores de n y Qn (Tabla
4.1).
b).- Determinar la ganancia mnima para cada una de las secciones, utilizando la ecuacin
(4.11). Seleccionar una ganancia acorde con el resultado o, en caso de que la ganancia sea
un parmetro de diseo, verificar que es de valor adecuado. Calcular los valores de las
resistencias de determinacin de la ganancia.
d).- Especificar un valor arbitrario, pero razonable, para los capacitores C1 y C2.
69
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
1
R2 =
cnC a
n 1 Q1 2 Q2 3 Q3 4 Q4
2 1.820 0.767
3 1.300 1.341 0.969 --------
4 1.153 2.183 0.789 0.619
5 1.093 3.282 0.797 0.915 0.539 --------
6 1.063 4.633 0.834 1.332 0.513 0.599
7 1.045 6.233 0.868 1.847 0.575 0.846 0.377 --------
8 1.034 8.082 0.894 2.453 0.645 1.183 0.382 0.593
Para obtener una mejor respuesta en la seal filtrada se opt por implementar un filtro
Sallen-Key de tercer orden. Para logar este cometido nicamente se aadi un filtro RC de
primer orden al filtro de orden dos.
Vo 1
=
Vs sCP RP + 1
70
4.2.5.- FILTRO DE TERCER ORDEN
1
RP =
cnCP
Para facilitar el clculo de los valores de los componentes del filtro en relacin a la
frecuencia de corte deseada se realiz un programa en el editor de MatLab, as como
tambin una simulacin en Simulink para verificar la respuesta del filtro antes de llevarlo a
la implementacin prctica. Lo anterior de muestra en detalle en el ANEXO F.
71
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
-20
-20
Magnitude (dB)
Magnitude (dB)
-40
-40
-60
-60
-80
-80
-100
-100 -120
3 4 5 6 7 3 4 5 6 7
10 10 10 10 10 10 10 10 10 10
Frequency (rad/sec) Frequency (rad/sec)
Figura 4.12.- Diagramas de Bode de los filtros pasa-bajas. fc= 20 KHz = 1.26x105 rad/seg
(izquierda) fc = 10 KHz = 6.32 x104 rad/seg (derecha).
-20
-20
Magnitude (dB)
Magnitude (dB)
-40
-40
-60
-60
-80
-80
-100
-100 -120
2 3 4 5 6 1 2 3 4 5
10 10 10 10 10 10 10 10 10 10
Frequency (rad/sec) Frequency (rad/sec)
Figura 4.13.- Diagramas de Bode de los filtros pasa-bajas. fc= 2 KHz = 1.26x104 rad/seg
(izquierda) fc = 100 Hz = 628 rad/seg (derecha).
72
4.3.- IMPLEMENTACIN PRCTICA DEL CONTROLADOR NEURONAL ANALGICO
9 La variable de inters, que en este caso es al ngulo que guarda la varilla del pndulo
con respecto a la vertical, fue controlada slo por un breve instante de tiempo. El
pndulo invertido se mantuvo en una vertical, donde los errores en el ngulo eran
mnimos. Dichos errores en estado estable de la variable controlada, causaban que el
controlador neuronal analgico generara una seal de control de una magnitud similar
a la del error, es decir, una seal pequea de control.
9 Esta seal pasa por la etapa de potencia del servo-motor y tiene como objetivo final el
de mover el carro que soporta el pndulo invertido. El resultado que se obtuvo fue que
dicha seal de control mova lentamente al pndulo invertido hacia uno de los dos
entremos del riel, con el objetivo de corregir el error en el ngulo de la varilla; despus
de unos cuantos segundos, el pndulo invertido alcanz un extremo del riel para
finalmente caer, quedando anulada de esta manera toda accin de control. Pero, A
que se debi este comportamiento?
Para corregir el problema de la posicin del pndulo sobre el riel y evitar que la accin
de control de la Red Nerviosa Bicore llegara a su fin en uno de los extremos del recorrido,
se incorpor un controlador Proporcional Derivativo como se muestra a continuacin en la
siguiente figura.
73
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
Se opt por el control PD debido a que se pretende que el sistema se anticipe al error, es
decir, se quiere que el carro se mantenga en una referencia especfica, la cual para este caso
es el centro del riel.
Controlador Proporcional-Derivativo.
de(t )
u (t ) = K p e(t ) + K pTd
dt
(4.12)
y la funcin de transferencia es
Eo ( s)
= K p (1 + Td s )
Ei ( s)
(4.13)
74
4.3.- IMPLEMENTACIN PRCTICA DEL CONTROLADOR NEURONAL ANALGICO
Eo ( s) R4 R2
= ( R1C1s + 1)
Ei ( s) R3 R1
(4.14)
R4 R2 R4 R2
Kp = Td = R1C1 Kd = R1C1
R3 R1 R3 R1
R2
Kp = Td = R1C1 K d = R2C1
R1
(4.15)
75
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
Los valores de las resistencias y el capacitor para el controlador PD fueron los siguientes.
R1 = 9 K R2 = 50 K
R3 = 1K R4 = 1K
C1 = 220 F
R2 50 K
Kp = = = 5.55556
R1 9 K
K d = R2C1 = 50 K * 220 F = 11
(4.16)
Para que la perturbacin fuera en todos los casos aproximadamente la misma se opt
por implementar una forma de aplicar un disturbio de igual magnitud en todos los casos. La
implementacin que se efectu se muestra en la siguiente ilustracin.
76
4.3.2.- DISEO DE EXPERIMENTOS
Las fuerzas que actan sobre la partcula de masa m son dos: una fuerza vertical, el peso
mg y la accin del hilo, una fuerza T en la direccin radial. Descomponemos el peso en la
accin simultnea de dos componentes (Figura 4.17)
77
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
La masa del pndulo simple que se utiliz fue de 48gr y ste fue soltado para generar
perturbaciones a 35 y a 45 grados; por lo tanto, las fuerzas tangenciales aplicadas fueron las
siguientes:
m
Ft1 = mg *sin = (48 g ) *(9.81 m s 2 ) *sin(35) = 0.27 N = 270.08 g
s2
m
Ft 2 = mg *sin = (48 g ) *(9.81 m s 2 ) *sin(45) = 0.332 N = 332.96 g
s2
78
4.4.- RESULTADOS EXPERIMENTALES
1 + Ts
Gc = K c
1 + Ts
(4.17)
Donde K c = 10, T = 0.1, = 0.1 Estos fueron los valores del compensador en adelanto
y con el cual se realizaron las pruebas prcticas.
2
ngulo ()
-2
-4
-6
0 5 10 15 20 25 30
Tiempo (seg)
De la figura anterior se puede observar que hasta antes del segundo doce, que es
aproximadamente el instante donde se present la perturbacin, el ngulo oscila en un
intervalo de 1.5, presenta un sobre impulso mximo de 5 y tarda aproximadamente dos
ciclos en alcanzar de nueva cuenta su estado estable.
79
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
Posicin del pndulo invertido sobre el riel << Compensador en adelanto >>
20
15
10
Longitud (cm)
0
-5
-10
-15
-20
0 5 10 15 20 25 30
Tiempo (seg)
Al igual que el ngulo de la varilla con respecto a la vertical, la grfica de posicin del
pndulo sobre el riel en la figura anterior oscila en estado estable alrededor de 2 cm.,
teniendo un sobre tiro mximo de -5 cm. aproximadamente.
10
5
Amplitud (volts)
-5
-10
0 5 10 15 20 25 30
Tiempo (seg)
Ahora se le aplic una perturbacin al pndulo invertido liberando el pndulo simple a 45.
80
4.4.- RESULTADOS EXPERIMENTALES
ngulo ()
0
-2
-4
-6
0 5 10 15 20 25 30
Tiempo (seg)
Posicin del pndulo invertido sobre el riel << Compensador en adelanto >>
20
15
10
5
Longitud (cm)
-5
-10
-15
-20
0 5 10 15 20 25 30
Tiempo (seg)
81
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
10
Amplitud (volts)
0
-5
-10
0 5 10 15 20 25 30
Tiempo (seg)
2.5
Amplitud (volts)
1.5
0.5
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (seg) -6
x 10
Figura 4.24.-Oscilacin de la neurona Bicore y Vmed (fosc=485 KHz C=175 pF).
82
4.4.- RESULTADOS EXPERIMENTALES
En la grfica anterior se muestra la oscilacin generada por una de las salidas de la Red
Nerviosa Bicore, la cual se encuentra indicada en color azul. En color verde se aprecia el
voltaje promedio, resultado de haber filtrado la seal oscilante.
System: sysT
0
Frequency (rad/sec): 1.26e+004
Magnitude (dB): 9.42
-20
Magnitude (dB)
-40
-60
-80
-100
2 3 4 5 6
10 10 10 10 10
Frequency (rad/sec)
ngulo de la varilla con respecto a la vertical << f=485 KHz fc=2 KHz >>
2
ngulo ()
-2
-4
-6
0 5 10 15 20 25 30
Tiempo (seg)
Figura 4.26.-ngulo de la varilla con respecto a la vertical (fosc=485 KHz fc=2 KHz).
83
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
Al hacer una comparativa entre la respuesta del controlador clsico y la del controlador
neuronal analgico, se observa que el ngulo en ste ltimo (Figura 4.26) oscila alrededor
de 0.5 y el mximo sobreimpulso es de aproximadamente -3, presentando un mejor
desempeo el controlar neuronal analgico en relacin al controlador clsico.
Posicin del pndulo invertido sobre el riel << f=485 KHz fc=2 KHz >>
20
15
10
5
Longitud (cm)
-5
-10
-15
-20
0 5 10 15 20 25 30
Tiempo (seg)
Figura 4.27.-Posicin del pndulo invertido sobre el riel (fosc=485 KHz fc=2 KHz).
La posicin del pndulo invertido a lo largo del riel, en el caso de la grfica anterior,
presenta una oscilacin en estado estable, pero el intervalo de magnitud de sta se
encuentra en 1 cm, lo que significa que es mejor el desempeo en relacin con el
compensador en adelanto. No obstante al momento de que se presenta la perturbacin el
mximo sobre tiro de la posicin es de casi el doble en relacin al obtenido mediante la
puesta en prctica del controlador clsico.
Seal de control de la red Bicore << f=485 KHz fc=2 KHz >>
10
5
Amplitud (volts)
-5
-10
0 5 10 15 20 25 30
Tiempo (seg)
84
4.4.- RESULTADOS EXPERIMENTALES
2.5
Amplitud (volts)
1.5
0.5
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (seg) -6
x 10
0 System: sysT
Frequency (rad/sec): 628
Magnitude (dB): 9.43
-20
Magnitude (dB)
-40
-60
-80
-100
-120
1 2 3 4 5
10 10 10 10 10
Frequency (rad/sec)
85
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
La respuesta en frecuencia del filtro Chebyshev Tipo I pasa-bajas con una frecuencia de
corte de 100 Hz se muestra en la Figura 4.30.
El ngulo que guarda la varilla con respecto a la vertical, atendiendo a una frecuencia
de oscilacin por parte de la Red Nerviosa Bicore y a una frecuencia de corte del filtro
pasa-bajas, se ilustra grficamente en la siguiente figura.
ngulo de la varilla con respecto a la vertical << f=615 KHz fc=100 Hz >>
2
ngulo ()
-2
-4
-6
0 5 10 15 20 25 30
Tiempo (seg)
Figura 4.31.-ngulo de la varilla con respecto a la vertical (fosc=615 KHz fc=100 Hz).
Posicin del pndulo invertido sobre el riel << f=615 KHz fc=100 Hz >>
20
15
10
5
Longitud (cm)
-5
-10
-15
-20
0 5 10 15 20 25 30
Tiempo (seg)
Figura 4.32.-Posicin del pndulo invertido sobre el riel (fosc=615 KHz fc=100 Hz).
86
4.4.- RESULTADOS EXPERIMENTALES
Se puede apreciar que esta variable oscila durante perodos de tiempo muy cortos, lo
cual se refleja a nivel prctico en una constante vibracin del pndulo invertido. El mximo
sobretiro que experimenta la variable es de 10 cm aproximadamente y teniendo un tiempo
de establecimiento de alrededor de 10 seg, lo cual es una respuesta lenta en comparacin a
los ejemplos citados con anterioridad.
10
5
Amplitud (volts)
-5
-10
0 5 10 15 20 25 30
Tiempo (seg)
Las siguientes tablas muestran una sntesis de las grficas presentadas hasta este punto
del documento de tesis correspondientes al ngulo de la varilla con respecto a la vertical y
al la posicin de carro sobre el riel.
Sobreimpulso
Tiempo de
Estable
Max.
87
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
Tabla 4.3.- Sntesis de resultados experimentales en relacin a la posicin del carro (x).
establecimiento
Valor en Edo.
Sobreimpulso
Tiempo de
Estable
Max.
Compensador 2.4 cm 5 cm 2.4 seg
Mejor caso RNA 0.7 cm 9.3 cm 4.4 seg
Peor caso RNA 0.7 cm 10 cm 10 seg
Se analizaron los ndices de comportamiento IAE (Integral del valor absoluto del error),
ITAE (Integral del valor absoluto del error ponderado en el tiempo) y el ISE (Integral del error
cuadrtico). Adems se obtuvo el error medio (emedio), la desviacin estndar (Se), as como los
errores mximos y mnimos de las seales (emax, emin). Los datos fueron calculados a partir de
un programa realizado en el editor de MatLab el cual puede consultarse en el ANEXO H.
88
4.5.- ANLISIS DE RESULTADOS
Ntese que al momento de realizar el anlisis comparativo, se tiene que tomar como
referencia los datos derivados del compensador en adelanto.
De los datos que proporciona la Tabla 4.4 se pueden distinguir bsicamente los mejores
y los peores casos. En relacin a los mejores casos, los controladores con frecuencia de
corte de 2 KHz mantienen la mayora de los ndices de comportamiento por debajo de los
valores de referencia, es decir, por debajo de los ndices de comportamiento obtenidos del
compensador en adelanto. Por otra parte, si se observan ahora los controladores cuyas
frecuencias de corte son de 100 Hz podemos apreciar que los indicadores numricos estn,
en la mayora de los casos, muy por encima de los valores de referencia. Este grupo de
controladores corresponde al de menor desempeo.
La Tabla 4.5 muestra los esfuerzos de control, tanto mnimos como mximos, de cada
uno de los controladores implementados.
89
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
esfuerzomax esfuerzomin
Compensador en adelanto 2.2232 0.0167
fosc= 615 Khz fc= 20 KHz 6.1295 0.0132
fosc= 545 Khz fc= 20 Khz 3.5947 0.0029
fosc= 485 Khz fc= 20 KHz 4.3570 0.0029
fosc= 400 Khz fc= 20 KHz 4.0095 0.0073
fosc= 92 Khz fc= 20 KHz 3.6517 0.0029
fosc= 615 Khz fc= 10 KHz 5.9616 0.0175
fosc= 545 Khz fc= 10 KHz 10.6120 0.0234
fosc= 485 Khz fc= 10 KHz 10.6120 0.0175
fosc= 400 Khz fc= 10 KHz 8.2043 0.0175
fosc= 92 Khz fc= 10 KHz 8.9052 0.0234
fosc= 615 Khz fc= 2 KHz 6.0229 0.0073
fosc= 545 Khz fc= 2 KHz 2.6092 0.0029
fosc= 485 Khz fc= 2 KHz 5.3484 0.0073
fosc= 400 Khz fc= 2 KHz 4.0401 0.0073
fosc= 92 Khz fc= 2 KHz 2.6705 0.0029
fosc= 615 Khz fc= 100 Hz 9.9418 0.0073
fosc= 545 Khz fc= 100 Hz 9.7578 0.0482
fosc= 485 Khz fc= 100 Hz 8.2919 0.0073
fosc= 400 Khz fc= 100 Hz 10.6120 0.0336
fosc= 92 Khz fc= 100 Hz 10.6120 0.0336
En relacin a los esfuerzos de control se puede observar de la Tabla 4.5 que para los
controladores con mejor desempeo (controladores con fc = 2 KHz), los esfuerzos de
control estuvieron muy cercanos a la referencia comparativa, pero en ninguno de los casos
estuvo por debajo.
90
4.6.- CONCLUSIONES PREVIAS
91
CAPTULO 4.- CONTROLADOR DE PNDULO INVERTIDO BASADO EN RNA
92
Captulo 5
Conclusiones y trabajos futuros
5.1.- Conclusiones
En este tema de tesis se estudi y dise un controlador basado en Redes Neuronales
Analgicas, el cual fue aplicado para resolver el problema de control del pndulo invertido
tipo carro.
En una primera etapa de este trabajo se investig acerca del funcionamiento de las
Redes Neuronales Celulares y despus de diversas observaciones en relacin a su
funcionamiento y a las seales que proporciona se lleg a la conclusin de que las Redes
Neuronales Celulares no son como tal las ms adecuadas en la solucin del problema de
control del pndulo debido a la naturaleza oscilatoria de las seales. stas son aplicables
principalmente en la solucin de problemas de control relacionados con la generacin de
patrones oscilatorios, tales como la locomocin de robots de mltiples extremidades, el
caminar bpedo, el movimiento rtmico de un brazo, etc.
No obstante que el arreglo de las RNC no es lo ms adecuado para ser empleado como
un controlador para el caso del estudio abordado, de ste se deriv una configuracin
llamada Red Nerviosa Bicore, la cual posee ciertas de las caractersticas de la RNC aunado
a otras nuevas las cuales en conjunto hicieron posible la implementacin del controlador
neuronal analgico.
Para solucionar el problema de la velocidad de respuesta del filtro se opt por ver que
filtros respondan de manera ms rpida y bajo que caractersticas de diseo. Se concluye
que un filtro Chebyshev Tipo I con rizo de 0.1 dB, bajo la configuracin Sallen-Key ser el
ms adecuado para este fin. Aunado a lo anterior, los filtros activos presentan un tiempo de
establecimiento pequeo y un sobreimpulso mnimo si trabajan a frecuencias relativamente
grandes, del orden de los cientos de kilohertz; en consecuencia, la red nerviosa debe
93
CAPTULO 5.- CONCLUSIONES Y TRABAJOS FUTUROS
Otra de las variables de inters por explorar fue la posicin del pndulo a lo largo del
riel. En estado estable, sta guarda una ntima relacin con el ngulo del pndulo invertido
en relacin a su comportamiento dinmico; no obstante, al momento de presentase un
94
5.1.- CONCLUSIONES
En lo referente al esfuerzo de control que lleva a cabo la red nerviosa Bicore, ste es
mayor que el efectuado por el compensador en adelanto.
Por lo anterior, se puede concluir que el diseo y puesta en marcha de una red nerviosa
Bicore como un controlador, present un muy buen desempeo en estado estable en lo que
se refiere al ngulo que guarda el pndulo con respecto a la vertical, la posicin del pndulo
sobre el riel y la seal de control entregada; Sin embargo, el controlador neuronal analgico
es superado significativamente por el controlador clsico al momento se sobreponerse a
perturbaciones.
Red Nerviosa Bicore aplicada a la posicin del pndulo invertido sobre el riel. En
este trabajo de tesis, el control de posicin del pndulo a lo largo del riel fue realizado por
un controlador PD siendo este parte del controlador neuronal analgico. La utilizacin de
una Red Nerviosa Bicore en vez del controlador proporcional-derivativo es un trabajo a
futuro que permitir estudiar el efecto global que tiene el controlador neuronal analgico
sobre el control del pndulo invertido tipo carro.
95
CAPTULO 5.- CONCLUSIONES Y TRABAJOS FUTUROS
controlador neuronal analgico a este otro tipo de pndulo invertido con la finalidad de
estudiar su comportamiento y al mismo tiempo corroborar su potencialidad a la hora se ser
implementado como controlador en diferentes sistemas.
96
Bibliografa
[1] Arena, P.; Fortuna, L. Analog Cellular Locomotion Control of Hexapod Robots
IEEE Control Systems Magazine, 2002. pp 21-36
[2] Arena, P.; Fortuna, L.; Frasca, M. Bio-Inspired Emergent Control of Locomotion
Systems World Scientific Series on Nonlinear Science, Series A, Vol. 48, 2004.
[7] Carla Alves Pinto, Martin Golubitsky "Central Pattern Generators for Bipedal
Locomotion" Journal of Mathematical Biology, 2006. pp. 474-489
[8] Chua, L.O.; Yang, L.; Cellular neural networks: applications Circuits and
Systems, IEEE Transactions on. 1988. pp. 1273 - 1290
[9] Chua, L.O.; Yang, L. "Cellular neural networks: theory" Circuits and Systems,
IEEE Transactions on, 1998. pp. 1257-1272
[10] Chua L.O., Lin Yang "Cellular Neural Networks" United States Patent, Patent
Number: 5140670, 1992
[11] Dongrui Wu; Woei Wan Tan; Prahlad Vadakkepat; A Comparison of Several
Hardware-Realized Central Pattern Generators (CPGs) Department of Electrical and
Computer Engineering, National University of Singapore
[12] Emilio Soria, Antonio Blanco Redes Neuronales Artificiales Autores cientfico-
tcnicos acadmicos, 2001.
[13] Eugene M. Izhikevich "Wich model to use for cortical Spiking Neurons ?" IEEE
Transactions on Neural Networks, 2004. pp. 1063-1070
97
BIBLIOGRAFA
[14] F. K. Shuuji Kajita, Kenji Kaneko, Kiyoshi Fujiwara, and K. Y. a. H. Hirukawa, "A
Realtime Pattern Generator for Biped Walking," International Conference on Robotics &
Automation, pp. 31-37, May 2002.
[15] F. K. Shuuji Kajita, Kenji Kaneko, Kiyoshi Fujiwara, Kensuke Harada, Kazuhito
Yokoi and Hirohisa Hirukawa, "Biped Walking Pattern Generation by using Preview
Control of Zero-Moment Point," ICRA, Sep 2005.
[16] Farzan Nadim and Amitabha Bose "Dynamics of Central Pattern Generating
Networks: Locus of Control" Society for Industrial and Applied Mathematics, 2007.
[17] Fierro, R.; Lewis, F.L.; Lowe, A.; Hybrid control for a class of underactuated
mechanical systems, Systems, Man and Cybernetics, Part A, IEEE Transactions on
Volume 29, 1999. pp 649 654.
[18] Franco Sergio, Design with Operational Amplifiers and Analog Integrated
Circuits Mc. Graw-Hill, pp 146-152
[19] Grossimon, P.G.; Barbieri, E.; Drakunov, S. Sliding mode control of an inverted
pendulum. System Theory, Proceedings of the Twenty-Eighth Southeastern Symposium in
1996. pp 248 252.
[21] Hilera Jos H., Martnez Vctor J., Redes Neuronales Artificiales. Fundamentos,
modelos y aplicaciones Edit. Addison-Wesley Iberoamericana 1995.
[22] Horikawa, S.I., T. Furuhashi and Y. Uchikawa. On fuzzy modeling using neural
networks with the back propagation algorithm. IEEE Trans. Neural Networks, 1992.
[23] Iwashiro, M.; Furuta, K.; Astrom, K.J., Energy based control of pendulum,
Control Applications, 1996., Proceedings of the 1996 IEEE International Conference on
1996. pp 715 720.
[24] Jannete R. Frigo, Mark W. Tilden "Analog neural network control method proposed
for use in a backup satellite control mode" Proc. SPIE Vol. 3210, 1998. pp. 84-94
[25] Jannete R. Frigo, Mark W. Tilden A biologically inspired neural network controller
for an infrared tracking system Los Alamos National Laboratory, Proc. SPIE, 1995.
98
BIBLIOGRAFA
[29] Kazuki Nakada, Tetsuya Asai, and Yoshihito Amemiya "Design of an artificial
Central Pattern Generator with feedback controller" Intelligent Automation and Soft
Computing, Vol. 10, No. 2, 2004, pp. 185-192
[30] Lin, C.T. and C.S.G. Lee. Neural network based fuzzy logic control and decision
systems. IEEE Trans. Computers, 1992. pp 1320-1336.
[33] M. H. Raibert, Hopping in legged systems modeling and simulation for the two
dimensional one-legged case, IEEE Transactions on Syst. Man Cybernetics, 1984.
[36] Nafis, Adeel, "Fuzzy Control of Inverted Pendulum on a Cart", (IEEE), Karachi
Section Conference on "technology extravaganza", 2001
[37] Nenadic, Z.; Ghosh, B.K. "Signal processing and control problems in the brain"
Control Systems Magazine, IEEE, 2001. pp. 28-41
[39] Philip Holmes, Robert J. Full, Daniel E. Koditschek, John Guckenheimer. "The
Dynamics of Legged Locomotion: Models, Analyses, and Challenge" Society for Industrial
and Applied Mathematics, 2006. pp. 207-304.
[40] R. Lozano and I. Fantoni. Passivity based control of the inverted pendulum. In
Proceedings of the 4th IFAC Symposium on Nonlinear Control Systems Design, 1998. pp
145-150.
99
BIBLIOGRAFA
[42] Sakai, S.; Takahama, T. Learning fuzzy control rules for inverted pendulum by
simplex method. IFSA World Congress and 20th NAFIPS International Conference, 2001.
pp: 2541-2546.
[46] Takanishi, G. Naito, M. Ishida, I. Kato, Realization of plane walking by the biped
walking robot WL-10R, Robotic and Manipulator Systems, 1982. pp. 283-393
[48] Tay Sam Leng; Nah Swee Leng; Ng We Teck. Control of an inverted pendulum
using a neuro-fuzzy controller, Motion Control Proceedings, 1993., Asia-Pacific
Workshop on Advances in 1993. pp 212 217.
[50] Wellstead Peter E., Introduction to physical System Modelling, Academic Press
Ltd., 1979
[54] Z. G. Nenadic, B.K., "Signal processing and control problems in the brain," Control
Systems Magazine, IEEE, pp. 28 - 41, Aug. 2001.
[55] Zongli Lin; Saberi, A.; Gutmann, M.; Shamash, Y. Linear controller for an
inverted pendulum having restricted travel: a high-and-low gain approach. American
Control Conference, 1996. pp 2980-2984.
100
ANEXO A
Grficas de simulacin de una RNC con dos
neuronas.
0.5
Amplitud (volts)
-0.5
-1
-1.5
-2
-2.5
-3
0 10 20 30 40 50 60 70 80 90 100
Tiempo (seg)
101
ANEXO A
Amplitud (volts)
0
-1
-2
-3
0 10 20 30 40 50 60 70 80 90 100
Tiempo (seg)
0.5
0
Amplitud (volts)
-0.5
-1
-1.5
-2
-2.5
0 10 20 30 40 50 60 70 80 90 100
Tiempo (seg)
102
ANEXO A
-0.5
-1
-1.5
-2
-2.5
0 10 20 30 40 50 60 70 80 90 100
Tiempo (seg)
Figura A.4.- Salidas X1 y X2 de la RNC de dos clulas ( =0.5 y s = 1.5 i1 = -0.3 i2 = 0.3).
0.5
Amplitud (volts)
-0.5
-1
-1.5
-2
-2.5
-3
0 10 20 30 40 50 60 70 80 90 100
Tiempo (seg)
Figura A.5.- Salidas X1 y X2 de la RNC de dos clulas ( =0.5 y s = 0.9 i1 = -0.3 i2 = 0.3).
103
ANEXO A
0.5
Amplitud (volts) 0
-0.5
-1
-1.5
-2
-2.5
-3
0 10 20 30 40 50 60 70 80 90 100
Tiempo (seg)
104
ANEXO B
Instalacin y puesta en marca de la tarjeta de
adquisicin de datos.
La utilizacin de una tarjeta de adquisicin de datos fue requerida para enviar y leer
seales diversas por medio de una computadora. De esta forma se obtuvieron grficos
deseados de acuerdo a las necesidades requeridas.
Para que la simulacin del nuevo documento creado en Simulink realizara una correcta
interfase con la tarjeta de adquisicin de datos, se efectuaron ciertas configuraciones, las
cuales se explican a continuacin.
105
ANEXO B
Figura B.3.- Seleccin del kernel de tiempo real para The Real-Time Windows Target.
106
ANEXO B
Este mdulo se comunica directamente con el kernel de tiempo real y es usado para
iniciar la aplicacin en tiempo real.
Para este trabajo de tesis slo se utilizaron los bloques anlogos, para lo cual se tuvo
que realizar la configuracin de los mismos de la siguiente manera.
107
ANEXO B
A continuacin se cita el procedimiento que se realiz para llevar a cabo una simulacin:
108
ANEXO C
Diagrama electrnico de la circuitera de la consola
de control de pndulo invertido.
109
ANEXO D
Especificaciones de la maqueta de pndulo
invertido marca BYTRONIC.
*Motor-tacho M66CE
El M66CE es un servo motor de CD de alto rendimiento y baja inercia, el cual provee
una potencia de salida de 30W y brinda un buen funcionamiento en un amplio intervalo de
velocidad.
a) b)
Figura D.1.- Motor-tacho M66CE a) Servo motor M66CT b) Servo motor serie 120.
110
ANEXO D
Voltaje Nominal 30 V CD
Potencia de Salida 30 Watts
Velocidad en vaco 2,900 rpm
Velocidad promedio de torque 2,300 rpm
Torque Promedio 12 Ncm
Torque Mximo 36 Ncm
Corriente mxima en vaco 65 mA
Inercia del Rotor 0.214 Kgcm^2
Constante de tiempo Mecnica 17 mseg
Constante de Torque 9.8 Ncm/A
Constante de Voltaje 10.23 V/1000rpm
Resistencia del Rotor 7.8 ohms
Inductancia del Rotor 5 mH
Conmutacin Carbones de Grafito
Rodamiento De Bolas
Carga radial mxima 100 N
Carga axial mxima 15 N
Rango de temperatura de operacin (-10 a 60 C)
El servo motor de la serie 120-18 sumistra todas las ventajas necesarias para lograr un
alto rendimiento de servo operacin, combinando con un costo muy accesible.
111
ANEXO D
Alta Calidad
Corta distancia entre la parte trasera y el control frontal
Acero inoxidable como recubrimiento
Larga vida en su control rotacional
Amplio rango de temperatura de operacin
112
ANEXO D
Resistencia 1K a 100K
Resistencia de Tolerancia 20%
Tolerancia especial 10%
Exactitud 2.0%
Exactitud especial 0.25 %
Resistencia coeficiente de Temperatura 600ppm/C
Potencia Radiada 1 Watt a 40C
Tasa de reduccin 0 Watts a 125C
Rotacin 340C 4
Voltaje Final 0.5% mximo
Soporte de el Dielctrico 1000 Vrms a 60Hz
Resistencia de aislamiento 100 M mnimo,500 VDC
113
ANEXO D
114
ANEXO D
115
ANEXO D
Varilla 60gr
Aro Varillita 8gr
Peso Pndulo 220gr
*Carro Antes 242gr
**Carro Ahora 247gr
* Incluye: Dos placas con balero, cilindro rotatorio, un potencimetro con orejas y tornillos,
carcasa plstica cuadrada y cable del potencimetro, tornillos cortos, arandelas, tuercas y
cubre tuercas.
**Incluye: Una placa negra y una de aluminio, cilindro rotatorio, dos potencimetros con
orejas y tornillos, carcasa plstica cuadrada y cable del potencimetro, tornillos cortos,
arandelas, tuercas y cubre tuercas.
116
ANEXO E
Montaje fsico de un segundo potencimetro a la
varilla del pndulo invertido.
Es importante resaltar que un solo potencimetro no puede ser utilizado para los dos
fines.
Para la instalacin del segundo potencimetro se mand maquinar una pequea placa,
la cual forma parte del carro que soporta la varilla. Esta placa tambin se puede apreciar en
la figura anterior en color plateado.
117
ANEXO E
Aprovechando que las piezas del carro del pndulo invertido fueron desmontadas de la
maqueta y observando que la banda, de la cual depende su movimiento, estaba a punto de
reventarse por el desgaste del uso, se opt por retirarla y sustituirla por una banda nueva.
El grado de deterioro de la banda puede apreciarse en la siguiente figura, as como tambin
la banda nueva que fue instalada.
Figura E.2.- Banda deteriorada (izquierda) sustituida por una banda nueva de las mismas
(derecha).
118
ANEXO F
Programa para calcular el valor de los elementos
del filtro pasa-bajas Sallen-Key de tercer orden.
clc
clear all
close all
if a1<0;
a=a1;
elseif a2<0;
a=a2;
elseif a2>a1;
a=a1;
else a1>a2;
a=a2;
end
R2=1/(wc*w1*C*sqrt(a))
R1=a*R2
Rp=1/(wc*w2*C)
119
ANEXO F
Las siguientes dos ilustraciones muestran la respuesta del filtro Chevyshev Tipo I de orden
tres ante el cambio repentino del ciclo de trabajo de la seal a ser filtrada y de la cual slo
se quiere obtener su componente de corriente directa.
La seal a ser filtrada es una seal cuadrada que oscila entre 0 y 4 volts. En las
simulaciones realizadas, la seal presenta un ciclo de trabajo del 50% hasta los 0.002 seg y
despus de este tiempo, el ciclo de trabajo aumenta a un 75%.
120
ANEXO F
En la grfica anterior se puede apreciar que el filtro presenta un sobre impulso muy
pequeo, teniendo tambin un tiempo de establecimiento igualmente pequeo.
A diferencia de la grfica de la Figura F.2, la respuesta del filtro con frecuencia de corte de
2 KHz, la cual se ilustra en la parte superior de este prrafo, present un sobreimpulso y un
tiempo de establecimiento mayor al del filtro con fc = 10 KHz; no obstante, es una muy
buena respuesta del filtro pasa-bajas en relacin a las exigencias de la aplicacin.
121
ANEXO G
Grficas experimentales del controlador
implementado a partir de la Red Nerviosa Bicore.
Frecuencia de oscilacin de 615, 545, 485, 400, 92 KHz y un filtro pasa-bajas con
frecuencia de de corte de 20 KHz.
Oscilacin de la neurona Bicore y Vmed << f=615 Khz C=122pF >> Diagrama de Bode del filtro pasa-bajas con fc=20 KHz
4 20
Oscilacin
3.5
a) Voltaje medio. b)
System: sysT
0
Frequency (rad/sec): 1.26e+005
Magnitude (dB): 9.42
3
-20
2.5
Amplitud (volts)
Magnitude (dB)
2 -40
1.5
-60
-80
0.5
0 -100
3 4 5 6 7
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 10 10 10 10 10
Tiempo (seg) -6
Frequency (rad/sec)
x 10
Figura G.1.- a).- Oscilacin de la neurona Bicore y Vmed (fosc=615 KHz C=122 pF).
b).- Diagrama de Bode del filtro pasa-bajas con fc=20 KHz.
ngulo de la varilla con respecto a la vertical << f=615 KHz fc=20 KHz >> Posicin del pndulo invertido sobre el riel << f=615 KHz fc=20 KHz >>
20
6 a) 15
b)
4 10
2 5
Longitud (cm)
ngulo ()
0 0
-2 -5
-4 -10
-15
-6
-20
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.2.- a).- ngulo de la varilla con respecto a la vertical (fosc=615 KHz fc=20
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=615 KHz fc=20 KHz).
122
ANEXO G
Seal de control de la red Bicore << f=615 KHz fc=20 KHz >> Oscilacin de la neurona Bicore y Vmed << f=545 Khz C=150pF >>
4
Oscilacin
10 a) 3.5 b) Voltaje medio.
3
5
2.5
Amplitud (volts)
Amplitud (volts)
0 2
1.5
-5
1
0.5
-10
0
0 5 10 15 20 25 30 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (seg) Tiempo (seg) -6
x 10
Figura G.3.- a).- Seal de control del sistema (fosc=615 KHz fc=20 KHz). b).-
Oscilacin de la neurona Bicore y Vmed (fosc=545 KHz C=150 pF).
ngulo de la varilla con respecto a la vertical << f=545 KHz fc=20 KHz >> Posicin del pndulo invertido sobre el riel << f=545 KHz fc=20 KHz >>
20
6
15
4
10
2 5
Longitud (cm)
ngulo ()
0 0
-2 -5
-4 -10
-6 -15
0 5 10 15 20 25 30
-20
0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.4.- a).- ngulo de la varilla con respecto a la vertical (fosc=545 KHz fc=20
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=545 KHz fc=20 KHz).
123
ANEXO G
Seal de control de la red Bicore << f=545 KHz fc=20 KHz >> Oscilacin de la neurona Bicore y Vmed << f=485 Khz C=172pF >>
4
Oscilacin
10 a) 3.5
b) Voltaje medio.
3
5
2.5
Amplitud (volts)
Amplitud (volts)
0 2
1.5
-5
1
0.5
-10
0
0 5 10 15 20 25 30 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (seg) Tiempo (seg) -6
x 10
Figura G.5.- a).- Seal de control del sistema (fosc=545 KHz fc=20 KHz). b).-
Oscilacin de la neurona Bicore y Vmed (fosc=545 KHz C=172 pF).
ngulo de la varilla con respecto a la vertical << f=485 KHz fc=20 KHz >> Posicin del pndulo invertido sobre el riel << f=485 KHz fc=20 KHz >>
20
6
15
4
10
2 5
Longitud (cm)
ngulo ()
0 0
-2 -5
-10
-4
-15
-6
-20
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg)
Tiempo (seg)
Figura G.6.- a).- ngulo de la varilla con respecto a la vertical (fosc=485 KHz fc=20
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=485 KHz fc=20 KHz).
124
ANEXO G
Seal de control de la red Bicore << f=485 KHz fc=20 KHz >>
Oscilacin de la neurona Bicore y Vmed << f=400 Khz C=200pF >>
4
10 a) b) Oscilacin
3.5 Voltaje medio.
5 3
Amplitud (volts)
2.5
Amplitud (volts)
0
2
1.5
-5
1
0.5
-10
0
0 5 10 15 20 25 30 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Tiempo (seg) Tiempo (seg) -5
x 10
Figura G.7.- a).- Seal de control del sistema (fosc=485 KHz fc=20 KHz). b).-
Oscilacin de la neurona Bicore y Vmed (fosc=400 KHz C=200 pF).
ngulo de la varilla con respecto a la vertical << f=400 KHz fc=20 KHz >> Posicin del pndulo invertido sobre el riel << f=400 KHz fc=20 KHz >>
20
6
15
4
10
2 5
Longitud (cm)
ngulo ()
0 0
-2 -5
-4 -10
-6 -15
0 5 10 15 20 25 30 -20
0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.8.- a).- ngulo de la varilla con respecto a la vertical (fosc=400 KHz fc=20
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=400 KHz fc=20 KHz).
125
ANEXO G
Seal de control de la red Bicore << f=400 KHz fc=20 KHz >>
Oscilacin de la neurona Bicore y Vmed << f=92 Khz C=1nF >>
4
10 a) b) Oscilacin
3.5 Voltaje medio.
5 3
Amplitud (volts)
2.5
Amplitud (volts)
0 2
1.5
-5
1
0.5
-10
0
0 5 10 15 20 25 30 0 0.5 1 1.5 2 2.5
Tiempo (seg) Tiempo (seg) -5
x 10
Figura G.9.- a).- Seal de control del sistema (fosc=400 KHz fc=20 KHz). b).-
Oscilacin de la neurona Bicore y Vmed (fosc=92 KHz C=1 nF).
ngulo de la varilla con respecto a la vertical << f=92 KHz fc=20 KHz >> Posicin del pndulo invertido sobre el riel << f=92 KHz fc=20 KHz >>
20
6
a) 15 b)
4 10
2 5
Longitud (cm)
ngulo ()
0 0
-5
-2
-10
-4
-15
-6
-20
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg)
Tiempo (seg)
Figura G.10.- a).- ngulo de la varilla con respecto a la vertical (fosc=92 KHz fc=20
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=92 KHz fc=20 KHz).
126
ANEXO G
Seal de control de la red Bicore << f=92 KHz fc=20 KHz >>
10
Amplitud (volts) 5
-5
-10
0 5 10 15 20 25 30
Tiempo (seg)
Figura G.11.- a).- Seal de control del sistema (fosc=92 KHz fc=20 KHz).
Frecuencia de oscilacin de 615, 545, 485, 400, 92 KHz y un filtro pasa-bajas con
frecuencia de de corte de 10 KHz.
0 System: sysT
Frequency (rad/sec): 6.32e+004
Magnitude (dB): 9.42
-20
Magnitude (dB)
-40
-60
-80
-100
-120
3 4 5 6 7
10 10 10 10 10
Frequency (rad/sec)
Figura G.12.- Diagrama de Bode del filtro pasa-bajas con fc=10 KHz.
127
ANEXO G
ngulo de la varilla con respecto a la vertical << f=615 KHz fc=10 KHz >> Posicin del pndulo invertido sobre el riel << f=615 KHz fc=10 KHz >>
20
6 a) 15 b)
4 10
2 5
Longitud (cm)
ngulo ()
0 0
-5
-2
-10
-4
-15
-6
-20
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg)
Tiempo (seg)
Figura G.13.- a).- ngulo de la varilla con respecto a la vertical (fosc=615 KHz fc=10
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=615 KHz fc=10 KHz).
Seal de control de la red Bicore << f=615 KHz fc=10 KHz >> ngulo de la varilla con respecto a la vertical << f=545 KHz fc=10 KHz >>
10 a) 6 b)
4
5
2
Amplitud (volts)
ngulo ()
0 0
-2
-5
-4
-10 -6
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.14.- a).- Seal de control del sistema (fosc=615 KHz fc=10 KHz). b).-
ngulo de la varilla con respecto a la vertical (fosc=545 KHz fc=10 KHz).
128
ANEXO G
Posicin del pndulo invertido sobre el riel << f=545 KHz fc=10 KHz >> Seal de control de la red Bicore << f=545 KHz fc=10 KHz >>
20
15
a) 10 b)
10
5
Amplitud (volts)
Longitud (cm)
0 0
-5
-5
-10
-15 -10
-20 0 5 10 15 20 25 30
0 5 10 15 20 25 30
Tiempo (seg)
Tiempo (seg)
Figura G.15.- a).- Posicin del pndulo invertido sobre el riel (fosc=545 KHz fc=10.
b).- Seal de control del sistema (fosc=545 KHz fc=10 KHz).
ngulo de la varilla con respecto a la vertical << f=485 KHz fc=10 KHz >> Posicin del pndulo invertido sobre el riel << f=485 KHz fc=10 KHz >>
20
6
a) 15 b)
4 10
2 5
Longitud (cm)
ngulo ()
0 0
-5
-2
-10
-4
-15
-6
-20
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.16.- a).- ngulo de la varilla con respecto a la vertical (fosc=485 KHz fc=10
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=485 KHz fc=10 KHz).
129
ANEXO G
Seal de control de la red Bicore << f=485 KHz fc=10 KHz >> ngulo de la varilla con respecto a la vertical << f=400 KHz fc=10 KHz >>
10 a) 6 b)
4
5
2
Amplitud (volts)
ngulo ()
0 0
-2
-5
-4
-10 -6
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.17.- a).- Seal de control del sistema (fosc=485 KHz fc=10 KHz). b).-
ngulo de la varilla con respecto a la vertical (fosc=400 KHz fc=10 KHz).
Posicin del pndulo invertido sobre el riel << f=400 KHz fc=10 KHz >> Seal de control de la red Bicore << f=400 KHz fc=10 KHz >>
20
15 a) 10 b)
10
5
5
Amplitud (volts)
Longitud (cm)
0 0
-5
-5
-10
-15 -10
-20 0 5 10 15 20 25 30
0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.18.- a).- Posicin del pndulo invertido sobre el riel (fosc=400 KHz fc=10
KHz). b).- Seal de control del sistema (fosc=400 KHz fc=10 KHz).
130
ANEXO G
ngulo de la varilla con respecto a la vertical << f=92 KHz fc=10 KHz >> Posicin del pndulo invertido sobre el riel << f=92 KHz fc=10 KHz >>
20
6 a) 15 b)
4 10
2 5
Longitud (cm)
ngulo ()
0 0
-2 -5
-10
-4
-15
-6
-20
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.19.- a).- ngulo de la varilla con respecto a la vertical (fosc=92 KHz fc=10
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=92 KHz fc=10 KHz).
Seal de control de la red Bicore << f=92 KHz fc=10 KHz >>
10
5
Amplitud (volts)
-5
-10
0 5 10 15 20 25 30
Tiempo (seg)
Figura G.20.- Seal de control del sistema (fosc=92 KHz fc=10 KHz).
131
ANEXO G
ngulo de la varilla con respecto a la vertical << f=615 KHz fc=2 KHz >> Posicin del pndulo invertido sobre el riel << f=615 KHz fc=2 KHz >>
20
6 a) 15
b)
4
10
2 5
Longitud (cm)
ngulo ()
0 0
-2 -5
-4 -10
-6 -15
0 5 10 15 20 25 30 -20
0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.21.- a).- ngulo de la varilla con respecto a la vertical (fosc=615 KHz fc=2
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=615 KHz fc=2 KHz).
Seal de control de la red Bicore << f=615 KHz fc=2 KHz >> ngulo de la varilla con respecto a la vertical << f=545 KHz fc=2 KHz >>
10
a) 6 b)
4
5
2
Amplitud (volts)
ngulo ()
0 0
-2
-5
-4
-10 -6
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.22.- a).- Seal de control del sistema (fosc=615 KHz fc=2 KHz). b).-
ngulo de la varilla con respecto a la vertical (fosc=545 KHz fc=2 KHz).
132
ANEXO G
Posicin del pndulo invertido sobre el riel << f=545 KHz fc=2 KHz >> Seal de control de la red Bicore << f=545 KHz fc=2 KHz >>
20
a) 10
b)
15
10
5
5
Amplitud (volts)
Longitud (cm)
0 0
-5
-5
-10
-15
-10
-20
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.23.- a).- Posicin del pndulo invertido sobre el riel (fosc=545 KHz fc=2
KHz). b).- Seal de control del sistema (fosc=545 KHz fc=2 KHz).
ngulo de la varilla con respecto a la vertical << f=400 KHz fc=2 KHz >> Posicin del pndulo invertido sobre el riel << f=400 KHz fc=2 KHz >>
20
6
a) 15 b)
4
10
2 5
Longitud (cm)
ngulo ()
0 0
-2 -5
-4 -10
-6 -15
0 5 10 15 20 25 30 -20
0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.24.- a).- ngulo de la varilla con respecto a la vertical (fosc=400 KHz fc=2
KHz). b).- Posicin del pndulo invertido sobre el riel (fosc=400 KHz fc=2 KHz).
133
ANEXO G
Seal de control de la red Bicore << f=400 KHz fc=2 KHz >> ngulo de la varilla con respecto a la vertical << f=92 KHz fc=2 KHz >>
10 a) 6 b)
4
5
2
Amplitud (volts)
ngulo ()
0 0
-2
-5
-4
-10 -6
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.25.- a).- Seal de control del sistema (fosc=400 KHz fc=2 KHz). b).-
ngulo de la varilla con respecto a la vertical (fosc=92 KHz fc=2 KHz).
Posicin del pndulo invertido sobre el riel << f=92 KHz fc=2 KHz >> Seal de control de la red Bicore << f=92 KHz fc=2 KHz >>
20
15 a) 10 b)
10
5
5
Amplitud (volts)
Longitud (cm)
0 0
-5
-5
-10
-15 -10
-20 0 5 10 15 20 25 30
0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.26.- a).- Posicin del pndulo invertido sobre el riel (fosc=92 KHz fc=2 KHz).
b).- Seal de control del sistema (fosc=92 KHz fc=2 KHz).
134
ANEXO G
ngulo de la varilla con respecto a la vertical << f=545 KHz fc=100 Hz >> Posicin del pndulo invertido sobre el riel << f=545 KHz fc=100 Hz >>
20
6
a) b)
15
4 10
2 5
Longitud (cm)
ngulo ()
0 0
-2 -5
-4 -10
-15
-6
-20
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.27.- a).- ngulo de la varilla con respecto a la vertical (fosc=545 KHz fc=100
Hz). b).- Posicin del pndulo invertido sobre el riel (fosc=545 KHz fc=100 Hz).
Seal de control de la red Bicore << f=545 KHz fc=100 Hz >> ngulo de la varilla con respecto a la vertical << f=485 KHz fc=100 Hz >>
10 a) 6 b)
4
5
2
Amplitud (volts)
ngulo ()
0 0
-2
-5
-4
-10 -6
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.28.- a).- Seal de control del sistema (fosc=545 KHz fc=100 Hz). b).-
ngulo de la varilla con respecto a la vertical (fosc=485 KHz fc=100 Hz).
135
ANEXO G
Posicin del pndulo invertido sobre el riel << f=485 KHz fc=100 Hz >> Seal de control de la red Bicore << f=485 KHz fc=100 Hz >>
20
15 a) 10 b)
10
5
Amplitud (volts)
Longitud (cm)
0 0
-5
-5
-10
-15
-10
-20
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.29.- a).- Posicin del pndulo invertido sobre el riel (fosc=485 KHz fc=100
Hz). b).- Seal de control del sistema (fosc=485 KHz fc=100 Hz).
ngulo de la varilla con respecto a la vertical << f=400 KHz fc=100 Hz >> Posicin del pndulo invertido sobre el riel << f=400 KHz fc=100 Hz >>
20
6 a) b)
15
4 10
2 5
Longitud (cm)
ngulo ()
0 0
-2 -5
-4 -10
-15
-6
-20
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.30.- a).- ngulo de la varilla con respecto a la vertical (fosc=545 KHz fc=100
Hz). b).- Posicin del pndulo invertido sobre el riel (fosc=545 KHz fc=100 Hz).
136
ANEXO G
Seal de control de la red Bicore << f=400 KHz fc=100 Hz >> ngulo de la varilla con respecto a la vertical << f=92 KHz fc=100 Hz >>
10 a) 6
b)
4
5
2
Amplitud (volts)
ngulo ()
0 0
-2
-5
-4
-10 -6
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.31.- a).- Seal de control del sistema (fosc=400 KHz fc=100 Hz). b).-
ngulo de la varilla con respecto a la vertical (fosc=92 KHz fc=100 Hz).
Posicin del pndulo invertido sobre el riel << f=92 KHz fc=100 Hz >> Seal de control de la red Bicore << f=92 KHz fc=100 Hz >>
20
15
a) 10 b)
10
5
5
Amplitud (volts)
Longitud (cm)
0 0
-5
-5
-10
-15
-10
-20
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo (seg) Tiempo (seg)
Figura G.32.- a).- Posicin del pndulo invertido sobre el riel (fosc=92 KHz fc=100 Hz).
b).- Seal de control del sistema (fosc=92 KHz fc=100 Hz).
137
ANEXO H
Programa realizado en el editor de MatLab el cual
realiza los clculos numricos a partir de un
archivo de datos *.lvm
% yn es la referencia
% y es la seal medida
clc
close all
clear all
A=load ('prueba01.lvm');
y=A(:,6);
%y=y+0.7; %seal control, controlador clsico
y=((y*72)/1.8)-1;
L=47; %length(y)
%L=47 para prueba de la #01 hasta la #15
%L=47 para la prueba del controlador clsico
%L=129 para prueba de la #16 hasta la #20
yn=0;
r=0;
%****************************************************************
i=1;
for cont=1:1:L
r=r+abs(y(i));
i=i+1;
end
emedio=r/L;
%****************************************************************
med=0;
i=1;
for cont=1:1:L
med=med+y(i);
138
ANEXO H
i=i+1;
end
med=med/L;
%****************************************************************
sum=0;
i=1;
for cont=1:1:L
sum=sum+(y(i)-med)^2;
i=i+1;
end
%****************************************************************
Se=sqrt((1/(L-1))*sum);
emax=max(abs(y));
emin=min(abs(y));
%****************************************************************
N=length(y); IAE=0;ITAE=0;ISE=0;
for m=1:1:N;
IAE=IAE+abs(y(m));
ITAE=ITAE+(m*0.2e-3*abs(y(m)));
ISE=ISE+(y(m)^2);
end
Var=[emax emin];
disp(' emax emin')
disp(Var)
139