IA para grúas: precisión y anti-oscilación

Cómo la IA transforma el control antibalanceo y la percepción

El control antibalanceo tradicional se basa en gran medida en un modelo de péndulo simple, en el que se suprime la oscilación de la carga mediante una curva de velocidad en lazo abierto o un filtrado fijo. Este enfoque funciona cuando la longitud de cable, la carga y la aceleración del carro se mantienen relativamente estables, pero en puentes grúa birraíl de norma europea de 50 t a 300 t, donde son habituales las grandes luces, las longitudes de cable elevadas, las cargas excéntricas y las perturbaciones súbitas de viento, los parámetros fijos tienden a compensar de menos o de más. Especialmente durante una parada de emergencia, un modo de impulso rápido o un desplazamiento del centro de gravedad de la carga, el modelo en lazo abierto no puede detectar a tiempo la fase real de oscilación del spreader y se limita a esperar pasivamente a que la oscilación se atenúe.

El sistema antibalanceo con IA incorpora la secuencia «detección—predicción—corrección» al bucle cerrado de control. La capa de detección fusiona señales como la posición del carro, la posición del puente, la longitud del cable de elevación, la masa de la carga, la inclinación, la aceleración, la corriente del motor y la velocidad del viento; la capa de predicción estima con antelación la amplitud y la fase de la oscilación mediante un modelo de series temporales entrenado en línea; y la capa de corrección convierte el resultado de la predicción en ajustes finos de la velocidad del carro y de elevación. En lugar de «oscilar primero y suprimir después», la IA apuesta por «predecir primero y compensar después». Por ejemplo, cuando se da una consigna de mando al puente, la IA introduce simultáneamente una compensación de velocidad inversa durante la fase de aceleración del carro, de modo que el retardo de la carga queda acotado en un margen menor.

En la práctica, el sistema antibalanceo con IA no sustituye al PLC principal, sino que se superpone como capa de control de movimiento. Las señales de mando, las señales de final de carrera y la lógica de frenado siguen gestionándose por el PLC existente, y la IA solo aplica pequeñas correcciones a los valores de consigna de velocidad. La ventaja de esta arquitectura es que, incluso si el modelo de IA falla, el sistema puede volver al bucle cerrado convencional o al modo manual sin comprometer la cadena de seguridad original. En puentes grúa birraíl de norma europea de 50 t a 300 t, esta arquitectura resulta especialmente importante, ya que una carga de gran masa fuera de control implica un riesgo de seguridad muy superior al de una grúa de menor capacidad.

En cuanto al diagnóstico de fallos y al bucle cerrado de datos, puede tomarse como referencia el marco de la norma ISO 24621:2022 «Diagnóstico de fallos por IA para grúas», incorporando los residuos de los sensores, las desviaciones de salida del modelo y las características de corriente del accionamiento como muestras de diagnóstico. De este modo, el controlador antibalanceo no solo suprime la oscilación, sino que también identifica indicios tempranos como la deriva del sensor, el desgaste del cable de acero y la pérdida de respuesta del motor. Cuanto más completos sean los datos de los sensores, más estable será la identificación de la oscilación de la carga por parte de la IA y más eficaz resultará el aprendizaje en línea posterior.

Kelude Industrias Pesadas, en sus proyectos de personalización de alta gama con puentes grúa birraíl de norma europea de 50 t a 300 t, integra el sistema antibalanceo con IA como capa de control independiente superpuesta a la lógica de seguridad del PLC existente. Incluso si el control por IA falla, el equipo puede revertir al bucle cerrado convencional o al modo manual, sin afectar al circuito principal ni a la protección de seguridad. El ciclo de control se establece habitualmente entre 10 y 20 ms, lo que cubre las principales frecuencias de oscilación de la carga sin sobrecargar la red industrial.

Límites cuantificables y comparación en pruebas de campo

La precisión del control antibalanceo se mide habitualmente con tres indicadores: amplitud de oscilación en régimen permanente, desviación de posicionamiento y desviación de posicionamiento repetitivo. Gracias a su capacidad de predecir la fase de oscilación de la carga, el sistema con IA puede aplicar una pequeña compensación de velocidad opuesta a la oscilación cuando el spreader se aproxima a la posición objetivo, de modo que la amplitud residual tras la parada de la carga se reduce de forma notable. En ensamblaje de precisión, izaje de matrices y volteo de piezas de gran tamaño, esta mejora de la precisión permite reducir la coordinación por intercomunicador y los ajustes repetitivos en modo de impulso.

A continuación se presentan los intervalos de datos comparativos de los modelos birraíl de norma europea de 50 t a 300 t en condiciones típicas de luz de 22 m a 31 m, altura de elevación de 12 m a 18 m y carga nominal del 50% al 80%. Los resultados reales quedan sujetos a la prueba de carga en sitio.

Como se desprende de la tabla anterior, el principal beneficio del control anti-oscilación con IA no se limita a una "menor amplitud de balanceo": también incluye una reducción del tiempo de ajuste de parámetros y una recuperación más rápida ante perturbaciones repentinas. Los sistemas tradicionales de lazo abierto suelen requerir un ajuste iterativo de la curva de velocidad y la constante de tiempo del filtro durante la puesta en marcha en sitio; en cambio, un sistema de IA, mediante autoaprendizaje en línea, ajusta automáticamente los parámetros de compensación según la longitud del cable y la carga, reduciendo la intervención manual.

Conviene señalar que la mejora de precisión del control anti-oscilación con IA no es incondicional. Si la resolución del encoder es insuficiente, la señal de longitud del cable de elevación fluctúa notablemente o el sensor de ángulo de oscilación del spreader presenta una latencia apreciable, el modelo de IA difícilmente podrá generar comandos de control estables por muy potente que sea. Por ello, en las pruebas de campo debe verificarse primero la calidad de la cadena de sensores básica y, después, evaluar el rendimiento del control con IA.

Estabilidad mejorada mediante fusión multisensor y autocalibración en línea

Estabilidad no significa eliminar por completo la oscilación hasta cero, sino mantener un comportamiento predecible, sin oscilaciones parásitas ni deriva, en distintas longitudes de cable, cargas y condiciones de viento. Un controlador de parámetros fijos tiende a entrar en resonancia ante carga excéntrica, variaciones de longitud de cable o cambios en la pendiente del carril; un modelo de IA, en cambio, aprende estos patrones a partir de datos históricos y ajusta automáticamente la ganancia de control según la altura de elevación y el par de carga. En naves industriales de gran luz, donde el asentamiento del carril difiere entre los extremos y el centro del vano, la IA puede tomar la posición de traslación del puente como entrada y compensar de antemano el desplazamiento lateral de la carga provocado por el desnivel del carril.

La fusión multisensor emplea un filtro de Kalman extendido (EKF) junto con métodos de adaptación al ruido para realizar sincronización temporal y eliminación de valores atípicos sobre las señales de inclinación, velocidad angular y aceleración. Por ejemplo, los datos del sensor de inclinación inalámbrico montado en el spreader y los del encoder del carro presentan un retardo de decenas de milisegundos; si no se compensa, la fase de predicción se desplaza y el rendimiento del control anti-oscilación con IA se degrada. El equipo técnico de Kelude realiza primero la calibración del retardo de los sensores y las pruebas de jitter de comunicación durante la integración de sistemas, y solo después pasa al entrenamiento del modelo.

La clave de la autocalibración en línea reside en la calidad de las muestras. Las muestras de entrenamiento deben cubrir condiciones de operación como vacío, media carga, plena carga, carga excéntrica, aceleración, velocidad constante, desaceleración, parada de emergencia y perturbaciones por ráfagas de viento. Si las muestras son incompletas, la IA podría confundir una oscilación de baja frecuencia provocada por carga excéntrica con una perturbación de viento, lo que daría lugar a una dirección de control errónea. Kelude completa la recogida de muestras básicas en el banco de pruebas antes de la entrega y, posteriormente, realiza aprendizaje incremental en las instalaciones del usuario para que el modelo se adapte progresivamente al carril, al spreader y a los hábitos operativos reales.

La estabilidad también se refleja en la protección de los actuadores. Si la salida de la IA varía con demasiada rapidez, el motor cambiará de velocidad con frecuencia, lo que incrementa el impacto sobre el reductor y el desgaste del cable de acero. En la práctica, se suele limitar la amplitud y la pendiente de la salida de la IA para que la corrección se mantenga dentro del rango admisible por el sistema mecánico. De este modo se evita el problema de que "mejore el control anti-oscilación a costa de reducir la vida útil del sistema de transmisión".

Puntos clave de puesta en marcha y aceptación con IA en puentes grúa birraíl de norma europea de 50 t a 300 t

Cuando se incorpora control anti-oscilación con IA a una grúa de personalización de alta gama, el proceso de puesta en marcha requiere una fase adicional de "funcionamiento en sombra". En esta fase, la IA solo calcula pero no emite salida, operando en paralelo con el sistema de control existente durante un periodo determinado. Los ingenieros comparan la salida de la IA con las curvas de operación reales y, una vez confirmado que el modelo no genera acciones erróneas, conmutan a control en línea. La duración del funcionamiento en sombra no suele ser inferior a 4 horas, y en condiciones complejas de carga excéntrica puede prolongarse de 1 a 2 días.

En la fase de aceptación se recomienda tomar como criterios principales la amplitud de oscilación, la precisión de posicionamiento, el tiempo de estabilización y la reversión de seguridad. Por ejemplo, en un punto de prueba con carga nominal al 60 %, altura de elevación de 15 m y velocidad de traslación del carro de 60 m/min, se realizan 5 ciclos consecutivos registrando la amplitud de oscilación lateral del spreader y la oscilación residual tras la parada; asimismo, se simulan parada de emergencia, interrupción de comunicaciones y desconexión de sensores para verificar si la IA puede revertir al control convencional o a una parada segura en un plazo de 200 ms. Cuanto menor sea el tiempo de reversión, mayor será la seguridad del sistema.

Kelude entrega, antes de la salida de fábrica del equipo, el informe de parámetros de control del sistema anti-oscilación con IA, los registros de calibración de sensores y las curvas de funcionamiento en sombra. Durante la prueba de aceptación en sitio, el usuario debe verificar especialmente si la frecuencia de corrección de velocidad en las curvas es excesiva, si el par del motor se invierte con frecuencia y si el cable de acero presenta vibraciones anómalas. Si se detectan vibraciones de alta frecuencia, debe comprobarse prioritariamente la latencia de comunicaciones y la resolución del encoder, en lugar de aumentar directamente la ganancia de salida de la IA.

En el caso de puentes grúa birraíl de norma europea de 50 t a 300 t, el control anti-oscilación con IA debe coordinarse con los tres mecanismos: elevación, puente y carro. La supresión de oscilaciones mediante un solo mecanismo tiene un efecto limitado; solo integrando la velocidad de elevación, la aceleración del carro y la velocidad de traslación del puente en un mismo modelo se puede mantener una buena estabilidad cuando coinciden cambio de alcance, carga excéntrica y perturbaciones de viento. En las soluciones de personalización de alta gama, Kelude realiza primero una simulación basada en la ruta tecnológica del usuario y, a continuación, define los límites de control de la IA y la ubicación de los sensores.

Preguntas frecuentes