covid
Buscar en
Revista Iberoamericana de Automática e Informática Industrial RIAI
Toda la web
Inicio Revista Iberoamericana de Automática e Informática Industrial RIAI Controlador predictivo neuro-genético
Información de la revista
Vol. 4. Núm. 4.
Páginas 94-108 (octubre 2007)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Vol. 4. Núm. 4.
Páginas 94-108 (octubre 2007)
Open Access
Controlador predictivo neuro-genético
Visitas
2934
Alberto Aguado, Alfredo Gómez, Abelardo del Pozo
Instituto de Cibernética, Matemática y Física, Calle 15 No. 551, entre C y D, Vedado, La Habana
Este artículo ha recibido

Under a Creative Commons license
Información del artículo
Resumen
Bibliografía
Descargar PDF
Estadísticas
Resumen

En este trabajo, se presenta una solución al problema del control predictivo basado en modelos, que se distingue por utilizar un modelo neuronal como predictor y un algoritmo genético, especialmente diseñado para ser aplicado en tiempo real, como optimizador. Este enfoque es aplicable al control de procesos fuertemente no lineales que no pueden ser aproximados eficientemente por algún modelo lineal y posibilita, además, el uso de criterios de optimización arbitrarios, no necesariamente cuadráticos y la inclusión de soluciones heurísticas ad hoc para mejorar los resultados. En el trabajo, se presentan algunos ejemplos preliminares del uso del controlador propuesto, obtenidos en régimen de simulación.

Palabras clave:
Control predictivo
algoritmos genéticos
redes neuronales
control de unidades caldera-turbina
El Texto completo está disponible en PDF
Referencias
[Aguado et al., 1999]
Aguado, A., Hernández, V., Ordaz, A. y Noriega, A. (1999): Control Predictivo Neuro-genético, Memorias del II Simposio de Control Automático, CIMAF’99, La Habana.
[Aguado, 2000]
A. Aguado.
Temas de Identificación y Control Adaptable.
Editorial ICIMAF, (2000),
[Blasco, 1999]
Blasco F.X., (1999): Control predictivo basado en modelos mediante técnicas de optimización heurística. PhD tesis. Universidad Politécnica de Valencia.
[Back, 1996]
T. Back.
Evolutionary Algorithms in Theory and Practice.
Oxford University Press, (1996),
[Baker, 1987]
E. Baker.
Reducing Bias in the Selection Algorithms.
Proceedings of the Second International Conference on Genetic Algorithms, Vol. 11 (1987), pp. 14-21
[Camacho and Bordons, 2004]
Camacho, E. F. y Bordons, C. (2004): Control Predictivo, pasado, presente y futuro, Copyright CEA-IFAC.
[Clarke et al., 1987a]
D.W. Clarke, C. Mohtadi, P.S. Tuffs.
Generalized Predictive Control-part I.
Automatica, 23 (1987), pp. 137-148
[Clarke et al., 1987b]
D.W. Clarke, C. Mohtadi, P.S. Tuffs.
Generalized Predictive Control-part II. Extensions and Interpretations.
Automatica, 23 (1987), pp. 137-148
[Martínez et al., 1998]
M. Martínez, J.S. Senent, X. Blasco.
Predictive controller based on a genetic algorithm.
Engineering Applications of Artificial Intelligence, 11 (1998), pp. 355-367
[Martínez et al., 2006]
M. Martínez, J.S. Senent, X. Blasco.
Algoritmos genéticos aplicados al diseño de controladores robustos.
Revista RIAI, 3 (2006), pp. 39-51
[Shin and Park, 1998]
S.C. Shin, S.B. Park.
GA - based predictive control for nonlinear processes.
Electronics Letters, Vol. 34 (1998), pp. 20
[Wigren, 2005]
T. Wigren.
Recursive identification based on nonlinear state space models applied to drum-boiler dynamics with nonlinear output equations.
Proceedings of the American Control Conference,
[Zamarreño and Vega, 1999]
Zamarreño, J. M. and Vega P., 1999): Neural predictive control. Application to a highly non-linear system, Engineering Applications of Artificial Intelligence, Volume 12, Issue 2, Pages 149–158.
Copyright © 2007. Elsevier España, S.L.. Todos los derechos reservados
Opciones de artículo