CONTROL INTELIGENTE

Evolucin de las Tcnicas de

Control de Procesos
Las necesidades de la industria nos
ha llevado a tener controladores cada
vez mas sofisticados, en especial
para
manejar
procesos
especialmente complejos.

Evolucin de las Tcnicas de

Control de Procesos
Por muchos aos se ha intentado
desarrollar
tcnicas diversas, no
siempre exitosas debido a diversas
razones:
Alta dimensionalidad del proceso.
Variacin con el tiempo de las
caractersticas del sistema.
No linealidad en el comportamiento
del proceso.

Evolucin de las Tcnicas de

Control de Procesos
Problemas de medicin bajo
incertidumbre.
Objetivos de control demasiado
complejos.
Condiciones de alarma rigurosas
Modelacin muy pobre de la
dinmica del proceso.
Restricciones operativas del proceso.
Probabilidad de falla en sensores o
actuadores.

Evolucin de las Tcnicas de

Control de Procesos
Es as que se requiere un control que
goce de caractersticas inteligentes,
con el cual sea posible controlar
estos procesos en un grado mucho
mayor que el actual y con las
mismas o mejores prestaciones que
lo
hacen
los
sistemas
convencionales.

Evolucin de las Tcnicas de

Control de Procesos
En las ltimas dcadas surgi una
rama de la investigacin en control
aplicado, muy ligada con las ciencias
del conocimiento y la computacin:
la investigacin en control inteligente
de procesos usando herramientas de
inteligencia artificial.

Evolucin de las Tcnicas de

Control de Procesos
El ideal del control es el control
autnomo,
el
cual
podra
en
cualquier momento de su operacin,
cambiar las condiciones de mando al
detectar cambios en el proceso que
controla, todo sin que se requiera la
supervisin humana.

Definicin de Control
Inteligente
Es aquel control capaz de
comprender, razonar y aprender
acerca del proceso, perturbaciones y
condiciones de operacin.
Una
definicin
menos
rgida
denomina control inteligente a aquel
control que puede aprender con base
a
alguna
experiencia
en
el
desempeo de la tarea de control.

Diferencias entre adaptacin y

aprendizaje
Los
controladores
denominados
adaptivos surgieron por la necesidad
de
que
se
adaptasen
a
las
condiciones cambiantes del entorno
donde el control desarrolla su trabajo.
El inconveniente de sta tcnica es
que se aplica normalmente a regiones
pequeas dentro del espacio general
del problema de control.

Diferencias entre adaptacin y

aprendizaje
Mucho mas avanzado es el concepto
de aprendizaje. Aqu se pretende que
el sistema de control realice una
continua mejora de su desempeo
frente a la tarea de control, de modo
que aprende del comportamiento del
proceso y pueda en cualquier
momento
presentar
la
mejor
propuesta de accin de control sobre
las variables que se manipulan.

Diferencias entre adaptacin y

aprendizaje
Un control inteligente de procesos es
un
sistema
que
reune
los
componentes tpicos de cualquier
lazo
de
control
(
sensores,
controladores, actuadores) pero con
la adicin de mnimo un mdulo
caracterstico encargado de realizar
la tarea de evaluacin de la
eficiencia del control y aprendizaje
de operaciones nuevas que mejoren

Tecnologas de inteligencia
artificial
1.
2.
3.
4.

Redes neuronales.
Sistemas basados en conocimientos.
Sistemas hbridos.
Controladores de procesos con
lgica difusa.

1. Inteligencia artificial
Hace medio siglo apareci el concepto de
inteligencia artificial, desde entonces se han
usado una serie de tecnologas de manejo de
la informacin para implementar en las
computadoras
algunos
comportamientos
catalogados como inteligentes. Vamos a ver a
continuacin
aquellas
tecnologas
que
soportan el trabajo en inteligencia artificial y
que se estn usando con xito en
implementaciones de control asistido por
computador.

Redes neuronales
Consideracin del control industrial
actual:
Control distribuido con algn elemento
inteligente
para
evaluar
la
informacin. En algunos casos se
necesita gran rapidez en la respuesta
del sistema de control y una
adaptacin al sistema, aunque ste
vare.
Las redes neuronales artificiales se

Redes neuronales
Con las redes neuronales artificiales (
RNA) se pretende modelar mediante
funciones matemticas simples, los
procesos
de
transferencia
y
procesamiento de informacin que
ocurren entre las neuronas de una
red natural.

Redes neuronales
Una red neuronal es un conjunto de
elementos de computacin independientes
(
llamados
neuronas)
totalmente
interconectados entre s, actuando cada uno
de ellos de forma autnoma pero en sincrona
con los dems. Cada neurona recibe impulsos,
que evala individualmente, procedentes de
otras neuronas dndoles una importancia o
peso sinaptico determinado, segn se les ha
entrenado previamente. Despus, transmite la
seal resultante a otras neuronas.

Redes neuronales
Las neuronas pueden ser circuitos
electrnicos,
microprocesadores,
fragmentos de programa o bien
elementos biolgicos que almacenan
sus estados mediante reacciones
qumicas ( neurotransmisores). Para
el diseo de las redes suelen usarse
topologas que distribuyen los nodos
y sus interconexiones en capas
sucesivas.

Redes neuronales
Una caracterstica de las redes neuronales es
su capacidad de aprendizaje, el cual puede
ser supervisado o no supervisado. En el
primer caso, se presentan sucesivamente
patrones
de
estmulo
y
las
salidas
correspondientes, hasta que la red aprenda a
organizarlos todos.. En este caso se dir que
la red converge o est entrenada. El segundo
caso consiste en presentar a la red una serie
de patrones de estmulos y las reglas que
debe usar para relacionar los datos.

Redes neuronales
Cuando se habla de entrenamiento
de una red neuronal, se hace
referencia a la modificacin de los
pesos sinpticos para conseguir que
cada
neurona
proporcione
la
respuesta correcta, en todas las
situaciones que ha de aprender.

Eleccin del tipo de red

neuronal
Se necesita saber que parmetros se
deben monitorear y qu aplicaciones
se deben realizar para determinar
con ello el nmero de entradas y
salidas de la red. Ademas es
necesario decidir acerca del tipo de
control a desarrollar.

Aplicaciones de redes
neuronales
Movimientos de robots.
Prediccin del movimiento de
accionamientos.
Reconocimiento de posiciones espaciales.
Organizacin automtica de movimientos en
manipuladores.
Prediccin de cargas y energa en redes
elctricas.
Procesamiento de seales.
Control de procesos contnuos.

2. Sistemas basados en
conocimientos
Este trmino encierra todas las
implementaciones de inteligencia
artificial que usan profusamente una
base de datos reportados como
conocimiento sobre un determinado
campo del saber, denominada la
base de conocimientos.

2. Sistemas basados en
conocimientos
Existe un componente vital en estos sistemas
y es el mdulo encargado de realizar la
deduccin o inferencia de la respuesta a un
determinado conjunto de condiciones o
evidencias que sobre el fenmeno se
presentan en cualquier momento. A este
mdulo se le denomina motor de inferencia y
encierra buena parte de de las diferencias
entre diversas implementaciones de sistemas
basados en conocimientos.

2.1 Sistemas expertos

Los sistemas expertos son un
subconjunto de los sistemas basados
en conocimientos, su caracterstica
particular es que el conocimiento
proviene siempre de un experto o
grupo de ellos, de modo que su
origen directo es la experiencia.

2.1 Sistemas expertos

Una primera aproximacin al control
asistido por computador que usa
tcnicas de sistemas expertos, es el
uso de reglas exactas sobre las
cuales no pesa ninguna clase de
incertidumbre.
Si - entonces

2.2 Lgica difusa

La teora de los conjuntos difusos o
borrosos ( Fuzzy en ingls) fue
desarrollada en la dcada de los 60.
Se pens entonces que la implementacin
de la misma podra primero aparecer en
sistemas humansticos ( ciencias sociales,
lingstica, ciencias biolgicas) en donde
los modelos matemticos precisos podran
no ser tan apropiados como en las
ciencias fsicas.

2.2 Lgica difusa

Sin
embargo,
las
primeras
aplicaciones prcticas empezaron en
las reas de control. Esta tecnologa
permiti el uso de expresiones
linguisticas
de
calificacin
de
acciones de control., provenientes
directamente del operador experto y
que por otros medios resultaba
distorsionada
al
pasar
a
su
cuantificacin numrica.

2.2 Teora Fuzzy

Es una teora matemtica que
permite manejar un aspecto de
incertidumbre o ambiguedad que
puede
ser
encontrada
en
la
definicin de un concepto o el
significado de una palabra tal como
alta temperatura.

2.2 Teora Fuzzy

La probabilidad se establece sobre
hechos que van a ocurrir.
Lo Fuzzy se establece sobre hechos
imprecisos pero ciertos.
El control difuso viene a ser una
alternativa al control PID ante
requerimientos especiales.

2.2 Teora Fuzzy

En un controlador Fuzzy , las entradas son
fuzzificadas usando las funciones de
correspondencia de entrada. Luego las
salidas de stas funciones son enviadas a un
conjunto de reglas. Estas reglas se escriben
por alguien que mejor pueda describir el
comportamiento del proceso que se requiere
controlar. Debido al requerimiento de un
experto este sistema puede ser considerado
un sistema experto en tiempo real.

2.2 Teora Fuzzy

Las salidas de stas reglas requieren
desfuzzificacin
usando
unas
funciones de correspondencia de
salida.

Sistema completo de lgica

Fuzzy

Etapas funcionales de una regla

difusa

2.2 Teora Fuzzy

Un mtodo de implementacin de un
controlador de lgica difusa requiere de
2 seales de entrada: una seal de error
y otra de razn de cambio del error. En la
etapa de fuzzificacin, cada una de stas
entradas ( error y delta del error) actan
como variables independientes de un
conjunto de funciones que se traslapan y
que forman el conjunto difuso.

2.2 Teora Fuzzy

Este conjunto es referido como una
funcin de correspondencia de
entrada y representa el grado al cual
las
entradas
cumplen
con
la
definicin individual.
En el controlador de lgica difusa
descrito, existen 2 grupos de
funciones de correspondencia, la de
entrada del error y la de entrada
delta del error.

2.2 Teora Fuzzy

En la figura siguiente se muestran las
entradas
triangulares
de
correspondencia de entrada para
stas entradas. Estas funciones se
traslapan y no necesariamente
deben ser triangulares, pudiendo ser
trapezoidales o Gaussianas.

Funciones de pertenencia
triangulares

3. Sistemas hbridos
Se han planteado diversas combinaciones de las
tecnologas individuales descritas para usar las
habilidades de cada una de ellas en forma mas
eficiente con lo cual se logra un mejor
desempeo del controlador. Algunas de las
combinaciones mas usadas son:
a) Redes neuronales con lgica difusa: control
Neuro Fuzzy.
b) Redes neuronales con sistemas expertos.
c) Redes neuronales con lgica difusa y sistemas
expertos.

3. Sistemas hbridos
Existe una tecnologa denominada
Algoritmos genticos que permite la
obtenciin de valores optimos de una
funcin desconocida mediante el uso
de tcnicas de gentica.

4. Controladores de proceso con lgica difusa

La lgica difusa es la nica

tecnologa de inteligencia artificial
que se ha embebido tanto en
controladores de procesos como en
PLC`s. Existen equipos de diversos
fabricantes que ofrecen sta
posibilidad.

Diagrama de controlador para

control de grado de suciedad