Evaluación de control neuronal con arquitectura óptima para convertidor DC/DC

Evaluating neural control with optimal architecture for DC/DC converter

El control de convertidores DC/DC, topologías utilizadas ampliamente en la reducción activa de contenido armónico para equipo monofásico no lineal de baja potencia, plantea grandes retos de diseño debido a lo complejo del modelo matemático y su característica dinámica altamente no lineal. Técnicas de inteligencia artificial como las redes neuronales, suponen grandes mejoras en el diseño y desempeño final, dada su capacidad de aprender dinámicas complejas y generalizar su comportamiento. La motivación de este trabajo fue la de plantear (y posteriormente evaluar la respuesta dinámica) un lazo de control directo con re- des neuronales, que permitiera adicionalmente eliminar elementos de prueba y error en su diseño. Se propone un control directo basado en red neuronal artificial, cuyo diseño se realizó de forma óptima utilizando modelos de búsqueda bioinspirada, esto para optimizar simultáneamente dos aspectos diferentes pero fundamentales de la red: la arquitectura y los pesos de las conexiones. El control es aplicado a un convertidor boost. Los resultados obtenidos permiten observar el desempeño dinámico del es- quema, para el cual los tiempos de respuesta y los delta de voltaje en la salida permiten concluir que los criterios seleccionados para el diseño del control son apropiados y representan un aporte en el desarrollo de aplicaciones de control de sistemas conmutados DC/DC.

Introducción

El convertidor boost es un sistema altamente no lineal, utilizado para la conversión de potencia eléctrica DC/DC (Shepherd y Zhang, 2004), regulación de voltaje y hoy en día muy frecuentemente en la reducción armónica y la corrección activa del factor de potencia (Martínez y Gómez, 2007) en fuentes conmutadas de potencia. Su característica no lineal se debe a su funcionamiento, el cual requiere de la apertura y cierre continuo de un interruptor, ocasionando que en estado estacionario la dinámica se comporte como la continua conmutación de dos circuitos lineales diferentes.

Es así como el control de estos convertidores se ha convertido en todo un reto para los ingenieros de diseño. Las técnicas tradicionales de diseño parten del modelo idealizado del convertidor, y fallan cuando se presentan variaciones en el circuito real; por lo tanto, estos ingenieros en los últimos años han recurrido a la inteligencia artificial como herramienta que les permita controlar la planta frente a cambios tanto en el voltaje de entrada como en la carga, entregando sobrepasos de voltaje pequeños, despreciable error de estado estacionario y un muy bajo tiempo de respuesta (Khoshooei y Moghani, 2004).

Siguiendo estas ideas, y luego de experimentar con  éxito  esquemas de control basados en lógica difusa, se pretende evaluar el desempeño de un control para el convertidor boost basado en redes neuronales multicapa. Sin embargo, a diferencia de otras técnicas utilizadas con anterioridad, el algoritmo aquí propuesto evoluciona tanto la arquitectura como los pesos en la red (no sólo su entrenamiento), a fin de encontrar la configuración óptima de la misma, y evitar técnicas manuales para inferir el tamaño o la posterior poda de la red.