Академический Документы
Профессиональный Документы
Культура Документы
INTELIGENCIA ARTIFICAL
Ingeniera Mecatrnica, Laura Tatiana Salazar Muoz
Estudiante
Laurasalazar94@hotmail.com
CONTROL PID
El control PID (Proporcional Integral Derivativo) es un mecanismo de control que a travs de un
lazo de retroalimentacin permite regular la velocidad, temperatura, presin y flujo entre otras
variables de un proceso en general. El controlador PID calcula la diferencia entre nuestra variable
real contra la variable deseada (setpoint). En nuestro sistema de temperatura, regularmente nos
interesa mantener la temperatura en un valor constante (37C), por lo tanto, el control PID mide la
diferencia entre la temperatura en la incubadora y la temperatura deseada y acta variando el pulso
que se le enva a la resistencia para que caliente.
El algoritmo de control incluye tres parmetros fundamentales: Ganancia proporcional (P), Integral (I)
y Derivativo (D).
El parmetro Proporcional (P) mide la diferencia entre el valor actual y el set-point (en porcentaje) y
aplica el cambio. Para aplicaciones sumergibles, el valor recomendado es 50% y para aplicaciones
centrfugas, el valor recomendado es 10%.
El parmetro Integral (I) se refiere al tiempo que se toma para llevar a cabo accin correctiva.
Mientras el valor sea ms pequeo, el ajuste es ms rpido, pero puede causar inestabilidad en el
sistema. El valor recomendado para aplicaciones sumergibles es de 0.5 segundos y para
aplicaciones centrfugas es de 1 segundo.
El parmetro Derivativo (D) emite una accin predictiva, es decir, prev el error e inicia una accin
oportuna. Responde a la velocidad del cambio del error y produce una correccin significativa antes
de
que
la
magnitud
del
error
se
vuelva
demasiado
grande.
La correcta sintonizacin o programacin de estos parmetros nos ayuda a controlar de manera
efectiva nuestra temperatura. Si no programamos adecuadamente estos parmetros, el sistema
puede quedar inestable.
LOGICA
DIFUSA
Las computadoras manejan datos precisos que se reducen a
cadenas de unos (1) y ceros (0) y proposiciones que son ciertas y
falsas. El cerebro humano puede razonar con informacin que
involucra incertidumbre o juicios de valor como: el aire es fro o
la velocidad es rpida. Adems, las personas tienen un sentido
comn que les permite razonar en un mundo donde las cosas son
parcialmente ciertas.
La lgica difusa es una rama de la Inteligencia Artificial que le
permite a una computadora analizar informacin del mundo real en una escala entre lo falso y
verdadero. Los matemticos dedicados a la lgica en la dcada de 1920 definieron un concepto
clave: todo es cuestin de grado. La lgica difusa manipula conceptos vagos como caliente o
hmedo y permite a los ingenieros construir televisores, acondicionadores de aire, lavadores y
otros dispositivos que juzgan informacin difcil de definir. Los sistemas difusos son una alternativa a
las nociones de pertenencia y lgica que se iniciaron en la Grecia antigua.
El lenguaje natural maneja conceptos no precisos como hace fro o el precio es alto. Cuando se
traduce el lenguaje humano al contexto de la lgica clsica se pierde la riqueza del significado,
prdida que puede ser importante si estamos diseando un sistema experto. Suponiendo que se
disea un sistema experto en reproducir la capacidad de diagnstico de un mdico, el ingeniero
sabe que el mdico se basa en medidas exactas, pero el diagnstico y la receta de las medicinas
estn llenos de razonamiento difuso.
Cuando los matemticos carecen de algoritmos que dictan cmo un sistema debe responder a
ciertas entradas, la lgica difusa puede controlar o describir el sistema usando reglas de sentido
comn que se refieren a cantidades indefinidas. Los sistemas difusos frecuentemente tienen reglas
tomadas de expertos, pero cuando no hay experto los sistemas difusos adaptivos aprenden las
reglas observando cmo la gente manipula sistemas reales.
El diagrama de bloques para desarrollar la metodologa de lgica difusa muestra las tres etapas que constituyen el contr
En nuestro sistema, aplicando controlador Fuzzy se establecen tres niveles de temperatura, alto,
bajo y estable. Para el error, alto, bajo y medio. Y para la resistencia, alto bajo y regulada.
REDES
NEURONALES