Simulación y Comparación de Controladores Pid, Liapunov y Redes Neuronales Artificiales: Abordando El Rechazo de Perturbaciones en Sistemas no Lineales a Través de Modelado Computacional

El control de sistemas complejos se basa en resolver problemas en sistemas no lineales, los cuales generalmente son inestables. Un ejemplo de dicho sistema es el robot de auto equilibrio de dos ruedas, un problema típico en el área de modelado y control de sistemas, y un desafío intrigante para entender y controlar. Este artículo tiene como objetivo observar las diferentes características de tres métodos de control existentes en un sentido general, comenzando con el control clásico utilizando el bien conocido PID, seguido por las matemáticas de las funciones candidatas de Liapunov, y finalmente revisando la contribución de los algoritmos de redes neuronales artificiales (ANN). El control PID, el control de Liapunov y el control de redes neuronales artificiales son tres técnicas de control diferentes que pueden ser utilizadas para rechazar perturbaciones en sistemas no lineales. Cada una de estas técnicas tiene sus propias ventajas y desventajas en términos de su capacidad para rechazar perturbaciones en sistemas no lineales. El control PID es una técnica de control bien establecida que puede utilizarse para controlar una amplia variedad de sistemas, incluidos los sistemas no lineales, pero puede no ser tan efectivo para rechazar perturbaciones en sistemas no lineales, ya que la respuesta del controlador puede no ser lo suficientemente rápida o precisa para compensar las perturbaciones. El control de Liapunov es una técnica de control basada en la teoría matemática de la estabilidad y utiliza una función de Liapunov para garantizar la estabilidad del sistema. El control de redes neuronales artificiales se basa en el aprendizaje automático y utiliza una red neuronal para modelar el comportamiento del sistema y generar una señal de control adecuada. Este artículo realiza una comparación entre estos controladores, dando un paso desde el control clásico hacia algunas de las técnicas de control actuales.