Modelización y control de un sistema neumático usando control inteligente
Portada
Citas bibliográficas
Código QR
Autores
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Universidad de Ibagué - Coruniversitaria, Universidad de Gante, Universidad de Lovaina
Fecha
2006
Cita bibliográfica
Vera Mendez, F. (2006). Modelización y control de un sistema neumático usando control inteligente. [Tesis Maestría, Universidad de Ibagué, Universidad de Gante, Universidad de Lovaina]. http://repositorio.unibague.edu.co:80/jspui/handle/20.500.12313/90
Título de serie/ reporte/ volumen/ colección
Es Parte de
Descripción general
Esta tesis se hizo con la configuración del sistema neumático existente en el laboratorio de Automatización de la Universidad de Ibagué Coruniversitaria, obteniéndose el modelo del sistema a través de su modelo basado en principios físicos fundamentales, redes neuronales, modelo ARX y modelo Fuzzy TakagiSugeno , además se halla el control de posición recurriendo al control inteligente y a la técnica de control PID. Una red neuronal dinámica recurrente se utilizó para
la identificación del sistema neumático, así mismo se construyó un sistema Fuzzy
utilizando la búsqueda secuencial hacia delante SEQSRCH (sequential forward
search) y la búsqueda exhaustiva EXHSRCH (exhaustive search).
La identificación del sistema neumático se hizo más práctica utilizando las
herramientas de control inteligente, ya que al tener que determinar las variables y
parámetros inherentes al sistema como son la fricción viscosa, la fricción de
Coulomb, masas y precisiones en longitudes de conexión, el proceso de
Modelación se hace más complejo.
Las redes neuronales artificiales y los sistemas Fuzzy forman parte de una de
las áreas del control inteligente, que han capturado interés en los últimos años y
constituyen herramientas potentes para solucionar una amplia clase de problemas
de Identificación y Control de sistemas dinámicos, como se conoce en sus
investigaciones de Narendra y Takagi-Sugeno[8]. El trabajo de identificación con
redes neuronales artificiales y T-S fuzzy resulta muy ventajoso cuando se trata de
sistemas no lineales y particularmente para el sistema neumático, donde hallar el
modelo basado en principios físicos, requiere de la caracterización del proceso
físico; este modelo puede obtenerse en forma estrictamente teórica, basada en
consideraciones físicas, leyes de Newton, balances de energía, balance de
masa, pero hay variables que no se tienen en cuenta en el modelo, haciéndolo
inexacto. El control inteligente aplicando Mamdani es muy práctico para este
sistema no lineal, mientras el control PID es más inadecuado por las altas no
linealidades que presenta el sistema neumático.