Publicación: Comparación de algoritmos de control tradicionales con control por medio de IA en un entorno simulado 2D
Fecha
2025
Autores
Penagos Ramírez, Mateo Fernando
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
In automation and control technology, the efficiency of control algorithms is crucial for the performance and safety of complex systems. Traditionally, Proportional–Integral–Derivative (PID) controllers have been the cornerstone of regulating these systems due to their simplicity and robustness, being used in more than 90% of industrial applications.
Methods such as PID work very well in environments that are easy to model mathematically and have little variability; such systems can be found in industrial plants and production equipment. However, in dynamic and nonlinear environments, performance issues or difficulties in tuning their parameters may arise.
This project aims to compare the performance of traditional control algorithms—specifically PID—with those based on neural networks trained using reinforcement learning techniques. To this end, a simulated 2D environment will be developed to replicate the dynamic behavior of a nonlinear system; in this case, a drone in flight was chosen. This nonlinear environment will allow evaluation of both types of controllers under a series of conditions and operational challenges, including stabilization, trajectory tracking, and response to external disturbances.
The research will focus on measuring the accuracy, efficiency, and adaptability of each algorithm, providing an objective basis for comparison that considers key performance metrics. In addition, the inherent advantages and limitations of each approach will be analyzed, including implementation complexity, computational requirements, and scalability.
Descripción
En la tecnología de automatización y control, la eficiencia de los algoritmos de control es crucial para el desempeño y la seguridad de sistemas complejos. Tradicionalmente, los controladores Proporcional-Integral-Derivativo (PID) han sido la piedra angular en la regulación de estos sistemas debido a su simplicidad y robustez, siendo utilizados en más del 90% de las aplicaciones industriales. Métodos como el PID funcionan muy bien en entornos de fácil modelado matemático y poca variabilidad, este tipo de sistemas se puede encontrar en plantas industriales y equipos de producción, sin embargo, para ambientes dinámicos y no lineales pueden presentarse problemas en su desempeño o dificultades en la sintonización de sus parámetros. Este proyecto tiene como objetivo comparar el desempeño de los algoritmos de control tradicionales, específicamente los PID, con aquellos basados en redes neuronales entrenadas mediante técnicas de aprendizaje por refuerzo. Para ello, se desarrollará un ambiente simulado en 2D que replicará el comportamiento dinámico de un sistema no lineal, para este caso se eligió un dron en vuelo. Este ambiente no lineal permitirá evaluar ambos tipos de controladores bajo una serie de condiciones y desafíos operativos, incluyendo la estabilización, el seguimiento de trayectorias y la respuesta ante perturbaciones externas. La investigación se enfocará en medir la precisión, la eficiencia y la capacidad de adaptación de cada algoritmo, proporcionando una base de comparación objetiva que considerará métricas clave de desempeño. Además, se analizarán las ventajas y limitaciones inherentes a cada enfoque, incluyendo la complejidad de implementación, los requisitos computacionales y la escalabilidad.
Palabras clave
Control PID vs redes neuronales , Controladores con aprendizaje por refuerzo , Sistemas de control no lineales , Simulación de control de vuelo de drones , Comparación de algoritmos de control tradicionales y basados en IA , Métricas de desempeño en control adaptativo , Tecnología de automatización y control