XI Seminario de Investigación - Facultad de Ingeniería - Universidad ...

Fig. 1 Esquema de control neuronal
En la Fig. 1 se muestra el esquema de control neuronal el cual consta del sistema
desconocido modelado por la red neuronal de la forma
* *
x&
= Aχ
+ W z( χ)
+ w + W u
p per g
*
Donde χ es el estado de la red neuronal y W son los pesos óptimos que minimizan
el error de modelado . La ley de adaptación de los pesos de la red está dada por
w per
wˆ
wˆ
=−γ
ez
=−γ
eu
( χ )
ij i i j
gii gi i i
Donde e es el error de seguimiento entre la planta y la señal de referencia que
satisface el sistema x&
r
= f ( xr, ur)
. Dicha ley junto con la acción de control
2
−1 1
2
u W
⎡ ˆ ( ) ( ) ˆ −
2
=
g
W z( xp) + z( χ) + z( xr) − A χ −xp − µ Wg
( 1+
L Wˆ ϕ
Γ ) e
⎢⎣
+ ( f ( , ) ˆ
r
xr ur −Axr −Wz( xr)
) ⎤
⎦
asegura la estabilidad uniformemente acotada del error de seguimiento.
El esquema de control se aplica a un sistema de turbina de viento modelada en los
ejes d-q y en un esquema de máxima transferencia de potencia para una velocidad
determinada del viento. El perfil del viento y la respuesta de control se muestran en la
Fig. 2.
70
Wm
Reference
60
50
40
Wm, Wref
30
20
10
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Time (seconds)
Fig. 2 Seguimiento de velocidad en el sistema de control
Los resultados son motivantes. El trabajo futuro busca implementar el esquema de
control en pruebas en tiempo real.
78