Control difuso adaptativo aplicado a un sistema de fermentación de flujo continuo de alcohol

Autores/as

  • Andrés Escobar Díaz Universidad Distrital Francisco José de Caldas
  • Cesar Hernández Universidad Distrital Francisco José de Caldas
  • Juan Pablo Arguello Fajardo Universidad Distrital Francisco José de Caldas

DOI:

https://doi.org/10.17533/udea.redin.14604

Palabras clave:

controlador, lógica difusa, control adaptivo, inferencia, modelo inverso, estrategias de sintonización, aprendizaje

Resumen

La técnica de control FRMLC, control difuso con aprendizaje y modelo de referencia se ha estudiado como método para sintonizar controladores difusos. Su desempeño se ha evaluado en un sistema de fermentación de flujo continuo de alcohol el cual tiene como característica una dinámica no lineal sujeta a variación de parámetros en el tiempo. Se utiliza un método de sintonización innovadora, la cual implica un desarrollo sobre Matlab que facilita estudiar la técnica de control FRMLC. Esta herramienta de software permitió construir metodologías de sintonización mas estructuradas para la aplicación de esta técnica en diferentes procesos.
|Resumen
= 169 veces | PDF
= 79 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Andrés Escobar Díaz, Universidad Distrital Francisco José de Caldas

Facultad de Tecnología.

Cesar Hernández, Universidad Distrital Francisco José de Caldas

Facultad de Tecnología.

Juan Pablo Arguello Fajardo, Universidad Distrital Francisco José de Caldas

Facultad de Tecnología.

Citas

K. Passino, S. Yurkovich. Fuzzy control. Ed. AddisonWesley. California. USA. 1998. pp. 522-532.

G. Muñoz Quiñones, J. Ballén Salamanca. Diseño e implementación de un controlador difuso autosintonizado sobre microcontroladores, aplicado al control del péndulo invertido. Trabajo de pregrado. Universidad Distrital. Bogotá. 2003. pp. 68-89.

P. Antsaklis, K. Passino. An introduction to intelligent and autonomous control. Ed. Kluwer Academic Publishers. Norwell (USA). 1993. pp. 427-452.

W. Li-Xin. A course in fuzzy systems and control. Ed. Prentice Hall. New Jersey (USA). 1997. pp. 424-476.

R. L. Jeffey. “Fuzzy reference model learning control”. Journal of Intelligent and Fuzzy Systems. Vol.4-1. 1996. pp. 33-47. DOI: https://doi.org/10.3233/IFS-1996-4103

S. Abhishek. A multi-scale approach to fed-batch bioreactor control. Tesis de Maestria. Universidad de Pittsburgh. Pennsylvania (USA). 2002. pp. 71-88.

A. Kwong, M. Passino. “Dynamically focused fuzzy learning control”. IEEE transactions on system man and cybernetics. Vol. 26. 1996. pp. 53-74. DOI: https://doi.org/10.1109/3477.484438

L. Zadeh. The birth and evolution of fuzzy logic (FL), soft computing (SC) and computing with words (CW): a personal perspective. Ed. World Scientifi c Publishing Co. New Jersey (USA). 1996. pp. 819-843. DOI: https://doi.org/10.1142/9789814261302_0044

P. Dadone. Design optimization of fuzzy logic systems. Tesis de Doctorado. Virginia Polytechnic Institute and State University. Blacksburg. VA. 2001. pp. 64-97.

R. L. Jeeffey, K. Passino, S. Yurkovich. “Fuzzy learning control to antiskid braking system”. IEEE transactions on control. Vol.1-2. 1993. pp. 122-129. DOI: https://doi.org/10.1109/87.238405

K. Tanaka, H. Wang. Fuzzy control system design and analysis. Ed. Jhon Wiley & Sons. New York (USA). 2001. pp. 320-361.

J. Mendel. “Fuzzy logic system for engineering: a tutorial”. Proceeding of the IEEE. Vol. 83. 1995. pp. 345-377. DOI: https://doi.org/10.1109/5.364485

I. Queinnec, B. Dahhou, Y. Sevely. “Theoretical and experimental results in optimization of fedbatch fermentation process”. Journal of Systems Engineering. Vol.1. 1991. pp. 31-40.

Descargas

Publicado

2013-02-27

Cómo citar

Escobar Díaz, A., Hernández, C., & Arguello Fajardo, J. P. (2013). Control difuso adaptativo aplicado a un sistema de fermentación de flujo continuo de alcohol. Revista Facultad De Ingeniería Universidad De Antioquia, (58), 105–113. https://doi.org/10.17533/udea.redin.14604