Control Con Modelo Interno Neurodifuso En Tiempo Real: Aplicación A Un Motor De Cd.
Páginas: 14 (3290 palabras)
Publicado: 5 de octubre de 2012
Control con Modelo Interno Neuro-difuso en tiempo real: Aplicación a un Motor de Corriente Directa
Juan Carlos González Gómez, José Antonio Ruz Hernández, Ramón García Hernández, José Luis Rullán Lara.
Universidad Autónoma del Carmen, Av. 56 # 4 X Av. Concordia, Col. Benito Juárez, C.P. 24180, Cd. del Carmen, Campeche, México. Teléfono (01)-938-11018
{jcgonzalez, jruz, rghernandez,jrullan}@pampano.unacar.mx
Resumen— Este artículo describe el desarrollo y aplicación en tiempo real de un esquema de control con modelo interno neurodifuso. Se aplican técnicas de identificación neurodifusa para implementar el esquema. El procedimiento de identificación incluye: el experimento para la colecta de datos, el entrenamiento del sistema tipo ANFIS (Adaptive Network-based ona Fuzzy Inference System, por sus siglas en inglés) y la validación con datos frescos en tiempo real. El esquema de control neurodifuso basado en un modelo interno es un diagrama en lazo cerrado que sirve para corregir los errores generados por el modelo y aquellos que causan disturbios presentados en la salida del sistema. Así mismo, el modelo inverso neurodifuso funciona como controlador. Losresultados obtenidos son exitosos.
Palabras clave: ANFIS, tiempo real, modelo inverso, modelo interno, motor de corriente directa.
INTRODUCCIÓN
Varios fabricantes de equipos didácticos no proporcionan información acerca de los modelos dinámicos. El usuario tiene que operar este equipo para determinar algunos parámetros por medio de guías presentes en los manuales. Sin embargo, elmanual no proporciona modelos matemáticos basados en leyes físicas.
Los motores de corriente directa son ampliamente usados en aplicaciones industriales debido a sus propiedades de su operación. Los motores de corriente directa se usan como actuadores en sistemas de control, robótica industrial, control numérico por computadora (CNC), máquinas y sistemas de radar. Los efectos no linealesexistentes en los motores afectan el desempeño de los motores cuando se aplica una estrategia de control lineal. Los efectos debido a la fricción son más significativos. Para implementar el sistema de control automático es de suma importancia tener accesible un modelo que describa la dinámica del sistema que se va a controlar (Babuska R. 1999). Un modelo estimado puede obtenerse a través de lasherramientas de identificación. En este caso es posible obtener un modelo matemático derivado de datos experimentales las cuales se generan usando una señal de excitación persistente en la entrada. Los modelos que usan sistemas neuro-difusos son útiles para estimar a partir de datos experimentales donde las no linealidades están incluidas. El ANFIS permite modelar sistemas con alto grado de nolinealidad e invariante en el tiempo el cual combina los conceptos de las redes neuronales y la lógica difusa para formar un sistema inteligente que resalta la habilidad de adaptación y aprendizaje automático.
Los resultados de simulación obtenidos en (Pacheco J. G., et al 2003), muestran que el modelo neuro-difuso y el control de posición de la “bola y la viga” son satisfactorios. Lasestrategias de control neuro-difuso que se consideraron en este trabajo son el control inverso neuro-difuso y el control con modelo interno neuro-difuso que mejoran los resultados cuando se usan controladores convencionales.
En (Ruz-Hernandez J. A., et al. 2003) se describe un modelo neuro-difuso para la puesta en marcha de los generadores de vapor se obtiene a partir de datos experimentales. Elmodelo neuro-difuso se combina con un algoritmo de control predictivo para producir una estrategia de control para la fase de calentamiento del generador de vapor. Las pruebas de simulación demostraron la factibilidad y resultados benéficos que pueden obtenerse de la aplicación de cualquiera de las tres variantes de control predictivo propuesto por los autores.
En (Allaoua et al 2009) se...
Juan Carlos González Gómez, José Antonio Ruz Hernández, Ramón García Hernández, José Luis Rullán Lara.
Universidad Autónoma del Carmen, Av. 56 # 4 X Av. Concordia, Col. Benito Juárez, C.P. 24180, Cd. del Carmen, Campeche, México. Teléfono (01)-938-11018
{jcgonzalez, jruz, rghernandez,jrullan}@pampano.unacar.mx
Resumen— Este artículo describe el desarrollo y aplicación en tiempo real de un esquema de control con modelo interno neurodifuso. Se aplican técnicas de identificación neurodifusa para implementar el esquema. El procedimiento de identificación incluye: el experimento para la colecta de datos, el entrenamiento del sistema tipo ANFIS (Adaptive Network-based ona Fuzzy Inference System, por sus siglas en inglés) y la validación con datos frescos en tiempo real. El esquema de control neurodifuso basado en un modelo interno es un diagrama en lazo cerrado que sirve para corregir los errores generados por el modelo y aquellos que causan disturbios presentados en la salida del sistema. Así mismo, el modelo inverso neurodifuso funciona como controlador. Losresultados obtenidos son exitosos.
Palabras clave: ANFIS, tiempo real, modelo inverso, modelo interno, motor de corriente directa.
INTRODUCCIÓN
Varios fabricantes de equipos didácticos no proporcionan información acerca de los modelos dinámicos. El usuario tiene que operar este equipo para determinar algunos parámetros por medio de guías presentes en los manuales. Sin embargo, elmanual no proporciona modelos matemáticos basados en leyes físicas.
Los motores de corriente directa son ampliamente usados en aplicaciones industriales debido a sus propiedades de su operación. Los motores de corriente directa se usan como actuadores en sistemas de control, robótica industrial, control numérico por computadora (CNC), máquinas y sistemas de radar. Los efectos no linealesexistentes en los motores afectan el desempeño de los motores cuando se aplica una estrategia de control lineal. Los efectos debido a la fricción son más significativos. Para implementar el sistema de control automático es de suma importancia tener accesible un modelo que describa la dinámica del sistema que se va a controlar (Babuska R. 1999). Un modelo estimado puede obtenerse a través de lasherramientas de identificación. En este caso es posible obtener un modelo matemático derivado de datos experimentales las cuales se generan usando una señal de excitación persistente en la entrada. Los modelos que usan sistemas neuro-difusos son útiles para estimar a partir de datos experimentales donde las no linealidades están incluidas. El ANFIS permite modelar sistemas con alto grado de nolinealidad e invariante en el tiempo el cual combina los conceptos de las redes neuronales y la lógica difusa para formar un sistema inteligente que resalta la habilidad de adaptación y aprendizaje automático.
Los resultados de simulación obtenidos en (Pacheco J. G., et al 2003), muestran que el modelo neuro-difuso y el control de posición de la “bola y la viga” son satisfactorios. Lasestrategias de control neuro-difuso que se consideraron en este trabajo son el control inverso neuro-difuso y el control con modelo interno neuro-difuso que mejoran los resultados cuando se usan controladores convencionales.
En (Ruz-Hernandez J. A., et al. 2003) se describe un modelo neuro-difuso para la puesta en marcha de los generadores de vapor se obtiene a partir de datos experimentales. Elmodelo neuro-difuso se combina con un algoritmo de control predictivo para producir una estrategia de control para la fase de calentamiento del generador de vapor. Las pruebas de simulación demostraron la factibilidad y resultados benéficos que pueden obtenerse de la aplicación de cualquiera de las tres variantes de control predictivo propuesto por los autores.
En (Allaoua et al 2009) se...
Leer documento completo
Regístrate para leer el documento completo.