Resumen

Este artículo presenta una red neuronal para el diseño de un controlador PID para un sistema de suspensión. El sistema de suspensión, diseñado como un cuarto de modelo, se utiliza para simplificar el problema a un sistema unidimensional muelle-amortiguador. En este trabajo, se ha utilizado una red neuronal de propagación hacia atrás (BPN) para determinar los parámetros de ganancia de un controlador PID para un sistema de suspensión de automoción. El método BPN es el más preciso y rápido. Los mejores resultados se obtuvieron con la BPN mediante el algoritmo de Levenberg-Marquardt entrenando con 10 neuronas en una capa oculta. El entrenamiento se continuó hasta que el error cuadrático medio fue inferior a 1e-5. Se alcanzó el valor de error deseado en la BPN, y se probó la BPN con datos utilizados y no utilizados para el entrenamiento. Mediante el entrenamiento de esta red, es posible estimar los parámetros de ganancia del controlador PID en cualquier condición. Las entradas de la red son la velocidad del automóvil, el porcentaje de sobreimpulso, el tiempo de asentamiento y el error de estado estacionario de la respuesta del sistema de suspensión. También las salidas de la red son los parámetros de ganancia del controlador PID. El bajo valor de error relativo resultante del modelo de RNA indica la utilidad de la BPN en este ámbito.

• Materias:Celda de memoria Arquitectura informática Levitación magnética Diseño Kansei Análisis de algoritmos
• Subjects:Memory cell Computer architecture Magnetic levitation Kansei Design Algorithm analysis
• Palabras claves:Controlador PID, BPN, parámetros de ganancia, sistema de suspensión, red neuronal, valor de error relativo bajo resultante, entrenamiento con algoritmo de Marquardt, error cuadrático medio, error de estado estacionario, respuesta del sistema de suspensión.
• Keywords:PID controller, BPN, gain parameters, suspension system, neural network, Resultant low relative error value, Marquardt algorithm training, mean squared error, steady state error, suspension system response