摘要：La actividad desarrollada en torno al control de ensayos de motores de
combustión interna y su simulación ha permitido comprobar que una adecuada
implementación de soluciones simples, tal como es el caso de los
controladores PID, puede producir resultados aceptables: rápida respuesta, y
cierta precisión y confiabilidad. No obstante, las dificultades que encierra
la determinación de sus constantes de operación y la necesaria coordinación
de las acciones de control son una seria limitación. Este problema no es
nuevo y su solución estimuló diversas líneas de investigación, encuadradas como
sistemas adaptativos de control y precursoras del control inteligente. Todo
sistema de control inteligente debe ser autónomo y la presencia de una red
neuronal en condiciones adecuadas le asegura al sistema cierto grado de
autonomía. Así, a través de redes neuronales se implementan controladores
capaces de operar sobre sistemas en principio desconocidos, y de responder a
cambios en la dinámica de los mismos a lo largo del tiempo, sin mayor
información que la obtenida de su experiencia con el proceso. Sin embargo,
persisten aún muchas dudas referidas a qué arquitecturas y técnicas
de entrenamiento son más adecuadas para obtener la mejor respuesta de estos
modelos. En este trabajo se muestra la conveniencia de incorporar el
conocimiento sobre el problema tratado como un criterio central en la
selección de los modelos neuronales más apropiados en cada caso. Se
presentan resultados obtenidos al evaluar diferentes redes destinadas a
representan la dinámica directa e inversa de un dispositivo y se extraen
recomendaciones, que facilitarán el desarrollo de modelos neuronales
de sistemas de control para ensayos de motores de combustión interna y su
simulación.
