Control mediante aprendizaje iterativo

Abstract

En este trabajo se presentan dos métodos de control en bucle abierto por aprendi-zaje iterativo centrados en procesos de optimización. Dada una trayectoria de referencia, el con-trol mejora en cada ejecución el desempeño del sistema mediante el uso de los datos recogidosen ejecuciones anteriores.Los sistemas de control utilizan métodos óptimos tanto en la estima-ción del error en las trayectorias como en el cálculo de las señales de entrada, e incluyen restric-ciones en las entradas y en las salidas para este segundo proceso. Se han implementado dosprocesos de obtención de modelos lineales a partir de sistemas reales, uno de ellos deducido ensu totalidad de las ecuaciones de equilibrio dinámico del sistema, y el otro basado en técnicas deidentificación de sistemas. Se han probado ambos algoritmos de control sobre el modelo simula-ble de un péndulo sobre un carro móvil, que es un sistema altamente no lineal y subactuado. Enambos casos el sistema de control aprende satisfactoriamente y consigue realizar el seguimientode trayectoria en bucle abierto. Por último, se ha realizado una comparación de los dos métodosde control.

In this work we present two methods of open-loop optimization-based iterative learn-ing control. Given a reference trajectory, every execution the control algorithm improves the per-formance of the system by using the data collected in previous executions. The control systemsuse optimal methods both in the estimation of error in the trajectories and in the calculation ofinput signals, and include restrictions on inputs and outputs for this later process. Two processeshave been implemented to obtain linear models from real systems, one of them deduced entirelyfrom the dynamic equilibrium equations of the system, and the other based on system identifica-tion techniques. Both control algorithms have been tested on the simulated model of a pendu-lum on a moving car, which is a highly nonlinear and underactuated system. In both cases thecontrol system learns successfully and manages to perform open-loop trajectory tracking. Finally,a comparison of the two control methods is made.