Control predictivo basado en datos de un sistema de posicionamiento impulsado por una hélice

Abstract

Este proyecto está enfocado al control de un sistema de péndulo a través de la fuerza de empuje que realiza una hélice sobre el mismo. Para ello, se implementará un control predictivo basado en datos extraídos de dicha planta, haciendo uso de técnicas de Machine Learning para ello. Durante el trabajo se realizará un estudio matemático sobre la planta que se pretende controlar, analizando cada uno de los factores que afectan en su comportamiento dinámico. A lo largo de esta memoria se explicarán en detalle todos los pasos seguidos para la obtención de dichos datos, la construcción del predictor, que servirá de modelo del sistema, y la implementación del controlador, centrando prácticamente la totalidad del trabajo en estos aspectos. Dicho modelo de predicción será estimado a partir de modelos no lineales autorregresivos con entradas exógenas (NARX) conformados a partir de los datos en posición extraídos de dicha planta, al ser excitada con diferentes tipos de señales. Del mismo modo, se explicarán diferentes técnicas de filtrado de dataset con el objetivo de obtener un equilibrio entre la calidad y riqueza de los datos, y el coste computacional que estos suponen. Se estudiará como la diversidad de modelos NARX y los métodos de filtrado utilizados, afectan en la bondad de la predicción, seleccionando a lo largo del documento aquellas técnicas y parámetros que demuestren funcionar con una mayor precisión y permitan un mejor control de la planta sometida a estudio. Además, para la implementación del MPC, se debe abordar un problema de control óptimo (OCP), el cual se desarrolla en detalle a lo largo del texto. Todo el trabajo descrito en el documento se desarrolla en un entorno de simulación, haciendo uso de Matlab y Simulink, con el pretexto de abordar el aprendizaje y la puesta en marcha del control predictivo basado en modelo (MPC). Asimismo, se realiza un breve estudio acerca del montaje y construcción del sistema real, pues su finalidad esimplementar dicho control en un System on a Chip y poder así controlar la planta real. Esto último se ha dejado para trabajos futuros.

This project is focused on the control of a pendulum system through the thrust force that a propeller performs on it. To do this, a predictive control based on data extracted from this plant will be implemented, using Machine Learning techniques for this. During the work, a mathematical study will be carried out on the plant that is intended to be controlled, analyzing each of the factors that affect its dynamic behavior. Throughout this report, all the steps followed to obtain these data, the construction of the predictor, which will serve as a model of the system, and the implementation of the controller, will be explained in detail, focusing practically all the work on these aspects. The prediction model will be estimated from nonlinear autoregressive exogenous models (NARX) formed from the position data extracted in this plant, when this is excited with different types of signals. In the same way, different dataset filtering techniques will be explained in order to obtain a balance between the quality and richness of the data, and the computational cost that these entail. It will be studied how the diversity of NARX models and the filtering methods used affect the goodness of the prediction, selecting those techniques and parameters that prove to work with greater precision and allow better control of the plant subjected to study. In addition, for the implementation of the MPC, an optimal control problem (OCP) must be addressed, which is developed in detail throughout the text. All the work described in the document is developed in a simulation environment, using Matlab and Simulink, with the pretext of addressing the learning and implementation of model predictive control (MPC). Likewise, a brief study is made about the assembly and construction of the real system, since its purpose is to implement this control in a System on a Chip and thus being able to control the real plant. The latter has been left for future work.