Predicción de la consistencia de la pasta de entrada a una planta de celulosa, basado en Redes Neuronales Artificiales.

Predicción de la consistencia de la pasta de entrada a una planta de
celulosa, basado en Redes Neuronales Artificiales.
Jordan Alveal Córdova, Joalveal@alumnos.biobio.cl
Claudio Sáez Hernández, casaez@alumnos.biobio.cl
Johnny Burgos Semper, Joburgos@alumnos.biobio.cl
Universidad Del Bío-Bío

Abstract: The worksheet shows us how the
concentrations and fluxes involved in the cellulose’screation could be controlled through a neuronal
network and how this is able to work below a
uncertainly conditions, how it’s adapted and how is
able to predict future variables through the neuronal
network training; this training will be done with the
entry of system variables in which it will have enough
information to give it and validate the information that
entered in the network. Whenthe network is trained,
this network will get find the optimum in the
concentration wanted for the cellulose’s creation
according the defined standards.

II.

Red neuronal

[1]Las redes neuronales Artificiales, ANN
(artificial neural networks) están inspiradas en las
redes neuronales biológicas del cerebro humano. Las
ANN al margen de “parecerse” al cerebro presentan
una serie decaracterísticas propias del cerebro. Por
ejemplo las ANN aprenden de la experiencia,
generalizan de ejemplos previos a ejemplos nuevos y
abstrae las características principales de una serie de
datos.


Aprender: adquirir el conocimiento de una
cosa por medio del estudio, ejercicio o
experiencia. Las ANN pueden cambiar su
comportamiento en función del entorno. Se
les muestra un conjunto deentradas y ellas
mismas se ajustan para producir unas salidas
consistentes.



Generalizar: extender o ampliar una cosa. Las
ANN generalizan automáticamente debido a
su propia estructura. Estas redes pueden
ofrecer, dentro de un margen, respuestas
correctas a entradas que presentan pequeñas
variaciones debido a los efectos de ruido o
distorsión.



Abstraer: aislar mentalmente oconsiderar por
separado las cualidades de un objeto.
Algunas ANN son capases de abstraer la
esencia de un conjunto de entradas que
aparentemente no presentan aspectos
comunes relativos.

Palabras claves: Capa de entrada, capa de
salida, capa oculta, entrenamiento de red, BFGS
Quasi-Newton.

I.

Introducción

El presente artículo nos introduce y nos informa
de como es elfuncionamiento de una red neuronal,
como se configura y su comportamiento ante
incertezas del sistema. La configuración de la red se
efectuara gracias al software Matlab el cual contiene
la herramienta toolbox la cual nos permitirá el
entrenamiento de la red. La red neuronal utilizada
estará basada en entrenamiento, para lo cual
dispondremos de datos de las variables involucradas
en el proceso defabricación de la celulosa. El objetivo
principal de este trabajo es determinar la consistencia
de la celulosa de entrada al sistema, ya que esta
contiene agua y celulosa, pero no sabemos de su
composición, solo sabemos la consistencia de salida
de la planta con la cual regularemos la consistencia de
entrada. De tal manera de obtener una consistencia de
salida de la planta optima de acuerdo aestándares
establecidos.

[2]Cada neurona recibe un valor de entrada, el
cual transforma según una función específica
denominada función de activación: dicha
señal
transformada pasa a ser la salida de la neurona. Las
neuronas se conectan entre si según una determinada
arquitectura. Cada conexión tiene un determinado
peso que pondera cada entrada a la neurona .De esta
manera la entrada decada neurona es la suma de las
salidas de las neuronas conectadas a ella,
multiplicadas por el peso de la respectiva conexión. La
figura siguiente ilustra dicho concepto:

III.

Modelo de planta:

Presentación del problema: Se tiene una
estación de una planta de celulosa, en la cual se
modifica la consistencia de la pasta de celulosa, de
acuerdo a un valor de referencia. Esto se...