Predicción de trayectorias en aplicaciones de control de movimiento industriales

Abstract

En ciertas aplicaciones de control de movimiento industriales donde un eje esclavo replica la trayectoria de un eje maestro, el hecho de anticipar la trayectoria del eje maestro puede suponer una mejora en el error de seguimiento del esclavo. La trayectoria es una sucesión temporal de posiciones de la cual se pretende anticipar cual va a ser el siguiente valor. En este trabajo se ha ensayado un modelo tipo Long Short-Term Memory (LSTM) para tal fin por su reconocida efi cacia en predicciones de series temporales. El modelo LSTM se ha comparado con un modelo base tipo Multilayer Perceptron (MLP) y con un modelo de regresión polinómica. Se ha determinado el error medio y máximo y la relación del error con diferentes factores. Estos modelos han sido probados trabajando sin ruido y con ruido añadido a los datos de entrada. Se ha constatado que al trabajar sin ruido el modelo LSTM tiene un rendimiento parecido a la regresión polinómica pero se adapta más rápido a cambios en la trayectoria. Con ruido añadido a los datos el modelo MLP presenta una mayor robustez en la predicciones que los otros dos.