Control predictivo/adaptativo de sistemas complejos utilizando técnicas de ingeniería neuronal
Barra lateral del artículo
Contenido principal del artículo
Resumen
Se presenta el diseño e implementación de un sistema de control predictivo/adaptativo, utilizando técnicas de ingeniería neuronal para controlar un sistema MIMO no lineal con el objeto de controlar, en una etapa posterior, la temperatura y el nivel en una planta no lineal de tipo cónica. Preliminarmente, se ensayaron estructuras de control convencional lo que hizo surgir la necesidad de probar estructuras de control inteligente que permitan cumplir más eficazmente con los objetivos de control. El proceso se inicia con la experimentación de diferentes estructuras de control neuronal, para luego escalar hacia un sistema de control neuronal predictivo/adaptativo. Los resultados logrados a nivel simulación, ensayando el diseño propuesto sobre modelos matemáticos de sistemas MIMO no lineales, fueron satisfactorios y cumplieron los objetivos de control establecidos, por tanto, en la siguiente etapa del proyecto, se estima la experimentación en la planta real en estudio.
##plugins.themes.bootstrap3.displayStats.downloads##
Detalles del artículo
Sección
Queda autorizada la reproducción total o parcial de los contenidos de la revista con finalidades educativas, investigativas o académicas siempre y cuando sea citada la fuente. Para poder efectuar reproducciones con otros propósitos, es necesario contar con la autorización expresa del Sello Editorial Universidad de Medellín.
Cómo citar
Referencias
[1] A. Conradie, C. Aldrich, 'Neurocontrol of a multi-effect batch distillation pilot plant based on evolutionary reinforcement learning,' Chemical Engineering Science, vol. 65, N.° 5, pp. 1627-1643, 2010.
[2] M. Bazaraa, H. Sherali, C.M. Shetty, Nonlinear programming: theory and Algorithms, 3.a ed., Nueva Jersey: Wiley Interscience, 2006, pp. 872.
[3] S. Chen, S. A. Billings, 'Representations of non-linear systems: the NARMAX model,' International Journal of Control, vol. 49, N.° 3, pp. 1013-1032, 1988.
[4] H. González, M.S. Dutra, O. Lengerke, 'Identification and modeling for non-linear dynamic system using neural networks type MLP,' presentado en Proceedings of the 2009 Euro American Conference on Telematics and Information Systems: New Opportunities to increase Digital Citizenship, Praga, junio 03-05, 2009.
[5] R. Hecht-Nielsen, Neurocomputing, Boston: Ed. Addison Wesley, 1988, pp. 433.
[6] J. Vojtesek, P. Dostal, 'Adaptive control of water level in real model of water tank, Process Control (PC),' presentado en 20th International Conference on, Strbske Pleso, Eslovaquia, junio 9-12, 2015.
[7] A. U. Levin y K. Narendra, 'Control of nonlinear dynamical systems using neural networks,' IEEE Neural Networks Council, vol.7, pp. 30-42, 1996.
[8] K. Narendra y K. Parthasarathy, 'Identification and Control of Dynamical Systems Using Neural Networks,' IEEE Transactions on Neural Networks, vol. 7, N.° 1, 1996.
[9] H. M. Nguyen y N. Subbaram, 'Advanced control strategies for wind energy systems: An overview', presentado en IEEE/PES Power Systems Conference and Exposition, Phoenix, 2011.
[10] K.J. Nidhil, S. Sreeraj, B. Vijay y V. Bagyaveereswaran, 'System identification using artificial neural network', Circuit, Power and Computing Technologies (ICCPCT), presentado en 2015 International Conference, Nagercoil, 2015.
[11] M. Nørgaard, O. Ravn, NK. Poulsen y LK Hansen, Neural Networks for Modelling and Control of Dynamic Systems, Londres: Springer, 2000, pp. 246.
[12] K. Ogata, Ingeniería de control moderna, 4.a ed., Madrid: Prentice Hall, 2003, pp. 984.
[13] D. T. Pham y L. Xing, Neural Networks for identification, prediction and control, Londres: Springer, 2012, pp. 238.
[14] A. Kupin, 'Application of neurocontrol principles and classification optimisation in conditions of sophisticated technological processes of beneficiation complexes'. Metallurgical y Mining Industry, vol. 6, pp. 16-24, 2014.
[15] R.J. Rajesh, R. Preethi, P. Mehata y B. Jaganatha Pandian, 'Artificial neural network based inverse model control of a nonlinear process,' presentado en Computer, Communication and Control (IC4), International Conference, Indore, 2015.
[16] V.R. Ravi, M. Monica, S. Amuthameena, S.K. Divya, S. Jayashree y J. Varshini, 'Sliding Mode Controller for Two Conical Tank Interacting Level System,' Applied Mechanics and Materials, vol. 573, pp. 273-278, 2014.
[17] A. M. Suárez, Nueva arquitectura de control predictivo para sistemas dinámicos no lineales usando redes neuronales, Tesis de Doctorado en Ciencias de la Ingeniería, Universidad de Chile, Santiago de Chile, 1998.
[18] D. Zhao, Z. Xia y D. Wang, 'Model-Free Optimal Control for Affine Nonlinear Systems with Convergence Analysis', IEEE Transactions on Automation Science and Engineering, vol. 12, pp. 1461-1468, 2015.