Modelo híbrido para el control inteligente de procesos, usando tecnología de conjuntos difusos, redes neuronales o artificiales y sistemas basados en conocimientos Reportar como inadecuado




Modelo híbrido para el control inteligente de procesos, usando tecnología de conjuntos difusos, redes neuronales o artificiales y sistemas basados en conocimientos - Descarga este documento en PDF. Documentación en PDF para descargar gratis. Disponible también para leer online.

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





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


Introducción



CALCUlO DE LA UTILIDAD FUTURA APRENDIZAJE _X___.I RED CONTROLADORA U PROCESO ._Y. FIGURA 8.
Neurcrcontrof con retropropagact6n de una utfIdad. La funcl6n de utIIidad no debe confundirse con et error tlpIco que se retroprop and ga en eI entrenamiento de RNA, puesto que Ie funci6n de utIIidad retropropaga un resultado de la evaluaci6n det desempeno de Ie red que controls, respecto de un modelo ideal de su comportamiento.
Esto se logra caJculando directamente et impacto de las acciones presentes sobre la utilidad futura, mediante un modele del proceso y su entorno, de modo que se encuentra esta utilldad future, la cual se retropropaga en Ie red de control para mejorar su desempeno. 4.3.5 Neuro-Control Adaptatlvo con CritJco.
AI momento, los disenos adaptativos con crltico son los unicos disenos conocidos que tienen un alcance importante en la explicaci6n de las capacidades basicas det cerebro de los mamlferos (Werbos, 1992).
La Figura 9 presenta una topologla propuesta para esta implantaei6n. r---~ RED ESTIMADORA UTILIDAD CRiTICO DE LA ACC.ON DE CONTROL APRENDIZAJE FIGURA 9.
Topologla de un neuro-control adaptativo con crltico. Este tipo de neura-control, al iguaJ que la retropropagaci6n de una utilidad, intenta maximizar alguna medici6n de la utilidad sobre periodos futuros de tiempo, pero aqul, se usa un mecanismo adicional (algoritmico 0 incluso otra red) Ilamado Crttico que se adapts para predecir la utilidad futura de acuerdo con las acciones que se ejecutan al momento por parte de la RNA de controll, en vez de intentar un calculo directo mediante modelos de Is utilidad futura.
A este mecanismo algunos autores Ie han denominado sistema secundario de refuerzo 0 red de evafuaci6n estrat6gica. 4.4 SISTEMAS HlBRiDOS SlMSOUCO.cONEXIONISTAS. A partir de los sistemas individuates descritos anteriormente, se han planteado diversas combinaciones para usar las habilldades de cads una de las diterentes tecnologlas. 4.4.1 Hibrldos RNA-8SCs con Manejo...






Documentos relacionados