Modelo híbrido para el control inteligente de procesos, usando tecnología de conjuntos difusos, redes neuronales o artificiales y sistemas basados en conocimientos Report as inadecuate




Modelo híbrido para el control inteligente de procesos, usando tecnología de conjuntos difusos, redes neuronales o artificiales y sistemas basados en conocimientos - Download this document for free, or read online. Document in PDF available to download.

0 Generalidades - Computer science, information and general works

Resumen: En el presente trabajo, se muestra una visión global de lo que es el control de procesos, para, posteriormente, concentrar toda la atención en el control asistido por computador y más concretamente en la aplicación de técnicas de inteligencia artificial al control de procesos. Las redes neuronales artificiales RNA, los sistemas basados en conocimientos SBCS y la lógica difusa LD, tres técnicas de inteligencia artificial, se estudian en detalle con el fin de detectar sus fortalezas y debilidades, cuando se enfrentan a la tarea de controlar un proceso complejo no lineal y variante con el tiempo. Se esboza una formalzaci6n del concepto de control inteligente, bajo la óptica de diversas opiniones de expertos en la materia, con el fin de obtener una serie de características deseables para este tipo de sistemas de control y con ellas plantear el modelo híbrido. Con base en el análisis de las técnicas individuales, se entra a plantear un modelo que mezcle las diversas técnicas hibricación, de modo que se logre un conjunto con alta sinergia y que además brinde el mayor número de características deseables en un sistema de control inteligente. Por último, se desarrolla el modelo, aplicándolo al proceso de obtención de carbón activado en lecho fluidizado, proceso bastante complejo. Con este sistema se ejemplifica toda la rutina de realización de un controlador inteligente, bajo la técnica hibrida que se plantea, además, se logra mostrar como el desempeño de este tipo de sistemas de control, es mejor que el de los sistemas tradicionales, en particular un controlador en modo PI, cuando se aplican a procesos complejos, Abstract: In this paper, we show an overview of what the process control, to then focus all attention on computer aided control and more specifically in the application of artificial intelligence techniques to process control . artificial neural networks ANN, knowledge-based systems SBCS and fuzzy logic LD, three artificial intelligence techniques, are discussed in detail in order to identify their strengths and weaknesses, when faced with the task of controlling a complex process nonlinear and time-varying. It outlines a concept formalzaci6n intelligent control from the perspective of different opinions of experts in the field, in order to obtain a series of desirable characteristics for this type of control systems and with them raise the hybrid model. Based on the analysis of individual techniques, is entered proposed model mix various techniques hibricacion so as to achieve synergy set high and also provide the greatest number of desirable characteristics in a control system intelligent. Finally, the model is developed, applying the process of obtaining activated carbon fluidized bed rather complex process. With this system the entire routine exemplified embodiment of an intelligent controller, in the hybrid technique arises also gets shown Iike performance of such control systems, is better than that of traditional systems, in particular PI controller mode, when applied to complex processes

Tipo de documento: Tesis-trabajos de grado - Thesis Maestría

Colaborador - Asesor: Perez Hoyos, Gustavo

Palabras clave: Modelo hibrido, Sistemas de control, Procesos complejos, Inteligencia artificial, Tecnología, Hybrid Model, Control systems, Complex processes, Artificial intelligence, Technology

Temática: 0 Generalidades - Computer science, information and general works





Source: http://www.bdigital.unal.edu.co


Teaser



- La necesidad de entrcner la red con todos los patrones nuevamente.
cuando se Quiere cam blar un patr6n 0 un punto de operaci6n, con los consabidos costos en tlempo de entrenamiento. Por su parte, of control dtfuso adofece tembien de Inconvenlentes cuando se enfrente a la tarea de control, con mires a ser un mecanismo intefigente: - Perdlda de Inteligibilidad en la base de conocimlentos (conjunto de regtas p.
e.), cuando estes se dejan fibres para Que un m6dulo de aprendlzaje las modifique. - Poce ftexlbllidad_en los programas de Im~antaci6n de sistemas expertos cuando se desea cambiar un valor particular en una regia . .
Perdlda de consfstencla en la base de conoclmlentos cuando las regJes se modlfican individualmente a la luz de una labor de aprendizaje. .
Carga computaclonal aHa cuando se aumente eI numero de reglas. Por 10 anterior, se justifica la busqueda de otras alternatives, como son las redes hlbridas, la cualcs toman su topalogla de las RNA tlpicas (Freeman y Skapura, 1993), pero Intercalan capas de nodos con funciones internes mas com plej SS, como por ejempto funclones de pertenencia de subconjuntos dtfusos.
Esto no Impfica Que se pferdan las habilldades tlpicas de las RNA en los aspectos de generalizael6n y aprendizaje, ganando adem as en vetocidad de entrenamiento, puesto Que en este caso eI numero de pesos (par~metros) a ajuster es mucho menor, con la ventaja de que se parte con un conoclmlento heurlstico del proce5Q, 10 que faciltta sobremanera at disefto del sistema en las etapas Inlelales.
Adem4s, se pueden usar todes las reglas posfbles de la partid6n de los unlversos de discurso de entrade, sin Ie reducci6n en eI numero de regles recomendada en Ie literature (Kevin, 1990; Lee, 1990; Langan and Berenji, 1992; Yamakawa, 1993).
Esto permite Que las transfelones del eiemento 1Inal de control sean mas suaves y contlnuas, sin aumentar la carga computacional, debido al esquema de ejecuci6n en peralelo que se logra con Ie RH. En at modelo propuesto, ...





Related documents