Control neuronal de un convertidor boost: modelado GRU y aprendizaje por refuerzo
DOI:
https://doi.org/10.17979/ja-cea.2026.47.13709Palabras clave:
Aprendizaje por refuerzo, Identificación no lineal, Aprendizaje automático, Aprendizaje para control, Control basado en datos, Identificación para control, Validación de modelosResumen
Este trabajo presenta una estrategia de control neuronal aplicada a un convertidor DC/DC tipo boost, combinando la identificación de la planta mediante una red recurrente GRU con el diseño de un controlador por aprendizaje por refuerzo. Se formula el problema de control considerando un lazo interno de corriente y un lazo externo de tensión. Una red GRU se entrena para reproducir la dinámica del convertidor a partir del ciclo de trabajo, la corriente del inductor, la tensión de salida y la corriente de carga, prediciendo incrementos en lugar de valores absolutos para mitigar la acumulación de error. Esta planta neuronal se emplea como entorno para entrenar un agente TD3, cuya acción es el ciclo de trabajo. El controlador resultante se integra en una estructura en cascada con un PI externo de tensión y se implementa en una plataforma experimental basada en módulos Imperix, validando su capacidad de seguimiento y rechazo de perturbaciones sobre un convertidor real.
Referencias
Bonassi, F., Farina, M., Scattolini, R., 2021. On the stability properties of gated recurrent units neural networks. Systems & Control Letters 157, 105049. DOI: 10.1016/j.sysconle.2021.105049
Cheng, H., Jung, S., Kim, Y.-B., 2025. A novel reinforcement learning controller for the dc-dc boost converter. Energy 321, 135479. DOI: 10.1016/j.energy.2025.135479
Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., Bengio, Y., 2014. Learning phrase representations using rnn encoder-decoder for statistical machine translation. In: Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing. pp. 1724–1734. DOI: 10.3115/v1/D14-1179
Fujimoto, S., Hoof, H. v., Meger, D., 2018. Addressing function approximation error in actor-critic methods. In: Proceedings of the 35th International Conference on Machine Learning. pp. 1587–1596.
Guldemir, H., 2005. Sliding mode control of dc-dc boost converter. Journal of Applied Sciences 5 (3), 588–592.
Hochreiter, S., Schmidhuber, J., 1997. Long short-term memory. Neural Computation 9 (8), 1735–1780. DOI: 10.1162/neco.1997.9.8.1735
Ławry´nczuk, M., Zarzycki, K., 2025. Lstm and gru type recurrent neural networks in model predictive control: A review. Neurocomputing 632, 129712. DOI: 10.1016/j.neucom.2025.129712
Lillicrap, T. P., Hunt, J. J., Pritzel, A., Heess, N., Erez, T., Tassa, Y., Silver, D., Wierstra, D., 2016. Continuous control with deep reinforcement learning. arXiv preprint arXiv:1509.02971.
Niu, R., Zhang, H., Song, J., 2023. Model predictive control of dc–dc boost converter based on generalized proportional integral observer. Energies 16 (3), 1245. DOI: 10.3390/en16031245
Rajamallaiah, A., Karri, S. P. K., Shankar, Y. R., 2024. Deep reinforcement learning based control strategy for voltage regulation of DC-DC buck converter feeding CPLs in DC microgrid. IEEE Access 12, 17419–17430. DOI: 10.1109/ACCESS.2024.3358412
Saha, U., Jawad, A., Shahria, S., Rashid, A. H.-U., 2024. Proximal policy optimization-based reinforcement learning approach for dc-dc boost converter control: A comparative evaluation against traditional control techniques. Heliyon 10 (18), e37823. DOI: 10.1016/j.heliyon.2024.e37823
Sutton, R. S., Barto, A. G., 2018. Reinforcement learning: An introduction. Verma, P., Anwar, M. N., Ram, M. K., Iqbal, A., 2023. Internal model control scheme-based voltage and current mode control of dc–dc boost converter. IEEE Access 11, 110558–110569. DOI: 10.1109/ACCESS.2023.3320272
Wang, Y., et al., 2024. TD3 algorithm based reinforcement learning control for multiple-input multiple-output DC–DC converters. IEEE Journal of Emerging and Selected Topics in Power Electronics. DOI: 10.1109/JESTPE.2024.3564013
Za’ter, M. E., 2022. Modelling of a DC-DC buck converter using long-shortterm-memory (LSTM). arXiv preprint arXiv:2211.03040.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Juan Enseñat, Pablo Serrano-Torres, Gerson Portilla, Carolina Albea Sánchez, Alexandre Seuret
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
