BRL-PID: Diseño y evaluación de un controlador PID de ganancias adaptables mediante aprendizaje reforzado bayesiano, aplicado al control en tiempo real de un estanque cónico

Abstract

Las estrategias de control adaptable modifican los parámetros del controlador en el tiempo con el fin de cumplir con un índice de desempeño. La forma en que se adaptan varía dependiendo de la información disponible, la cual puede ser, por ejemplo, información histórica de la planta y/o una expresión analítica del sistema. Se propone una solución de control para un caso en que no se dispone de ambos, comparando el resultado con una configuración clásica de control, la cual sí dispone de dicho modelo y la posibilidad de calibración previa a la operación del sistema. En esta investigación propone el BRL-PID (Bayesian Reinforcement Learning PID) para controlar sin modelar la planta mediante un esquema de aprendizaje bayesiano para la actualización de parámetros, en tiempo real, discutiendo luego las ventajas y desventajas de la propuesta.