Aplicación de la técnica PSO a la determinación de funciones de Lyapunov cuadráticas comunes y a sistemas adaptables basados en modelos de error

Abstract

La presente Tesis Doctoral explora el problema de la determinación de funciones de Lyapunov cuadráticas comunes (CQLF, por su sigla en inglés), en el marco de los sistemas conmutados, y el problema de la identificación en línea y control adaptable, en el marco de los sistemas adaptables basados en modelos de error. Ambos en el área de los sistemas dinámicos lineales y no lineales, y son resueltos aquí bajo el enfoque de la optimización basada en una herramienta llamada Optimización por Enjambre de Partículas (PSO, por su sigla en inglés). Los problemas anteriormente mencionados son de gran importancia y trascendencia en la actualidad, pues el primero entrega los elementos para la determinación de la estabilidad de sistemas lineales conmutados, y el segundo se relaciona con el control de plantas de parámetros desconocidos. Estos dos problemas poseen soluciones parciales, tanto desde el punto de vista de la optimización como de otros enfoques. Sin embargo, las soluciones existentes poseen beneficios demostrados, pero también limitaciones marcadas, que los siguen justificando como problemas abiertos. En cuanto al problema de la determinación de CQLFs, en la presente Tesis Doctoral se desarrollan dos nuevas metodologías: i) una metodología basada en PSO para la determinación de la no-existencia de una CQLF, y ii) una metodología basada en PSO para el cálculo de una CQLF. Ambas metodologías presentan evidentes mejoras comparativas respecto de las mejores soluciones actuales, con base en indicadores de desempeño objetivos. En el ámbito de los sistemas adaptables, el principal producto de la presente Tesis Doctoral es una metodología basada en PSO para el diseño de leyes de ajuste paramétrico en sistemas adaptables de tiempo discreto, representados por modelos de error. Desde este punto de vista, la investigación se centra en las propiedades de estabilidad que presenta el uso de PSO en sistemas adaptables, además de estudiar las ventajas comparativas respecto de técnicas tradicionalmente usadas como gradiente y mínimos cuadrados.