SUMMARY
En aplicaciones de control inteligente, uno de los problemas es determinar el número de capas y de neuronas en cada capa. Esto se vuelve más complejo con ciertos tipos de redes neuronales como las basadas en wavelets donde las traslaciones y dilataciones son parámetros adicionales. Este artículo presenta un estudio comparativo para determinar el tipo de wavelet y número de neuronas que muestran el mejor desempeño para controlar un helicóptero Quanser de dos grados de libertad (GDL). Se presenta un controlador tipo PID-WaveNet-IIR el cuál se compone de controladores PID discretos en el tiempo, con ganancias auto-sintonizables por una red neuronal de base radial cuyas funciones de activación son wavelets y un par de filtros de respuesta de impulso infinito (IIR) para ``podar'' algunas neuronas. Por medio de simulaciones numéricas, usando LabVIEW, se presenta el desempeño del sistema en lazo cerrado para: diferentes condiciones de operación, tipos de familia wavelets donde se fijan valores mínimos de los errores de seguimiento, tipo de wavelet, el número de neuronas de la red y número de coeficientes de adelanto y atraso de los filtros IIR.