Control difuso adaptativo para un mecanismo no lineal de helicóptero

Adaptive diffuse control for a non-linear helicopter mechanism

Juan Paúl Ortiz González

Resumen


Este documento presenta el análisis del control por modelo de referencia (FMRLC), que es un método de control adaptivo difuso usado en sistemas no lineales, variantes en el tiempo y difíciles de modelar matemáticamente, que proporciona una metodología para adaptarse al error que se produce con la planta real y el modelo de referencia, el mejor rendimiento se obtiene cuando el error tiende a ser muy pequeño, esta adaptación se consigue moviendo los centros de las funciones de membresía de la base de conocimiento del controlador difuso, de acuerdo con un algoritmo de adaptación. El controlador difuso que se plantea para resolver el problema de control es un controlador difuso proporcional derivativo (PD). La eliminación del error de estado estacionario es gracias a una ganancia integral paralela al controlador FMRLC.


Palabras clave


Control por modelo de referencia (FMRLC); controlador difuso; funciones de pertenen- cia; proporcional derivativo (PD); error de estado estable

Texto completo:

PDF

Referencias


J. Layne and K. Passino, “Fuzzy model reference learning control for cargo ship steering,” Control Systems, IEEE, vol. 13, no. 6, pp. 23–34, 1993.

J. Layne, “Fuzzy model learning control,” Master’s thesis, Department of Electrical Engineering, The Ohio State University, March 1992.

K. Passino and S. Yurkovich, Fuzzy Control, 1st ed. United States: Addison-Wesley, 1997.

R. C. Dorf, Modern control systems. AddisonWesley Longman Publishing Co., Inc., 1991.

P. Antsaklis and K. Passino, An Introduction to Intelligent and Autonomous Control. Kluwer Academic Publishers, 1993.

J. R. Layne, K. M. Passino, and S. Yurkovich, “Fuzzy learning control for antiskid braking systems,” Control Systems Technology, IEEE Trans-

actions on, vol. 1, no. 2, pp. 122–129, 1993.

K. Tanaka and H. O. Wang, Fuzzy control systems design and analysis: a linear matrix inequality approach. Wiley. com, 2004.

N. Abdellatif, Y. Ramdani, and H. Hamdaoui, “A new adaptive controller of facts-based fmrlc aimed at improving power system stability,” Serbian Journal of Electrical Engineering, vol. 5, no. 2, pp. 229–245, 2008.

B. Kuo and F. Golnaraghi, Automatic control systems. John Wiley & Sons New York, 2003, vol. 4.

K. Ogata, Ingeniería de control moderna 4ED. Pearson Educación, 2003.

G. J. Klir and B. Yuan, Fuzzy sets and fuzzy logic. Englewood Cliffs, New Jersey: Prentice Hall, 1995.

H. J. Zimmermann, Fuzzy set theory-and its applications, 2nd ed. Springer, 2001.

T. Mathworks, “Fuzzy logic toolbox for use with Matlab,” 2006.

P. Khundia and D. Mitra, “Fuzzy model reference learning controller for pitch control system of an aircraft,” Georgia Electronic Scientific Journal, no. 3, 2009.




DOI: http://dx.doi.org/10.17163/ings.n10.2013.01

Copyright (c) 2016 Universidad Politécnica Salesiana

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.

INDIZACIONES PRINCIPALES

   Resultado de imagen para logo redib logo

   

© 2017, Universidad Politécnica Salesiana del Ecuador