Control no lineal con compensación "feedforward" empleando redes neuronales

Mostrar todas las versiones(2)

En este trabajo se presenta una aplicación de redes neuronales al control de un sistema con distinto grado de no linealidad dependiendo del punto de operación en que se encuentra. Se utiliza una red neuronal del tipo "feedforward", entrenada para reconocer la correlación entre la variable...

Descripción completa

Detalles Bibliográficos
Autores principales: Basualdo, Marta Susana, Calvo, Rafael A., Ceccatto, Hermenegildo Alejandro Ramón
Formato: Artículo publishedVersion
Lenguaje:Español
Publicado: Asociación Física Argentina 1994
Acceso en línea:https://hdl.handle.net/20.500.12110/afa_v06_n01_p457
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id afa:afa_v06_n01_p457
record_format dspace
spelling afa:afa_v06_n01_p4572025-03-11T11:27:23Z Control no lineal con compensación "feedforward" empleando redes neuronales An. (Asoc. Fís. Argent., En línea) 1994;01(06):457-460 Basualdo, Marta Susana Calvo, Rafael A. Ceccatto, Hermenegildo Alejandro Ramón En este trabajo se presenta una aplicación de redes neuronales al control de un sistema con distinto grado de no linealidad dependiendo del punto de operación en que se encuentra. Se utiliza una red neuronal del tipo "feedforward", entrenada para reconocer la correlación entre la variable manipulada y la controlada. El banco de datos necesario para el entrenamiento de la red se obtiene a partir de la simulación dinámica rigurosa del comportamiento del sistema. La generación, vía redes neuronales, de un modelo aproximado de la inversa del mismo permite la implementación de un compensador "feedforward" de no-linealidades. Este esquema de control, asociado a estructuras "feedback" convencionales, proporciona importantes ventajas en la performance de las respuestas dinámicas bajo control. El trabajo concluye con un ejemplo de aplicación en el cual se hace un estudio comparativo de los diversos tipos de controladores "feedback" convencionales que pueden asociarse al compensador "feedforward". Los resultados se obtienen por medio de la simulación digital dinámica del sistema conjunto planta-controlador The ability of neural networks to model arbitrary nonlinear functions and their inverses is exploited for the adaptive control of nonlinear systems. Neural networks which model the plant inverse is directly incorporated within the feedforward control structure combined with a conventional feedback scheme. In addition, a test is made with the open loop control using only the neural inverse model of the plant. The combined structure with controllers (P, PD, PI) was implemented in order to improve the performance of the controlled system. The potential of the proposed method is demonstrated using the control of the top of a continuos Benzene-Toluene distillation column as an example. The dynamic behavior of the column is obtained by using a complex software simulation of the system Fil: Basualdo, Marta Susana. Universidad Nacional de Rosario - CONICET. Instituto de Física de Rosario (IFIR). Santa Fe. Argentina Fil: Calvo, Rafael A.. Universidad Nacional de Rosario - CONICET. Instituto de Física de Rosario (IFIR). Santa Fe. Argentina Fil: Ceccatto, Hermenegildo Alejandro Ramón. Universidad Nacional de Rosario - CONICET. Instituto de Física de Rosario (IFIR). Santa Fe. Argentina Asociación Física Argentina 1994 info:ar-repo/semantics/artículo info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion application/pdf spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/afa_v06_n01_p457
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-134
collection Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language Español
orig_language_str_mv spa
description En este trabajo se presenta una aplicación de redes neuronales al control de un sistema con distinto grado de no linealidad dependiendo del punto de operación en que se encuentra. Se utiliza una red neuronal del tipo "feedforward", entrenada para reconocer la correlación entre la variable manipulada y la controlada. El banco de datos necesario para el entrenamiento de la red se obtiene a partir de la simulación dinámica rigurosa del comportamiento del sistema. La generación, vía redes neuronales, de un modelo aproximado de la inversa del mismo permite la implementación de un compensador "feedforward" de no-linealidades. Este esquema de control, asociado a estructuras "feedback" convencionales, proporciona importantes ventajas en la performance de las respuestas dinámicas bajo control. El trabajo concluye con un ejemplo de aplicación en el cual se hace un estudio comparativo de los diversos tipos de controladores "feedback" convencionales que pueden asociarse al compensador "feedforward". Los resultados se obtienen por medio de la simulación digital dinámica del sistema conjunto planta-controlador
format Artículo
Artículo
publishedVersion
author Basualdo, Marta Susana
Calvo, Rafael A.
Ceccatto, Hermenegildo Alejandro Ramón
spellingShingle Basualdo, Marta Susana
Calvo, Rafael A.
Ceccatto, Hermenegildo Alejandro Ramón
Control no lineal con compensación "feedforward" empleando redes neuronales
author_facet Basualdo, Marta Susana
Calvo, Rafael A.
Ceccatto, Hermenegildo Alejandro Ramón
author_sort Basualdo, Marta Susana
title Control no lineal con compensación "feedforward" empleando redes neuronales
title_short Control no lineal con compensación "feedforward" empleando redes neuronales
title_full Control no lineal con compensación "feedforward" empleando redes neuronales
title_fullStr Control no lineal con compensación "feedforward" empleando redes neuronales
title_full_unstemmed Control no lineal con compensación "feedforward" empleando redes neuronales
title_sort control no lineal con compensación "feedforward" empleando redes neuronales
publisher Asociación Física Argentina
publishDate 1994
url https://hdl.handle.net/20.500.12110/afa_v06_n01_p457
work_keys_str_mv AT basualdomartasusana controlnolinealconcompensacionfeedforwardempleandoredesneuronales
AT calvorafaela controlnolinealconcompensacionfeedforwardempleandoredesneuronales
AT ceccattohermenegildoalejandroramon controlnolinealconcompensacionfeedforwardempleandoredesneuronales
_version_ 1831980661265661952

Ejemplares similares