Contribuciones al control neuroborroso en ingeniería de procesos industriales

Resumen

RESUMEN: Muchos procesos industriales en Ingeniería química son difíciles de controlar dado quela dinámica de los procesos es no lineal, multivariable y la composición de los productos es difícil de medir de forma rápida y precisa. Un posible acercamiento a solucionar este tipo de problemas es el uso de control basado en redes neuronales artificiales, usando un estimador para inferir composiciones a partir de otras medidas secundarias, controlando el proceso en función de dicha estimación. La presente tesis doctoral propone el uso de redes neuronales artificiales tanto para la estimación de la composición de productos, como modelo de la dinámica de la planta y como esquema de control mediante la técnica de la propagación hacia atrás del error. Por otro lado la incorporación de elementos de Índole borroso a una Identificación permite incluir en la misma conocimiento que se tenga a príorl del sistema. La principal dificultad de la aplicación directa de esquemas puramente borrosos en la Identificación es la dificultad para el entrenamiento con datos reales, dificultad que se puede superar mediante el uso de estructuras neuro-borrosas que tratan de aprovechar las principales características de cada uno de ios paradigmas. Si se dispone de un modelo preciso de la dinámica del sistema a controlar con el que se pueden predecir con un grado de exactitud aceptable las salidas futuras en función de valores actuales y anteriores de salidas, estados y entradas, el problema del control se puede plantear como un problema de optimización en el que se desee encontrar las señales de control que minimicen la diferencia entre las salidas futuras y las referencias a seguir. Una dificultad al enfrentamos al control desde esta perspectiva es que los modelos suelen ser complejos o presentan no linealidades de difícil tratameniento, circunstancia que se acentúa a medida que aumenta la complejidad del sistema que modelizan. Esto dificulta la aplicación de las técnicas habituales de optimización. Una metodología de optimización planteada para sortear dichos problemas es la basada en algoritmos genéticos, que son capaces de tratar con funciones con altas no linealidades o de muy difícil diferenciación. Por tanto, se plantea a su vez el uso de algoritmos genéticos para la obtención de la ley de control pseudo-óptima para el control de la planta, basándose en el modelo neuro-borroso de la misma.