Introducción a los sistemas de control

FUNDAMENTOS DE CONTROL DE PROCESOS

Tarea 1: Introducción a los sistemas de control

29 de Agosto, 2014

Introducción

En el desarrollo de la revisión bibliográfica los artículos escogidos fueron, “Adaptive soft-sensors for on-line practicle size estimation in wet grinding circuits”, “Control Neuronal Predictivo por Linealización Instantánea” y “Laboratorio Virtual y Remoto para Simular, Monitorizar y Controlar un Sistema de Riego por Goteo en Olivos”.

La elección de los temas se basó principalmente en que se trata de problemas fáciles de entender y que de cierta forma pueden verse o aplicarse en el diario vivir o en situaciones cotidianas. Como es el caso del sistema de control y riego por goteo, puede aplicarse en cultivos de cualquier tipo, y no necesariamente en industrias.

Por otra parte, el artículo de Control Neuronal tiene mayor relación con el área de la informática, por lo que resultó interesante.

1. Revisión bibliográfica

Artículo 1: Adaptive soft-sensors for on-line practicle size estimation in wet grinding circuits.

Motivación:

Contribución:

Hipótesis:

Resultados:

Limitaciones:

Conclusiones:

Artículo 2: Control Neuronal Predictivo por Linealización Instantánea.

Motivación:

“Si bien es cierto que este proceso es una simplificación de la típica situación industrial de control de pH donde se tratan fluidos que son mezclas de muchos ácidos y bases diferentes, el mismo constituye un sistema no lineal interesante y a la vez económico de implantar y de operar.”

Contribución:

“Desde el punto de vista de aplicaciones industriales el CPBM, tiene algunas ventajas importantes sobre otras técnicas de control, que van desde la posibilidad de tratar en forma sencilla sistemas multivariables con distinto número de entradas y salidas, y de introducir restricciones en las variables de entrada y salida, hasta el hecho de que es conceptualmente simple de comprender, y que puede utilizarse en sistemas de dinámica difícil, respuesta inversa, etc.”

“Una de las ventajas de esta estrategia, sobre la estrategia de control predictivo neuronal reportado generalmente en la literatura que usa directamente en el proceso de optimización una red neuronal como modelo del sistema, es la posibilidad de implantarla en tiempo real, ya que siendo el proceso de optimización mucho más sencillo, el tiempo de cálculo de la señal de control está muy por debajo de los límites que impone el tiempo de muestreo del sistema.”

Hipótesis:

“Para adaptar a procesos no lineales el esquema de Control Predictivo Generalizado (GCP, Clarke,

...