Identificación Y Control De Sistemas No Lineales Mediante Clustering Y Gpc Usando Modelos Difusos Takagi-Sugeno
Identification And Control Of Non-Linear Systems Through Clustering And Gpc Using Takagi-Sugeno Diffuse Models
En este artículo se presenta un método para la identificación y control de sistemas no lineales usando modelos difusos tipo Takagi-Sugeno. La identificación se basa en técnicas de clustering y el control se realiza mediante técnicas predictivas. En primer lugar se hace una descripción global de la técnica de clustering haciendo referencia a los Algoritmo Fuzzy C-means y Gustafson Kessel para la generación de los clusters y sus correspondientes funciones de pertenencia. En segundo lugar se detalla la técnica de control GPC (Control Predictivo Generalizado) que se aplicó al modelo difuso obtenido en la fase anterior. Finalmente esta técnica de identificación por clustering y control predictivo difuso se implementó en una planta hidráulica no lineal compuesta de dos tanques acoplados a la que se le modeló la altura del segundo tanque en función del flujo de entrada del primer tanque. Para validación del proceso de identificación y control se desarrolló un modelo teórico de la planta para comparar los resultados obtenidos experimentalmente.
I. INTRODUCCIÓN
Un modelo es una herramienta que permite predecir el comportamiento de un sistema sin necesidad de experimentar sobre él. Existen dos métodos principales para obtener el modelo de un sistema: el primero es un modelaje teórico realizado de forma analítica, en el que se recurre a leyes físicas para describir el comportamiento dinámico de un proceso; el segundo o identificación de sistema [ 10] es un método experimental que permite obtener el modelo a partir de datos reales recogidos de la planta bajo estudio.
La identificación usando modelos difusos Takagi-Sugeno (TS) es una herramienta efectiva para la aproximación de sistemas dinámicos no lineales basada en la información suministrada por los datos de entrada — salida, mediante la interpolación de modelos locales lineales. Este modelo (TS) consiste de reglas if-then con antecedentes difusos y funciones matemáticas en el consecuente. [5]
El Clustering difuso es otra herramienta que se usa para obtener las funciones de pertenencia del antecedente. Y una de sus características más importantes es la identificación simultánea de las funciones de pertenencia del antecedente con los modelos lineales locales del consecuente.
El desarrollo de la ley de control de cada modelo local difuso TS se realiza mediante técnicas predictivas. Los métodos de control predictivo se basan en la idea de realizar una formulación de un criterio de control en un tiempo dado explícitamente, en términos de las predicciones de las salidas futuras que son obtenidas del modelo de la planta del proceso a controlar. En ese sentido, se quiere dar a conocer las propuestas y orientaciones presentadas por organismos internacionales con respecto al catastro, que aunque no son aplicables en su totalidad, pues dependen de las necesidades individuales de cada país y de los niveles de desarrollo de cada catastro, son una buena guía para determinar el estado y avance del catastro colombiano.
Recursos
-
Formatopdf
-
Idioma:español
-
Tamaño:526 kb