El algoritmo novedoso puede mejorar el modelado de vehículos autónomos, robótica y satélites
Procedimiento de identificación del sistema LPTV. Crédito: IEEE Access (2025). Doi: 10.1109/access.2025.3537086
Los investigadores de la Universidad de Kumamoto han logrado un avance significativo en el campo de la ingeniería de control mediante el desarrollo de una técnica de modelado matemático altamente precisa para los sistemas lineales periódicamente variables en el tiempo (LPTV). Esta investigación pionera, dirigida por el profesor asociado Hiroshi Okajima de la Facultad de Ciencia y Tecnología Avanzada, abre nuevas posibilidades para mejorar las tecnologías como la conducción autónoma, la robótica y la navegación por satélite.
Los sistemas de control en aplicaciones como automóviles autónomos y robots industriales dependen de modelos matemáticos precisos para funcionar de manera óptima. Sin embargo, los sistemas que cambian sus características con el tiempo, conocidos como sistemas lineales periódicamente que varían en el tiempo, han planteado un gran desafío para los investigadores. Los métodos tradicionales lucharon por modelar estos sistemas con precisión, a menudo requiriendo señales de entrada específicas y condiciones ideales.
En su estudio recientemente publicado en IEEE Access, el equipo del profesor asociado Okajima presenta un nuevo algoritmo de identificación del sistema que mejora la precisión del modelado del sistema LPTV. Al integrar un método llamado reformulación cíclica con una transformación de coordenadas estatal, han ideado con éxito una forma de extraer parámetros del sistema esenciales sin depender de supuestos restrictivos.
Esta investigación tiene profundas implicaciones para las industrias que dependen de sistemas de control complejos. En vehículos autónomos, múltiples sensores con diferentes ciclos de medición funcionan simultáneamente, lo que hace que sea difícil modelar sistemas que incorporen sus diferentes mediciones de sensores. La nueva técnica de modelado permite a los ingenieros predecir y optimizar mejor los comportamientos del sistema, mejorando en última instancia la seguridad y la eficiencia.
Además, este avance beneficia a las aplicaciones aeroespaciales, donde la nave espacial y los satélites siguen patrones orbitales periódicos. Al mejorar la capacidad de modelar con precisión dichos sistemas, los investigadores pueden mejorar la planificación de la misión y la confiabilidad operativa.
Más allá de la teoría: aplicaciones del mundo real
Para validar su enfoque, los investigadores realizaron simulaciones numéricas utilizando MATLAB, lo que demuestra que su modelo supera significativamente las técnicas existentes en precisión y eficiencia. Dado que el método no requiere señales periódicas específicas para la entrada, es mucho más adaptable para aplicaciones del mundo real.
“Nuestra investigación une una brecha crucial en la identificación del sistema”, dijo el profesor asociado Okajima. “Al superar los desafíos de modelar los sistemas LPTV, allanamos el camino para los avances en sistemas autónomos, robótica y más allá”.
El equipo de investigación espera refinar aún más su modelo y explorar colaboraciones con socios de la industria para aplicar sus hallazgos en entornos prácticos. Con este avance, la Universidad de Kumamoto continúa empujando los límites de la ingeniería de control, fomentando la innovación que podría transformar múltiples campos tecnológicos.
Más información: Hiroshi Okajima et al, identificación del sistema basado en la reformulación cíclica para sistemas que varían periódicamente en el tiempo, IEEE Access (2025). Doi: 10.1109/access.2025.3537086
Proporcionado por la Universidad de Kumamoto
Cita: el algoritmo novedoso puede mejorar el modelado para vehículos autónomos, robótica y satélites (2025, 27 de marzo) Recuperado el 27 de marzo de 2025 de https://techxplore.com/news/2025-03-algorithm-aveutonomous-vehicles-robotics-satellites.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
