Regulación de posición de un helicóptero pivotado usando heurísticas reducidas basadas en inteligencia de enjambres

Abstract

La Inteligencia Artificial tiene aplicaciones relevantes en el diseño de reguladores para sistemas físicos, como el control de la posición de helicópteros pivotados, que permiten estudiar el movimiento en múltiples ejes. Tradicionalmente, este control se realiza mediante Reguladores Lineales Cuadráticos (LQR), cuya sintonización depende de matrices de ponderación que pueden optimizarse mediante métodos heurísticos. Sin embargo, las versiones canónicas de estas técnicas suelen implicar un alto costo computacional.

En esta investigación se analizaron algoritmos de Inteligencia de Enjambres para la sintonización de un LQR aplicado a un helicóptero pivotado, proponiendo versiones reducidas de heurísticas bioinspiradas. Estas versiones disminuyen el número de generaciones y el tamaño de la población, reduciendo significativamente el tiempo de cómputo y el consumo de recursos. Los resultados mostraron que las heurísticas reducidas convergen hacia soluciones óptimas comparables a las obtenidas con métodos canónicos.

El análisis estadístico, mediante la mediana y el rango intercuartílico, confirmó la estabilidad y reproducibilidad de la optimización. Asimismo, los criterios de desempeño del sistema evidenciaron que las soluciones reducidas mantienen un comportamiento equivalente en términos de errores de seguimiento y respuesta transitoria. Este trabajo aporta evidencia sobre la viabilidad de heurísticas reducidas para el diseño eficiente de controladores LQR en sistemas físicos no lineales.