Diseño de un control de velocidad mediante redes neuronales y algoritmos genéticos para vehículos autónomos

Abstract

[Resumen] Los Vehículos Autónomos Guiados (AGV) son cada vez más populares en lo que a logística interna de las fábricas se refiere debido a su capacidad para transportar cargas pesadas y su alto grado de autonomía. No obstante, la dinámica de estos robots puede sufrir cambios debido a variaciones en la carga que transportan y/o a desgaste mecánico, lo cual implica una mayor complejidad en el control de velocidad. En muchas ocasiones se emplean controladores de tipo Proporcional Integral (PI) para dicho control. Sin embargo, este controlador exige un ajuste fino y carece de suficiente robustez ante variaciones de sus condiciones de trabajo. Con el fin de mejorar el rendimiento del control de velocidad, en este artículo se presenta el diseño de un neuro-controlador. Dado que encontrar unos valores óptimos para los hiperparámetros de aprendizaje puede ser difícil y requiere múltiples pruebas y ajustes, se opta por utilizar un Algoritmo Genético (AG) para buscar una solución válida de entre las óptimas.

[Abstract] Autonomous Guided Vehicles (AGVs) are becoming increasingly popular in terms of internal factory logistics due to their ability to transport heavy loads and their high degree of autonomy. Nevertheless, the dynamics of these robots can undergo changes due to variations in their load and/or mechanical wear, which involves greater complexity in their speed control. Proportional Integral (PI) controllers are often used for this control. However, this controller requires fine tuning and lacks enough robustness against variations in working conditions. In order to improve the speed control performance, this article presents the design of a neuro-controller. Since finding optimal values for the learning hyperparameters can be difficult and requires multiple tests and adjustments, a Genetic Algorithm (GA) is used to find a valid solution among all the optimal.