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



atfap ;: Constante ecuacl6n de calentamieoto de resistencias eiectricas, 0.01.
xvp;: Fracd6n de v~tiles, 0.455.
xwp - Fracci6n de agua, 0.1 .
dnfp;:; Fracd6n de voJaties retlrados en tiempo infinito, 0.38.
rpp ;: Ra 0 de Ia part-cula de carb6n, 0.001 m.
asupp - Area superfidal de una particula de carb6n, 3.14*1ae m2.
numparp ;:; Numero de partfculas en at !echo.
1m ;:; Factor de frecuencia de Ia ec.
cine1ica para Ia VoIatiiz.aci6n.
E ;:; Energla de activaci6n de Ia reaccl6n de volatlzacl6n, 83100 J-kg.
R ;:; Constante universal de los gases.
8.31 .
Do ;: DifusMdad r erencia de compuestos gaseoso en s61dos, 1*1 0-7 m21s.
Ed ;:; Energla de actlvaci6n de Ie difusi6n, 61 380 JJkg.
INCOGNITAS =FJujo masico de Char kg-so xlch =Fracd6n inmeclata de materia v~tB en ellecho.
fmmvp Flujo m~sIco de materia votatiI kgJs.
mp ;:; Masa actual de s6lldos en eI piroizador kg.
hsrp = Altura sobre eI reboce de salida de Char m.
vch ;:; Velocidad del Char en eI tuOO de sa a mIs.
voIact =Volumen actual que ocupa eI s6ido.
qep = Palencia etecbica de calentamiento wets.
qpp =Potencia et6cb1ca total perdida aI ambiente wets.
fmch = qconvp ;:; Pofencia elect.
perdida at ambiente por convecd6n wats.
qradp = Potencia elect perdlda aI ambiente por radlad6n wets.
qlrondp Polencia efect.
perdida aI ambiente por conducd6n wets.
cppirp = Cp VoIatizad6n (calores reacci6n y sensibles) J-kg1lOK.
mop Mass que tendr1a et volumen actual si fuera carb6n minerai kg.
Dmv,ch Ditusividad del materialvoISti en eI Char m2Js.
k Coeficiente cinetico de Ia reacci6n de Volatiizaci6n.
x = Fracd6n materia voIlttil con base en mesa hipotetica inicial mo.
denmixp = Densidad de Ia mezda de s6idos kg.lm3.
denapp Densidad aparente de los s6idos contenidos en ellecho kglm3.
denapca Densidad aparente del carb6n mineral en et lecho kg.-m3.
= = = = = = VAlORES PROPIOS DEL SIMULADOR = tiempocalen TlerTlpo transcurrldo desde u ma variaci6n de potenc...






Documentos relacionados