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



prototipo de este m6dulo escrito C , para cads uno de los dos reactores, eI cu I puede rse en et Anexo 3 ra eI rolzador y en at Anexo 4 para eI activador.
Este m6duJo opera bastante bien aplcedo sobre eI simutador de Is planta, como se vera mas adetante. 7.6.1 MOdulo Procesador de Seiiales de Entrada.
Las RNA planteadas en eI MHCI, no se entrenaron, aunque unos pocos datos para esta labor (restando aIgo mas de datos), est8n disponibles de las corridas reaizadas con eI equipo de investigaci6n, fundamentalmente para las RNA que actUan como fIros a Is entrada de set-aI del proceso (Mukhopadhyay and Narendra, 1993).
Las topologla recomendadas para este caso son las rades de aimentad6n desde adelante (FeedfOfWBrd), de hasta 2 capas ocuttas, operando con los datos escaIados en eI inteMJIo·[O.
1,0.9], con vectores de entrada que reciben datos histOricos de Ja variabte a Mrar, en una ventana temporal de cinco puntas de muestreo y entregan un valor actual con un nivel de ruido extremadamente baja.
Las redes inclcadoras de tendentias, auxlares de los diagn6sticos de alarmas, se sugieren del mismo tipo, aunque valdrla Is pena ensayar redes recurrentes tipo Hopfield, de modo que actUen como memorias asociativas (cirecdonadas por contenido!), de algunas condciones criticas del sistema. En esta apicaci6n, las redes que generan valores de variables inferenciales, se usan para evaluar eI grade de ftuidzaci6n dellecho, una variable de vital importanda en Ia estimaci6n de Ia caIdad final del carb6n activo.
Esta meta-vatible 0 variable inferencial, se obtiene de una red entrenada con datos de temperatura y comp0sid6n de humos, ftujo masico de carb6n y calda de presi6n en eI lecho, todas estas, variables de ledlJra cirecta desde instrumentos.
Se deja abierto eI espacio para cualquier otra variable de interK en eI control del sistema, para 10 cual se dispone de Ia flexibildad de Ia programaci6n orientada aI objeto, plataforma sabre Ia cual se pJantea tode eI modeto propuesto. 7.6.2 ...






Related documents