Las Plantas modernas exhiben un comportamiento fuertemente alineal, y los nuevos
métodos de producción son bastante complejos para poder modelizarlos adecuadamente. Por tal motivo, técnicas desarrolladas décadas atrás han resurgido como métodos eficientes para diseñar, optimizar y mantener sistemas altamente complejos. Tal es el caso de los sistemas de Control Borroso (Fuzzy Control) y Neuroborroso (Neuro-Fuzzy Control). Hoy en día el término “Fuzzy Logic” se encuentra presente en muchos artefactos hogareños.
En este curso autocontenido se presentan los conceptos fundamentales sobre lógica
borrosa y control neuroborroso, se analizan varias aplicaciones industriales y se desarrolla en forma interactiva un sistema de control borroso utilizando una herramienta comercial.
Expositor
Ing. Norberto M. Lerendegui
• Master of Electronic Engineering – Eindhoven - Holanda • Responsable del Grupo de Investigación y Desarrollo en Mecatrónica – Depto. de Mecánica - Instituto Tecnológico de Buenos Aires (ITBA) – Argentina • Profesor Titular de Proyectos Mecatrónicos, Sistemas Mecatrónicos del Automotor, Mecatrónica Aplicada, Sistemas Mecatrónicos y Control Discreto – ITBA • Miembro de la IEEE Robotics and Automation Society • Miembro de la IEEE Industrial Applications Society
IEEE-Panamá 2009 Aplicaciones Industriales de Fuzzy-Logic -1-
Contenidos
CONTROL BORROSO (FUZZY CONTROL)
• LÓGICA BORROSA: Concepto. Proposiciones borrosas. Reglas Borrosas. Combinación de Evidencias. Función de pertenencia (Membership Function). Álgebra Borrosa: Negación, Conjunción, Disyunción e Implicación. • INGENIERÍA DE CONTROL: Técnicas convencionales. Limitaciones. “Nuevas” Metodologías: Control Borroso y Neuroborroso. • CONTROL BORROSO. Concepto. Ejemplo de aplicación: Grúa de Puerto. Cuando debería ser usado. Herrarmientas Comerciales. • METODOLOGÍA DE DISEÑO: Definición del Sistema. Análisis “off-line”. Análisis “On-Line”. Generación de Código. Fuzzification, Inferencia borrosa y Defuzzification. Ejemplo de Diseño: Control de Temperatura. Cadena de producción de software. Ejemplo de comparación: Control clásico y borroso.
REDES NEURONALES ARTIFICIALES (NEURAL NETWORKS)
• NEURONA ARTIFICIAL. Estructura. Funciones de Propagación, Activación y Salida. Evolución Histórica. • PERCEPTRÓN. Multicapa. Algoritmo Back-error propagation. • REDES DE NEURONAS. Estructuras. Aprendizaje.
CONTROL NEUROBORROSO (NEURO-FUZZY CONTROL):
• COMBINACIÓN NEURONAL Y BORROSA. Ventajas. Parámetros: Tasa de Aprendizaje, Procedimiento de Actualización, Criterios de Terminación y Secuencia de Uso de Muestras. Ejemplo de Diseño: Controlador de Temperatura. • METODOLOGÍA DE DISEÑO: Agrupación de Muestras y Remoción de Inconsistencias. Fuzzification, Inferencia y Defuzzification. Aprendizaje sobre reglas y sobre variables de entrada/salida.
APLICACIONES INDUSTRIALES DE FUZZY LOGIC
• Ahorro de Energía: Control de Lavarropas. Control adaptativo de Sistemas de Calefacción. • Industria Automotriz: Sistema de Frenos Antibloqueo. Control de Motores de Combustión Interna. Control de Crucero. Control de Aire Acondicionado para Automóviles. • Automación Industrial: Control de Decantador. Control de Producción de Plásticos. Control de Reciclado de Agua. Control de Horno de Cocción de bizcochos • Análisis de Datos: Aplicaciones Médicas. Aplicaciones Sensoriales. • Otras Aplicaciones: Cargador de Baterías. Estabilización de Imágenes Digitales en Cámaras. Control de Anestesia.
IEEE-Panamá 2009 Aplicaciones Industriales de Fuzzy-Logic -2-
Cronograma
09:00-11:00 FUZZY CONTROL
11:00-11:30 Coffee Break
11:30-13:00 DISEÑO CON FUZZY LOGIC
13:00-14:00 Almuerzo
14:00-16:00 REDES NEURONALES – CONTROL NEUROBORROSO
16:00-16:30 Coffee Break
16:30-18:30 APLICACIONES INDUSTRIALES DE FUZZY LOGIC
IEEE-Panamá 2009 Aplicaciones Industriales de Fuzzy-Logic -3-