Identificación y control digital con redes neuronales para un sistema hidráulico.

Resumen

Este artículo presenta la identificación de parámetros dinámicos para modelar un sistema hidráulico y el diseño de su controlador digital utilizando redes neuronales. En el estudio se analizó el modelo matemático existente y se realizó la identificación a través de un sistema electrónico de adquisición de señales con los programas MATLAB y LabVIEW.

La metodología empleada en el proyecto corresponde a una investigación experimental y se enmarca en un enfoque empírico analítico de carácter descriptivo y corte trasversal, desarrollada en cuatro etapas: análisis, planeación, ejecución y evaluación. El resultado obtenido es la identificación del sistema hidráulico y el desarrollo de su controlador digital a base de redes neuronales. Se logró desarrollar el control de posición para un cilindro hidráulico empleando como elemento de control una servoválvula 4/3 vías referencia 158351, un sensor de posición potenciómetro lineal, una tarjeta de adquisición de datos conectada a un computador utilizando un algoritmo implementado en LabVIEW, el cual es el encargado de recibir y enviar las señales al sistema por medio de un programa de control.

Palabras clave:

MATLAB

LabVIEW

sistema hidráulico

control digital

redes neuronales

MATLAB

LabVIEW

hydraulic system

digital control

neural networks

Citas

Larco A.M., Aguirre P.A, Martin C. (2010). Identificación y diseño del controlador para un sistema regulador de temperatura en un cuarto térmico. Refrigeración como Tesis de Maestría.

Avilés O.F. (2016). Identificación de sistemas. Ciencia e Ingeniería Neogranadina, 11, 75-79.

Barber F., Botti V.J., Koehler J. (2002). AI: Past, Present and Future. UPGRADE, Vol. 3, No. 5, pp. 2-5.

Barrera J.A.T. (Sin fecha). Redes Neuronales. Universidad de Guadalajara Disponible en: http://www.cucei.udg.mx/sites/default/files/pdf/toral_barrera_jamie_areli.pdf [Visitada en octubre de 2016].

Cabello A.E. (2011). Sistema hidráulico de gobierno de un remolcador de puerto de 20 TM BP. ..

Garrido S., Moreno L., Balaguer C. (1999). Identificación, estimación y control de sistemas no-lineales mediante RGO. Universidad Carlos III.

Groover M.P. (1997). Fundamentos de manufactura moderna: materiales, procesos y sistemas. Pearson Educación.

Matich D.J. (2001). Redes neuronales: Conceptos básicos y aplicaciones. Cátedra de informática aplicada a la ingeniería de procesos– Orientación I.

Morales R.A. (2012). Diseño de circuitos de control para válvulas proporcionales en sistemas hidráulicos…

Nikolov G., Nikolova B. (2008). Virtual techniques for liquid level monitoring using differential pressure sensors. RECENT Journal for Industrial Engineering, ISSN, 2065-4529…

Ogata K. (2003). Ingeniería de control moderna. Pearson Educación.

Oppenheim A.V., Willsky A.S., Nawab S.H. (1998). Señales y sistemas. Pearson Educación.

Pulgarín P., A.J. (2001). Aplicación de herramientas de Inteligencia Computacional en la Planificación de Recursos. Tesis de Maestría. Universidad Nacional de Colombia, Sede Medellín, Col…

Trujillo H. A.D. y Gómez A., L.E. (2007). Inteligencia Artificial: Emulación de mecanismos. Tecno INTELECTO, Vol. 4, No. 2,

Wildberger M.D. (1996). Soziale Angst: ist Schüchternheit ein Makel? (Doctoral dissertation).