Control neuronal por modelo inverso de un eslabón flexible rotatorio

Resumen

Este trabajo presenta un esquema de control por modelo inverso basado en datos para un sistema rotatorio de eslabón flexible, en el que la posición  angular de la base se denota por θ, y la deflexión relativa de la punta, por α. La planta, correspondiente a un sistema rotatorio de eslabón flexible (rotary flexible link, RFL), se identifica a partir de datos experimentales y se modela en espacio de estados continuo de cuarto orden. A partir de este modelo, se diseña un controlador por modelo inverso implementado mediante una red neuronal artificial (RNA) de tipo perceptrón multicapa (MLP), entrenada con regresores formados por estados y entradas retardadas. La validación incluye métricas cuantitativas de error, análisis de respuesta transitoria y una certificación indirecta de estabilidad BIBO en tiempo discreto, obtenida mediante la identificación de un modelo lineal equivalente en lazo cerrado. Se comparan seis arquitecturas MLP en tres escenarios de referencia. La configuración seleccionada muestra el mejor compromiso entre el seguimiento de θ y la mitigación de las oscilaciones en α. Además, el trabajo integra en un flujo único la identificación basada en datos, la selección sistemática de la arquitectura y el análisis de estabilidad.