Diseño e implementación del controlador proporcional integral (PI) y regulador cuadrático lineal (LQR) basados en aprendizaje por refuerzo para el control de velocidad de un motor de corriente continua con devanado de campo

Abstract

En la industria, la robótica y los vehículos eléctricos, donde el control de velocidad de motores es crítico, los sistemas de control deben operar bajo distintos escenarios sin perder estabilidad, rapidez y eficiencia. Para abordar este desafío, en este trabajo se diseñan los controladores proporcional integral (PI) y regulador cuadrático lineal (LQR) orientados al control de velocidad de un motor DC con devanado de campo de Lucas Nulle y de potencia nominal 0.3 kW, utilizando algoritmos de aprendizaje por refuerzo. Los controladores diseñados se implementaron en el sistema de servoacondicionamiento de Lucas Nulle del laboratorio de Electrónica de Potencia de la Escuela Profesional de Ingeniería Electrónica, para posteriormente ser sometidos a pruebas de cambios de referencia, rampas de velocidad y perturbaciones de carga. Se diseñaron tres variantes del controlador PI: el basado en el criterio del óptimo simétrico (PI-OS), el basado en Ziegler-Nichols (PI-ZN) y el basado en TD3 con término no lineal (PI-rINL). Este último presenta mejoras notables respecto a PI-OS y PI-ZN, mostrando una respuesta más rápida y suave con una reducción promedio del consumo de potencia entre 3.6% y 5.1%. Por otro lado, se diseñó el LQR basado en el algoritmo de Hewer (LQR-RICC) y el LQR basado en el algoritmo MGPI (LQR-MRL). En particular, LQR-MRL logra, en promedio, mejores resultados en la mayoría de métricas de seguimiento, junto con una reducción marginal de la potencia del orden de ~0.02%.