Algoritmo para el modelado TSK difuso de SNL MIMO con puntos de operación indefinidos
PDF (English)
HTML (English)

Palabras clave

Algoritmo modelado difuso
puntos de operación indefinidos
sectores de no-linealidad Kawamoto
sistemas MIMO no-lineales
Takagi-Sugeno-Kang

Cómo citar

González, L. (2023). Algoritmo para el modelado TSK difuso de SNL MIMO con puntos de operación indefinidos. Athenea, 4(14), 8-21. https://doi.org/10.47460/athenea.v4i14.64

Resumen

En este artículo se presenta un algoritmo para la construcción de modelos difusos en subespacios de estado lineales a partir del modelo dinámico MIMO no lineal de plantas cuyos puntos de operación – dentro del rango físico permisible para el sistema – no se encuentran definidos.  Se toma como base el modelo difuso Takagi-Sugeno-Kang y las ideas de sectores de no linealidad de Kawamoto.  Las funciones de pertinencia en el antecedente se modelan con funciones lineales, en tanto que el consecuente se modela mediante funciones en Espacio de Estado Discreto.  Se discute la aplicación del algoritmo al modelo de una planta termoeléctrica ampliamente estudiada en la literatura especializada.

https://doi.org/10.47460/athenea.v4i14.64
PDF (English)
HTML (English)

Citas

[1] A. Tewari, “Modern Control Design With MATLAB and SIMULINK”, Indian Institute of Technology, Kanpur, India, JOHN WILEY & SONS, LTD, ISBN 0 471 496790, pp. 323, 2002.
[2] J. Mendes, R. Araújo, y F. Souza, “Adaptive fuzzy identification and predictive control for industrial processes,” Expert Systems with Applications. Institute for Systems and Robotics (ISR-UC), and Department of Electrical and Computer Engineering (DEEC-UC), University of Coimbra, Portugal. pp. 2-15, November 2013.
[3] T. Takagi, y M. Sugeno, “Fuzzy Identification of Systems and Its Applications to Modeling and Control”, IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS, VOL. SMC-15, NO. 1, pp. 116-132, JANUARY/FEBRUARY 1985.
[4] M. Sugeno y G. T. Kang, “STRUCTURE IDENTIFICATION OF FUZZY MODEL”, Fuzzy Sets and Systems 28 (1988), pp. 15-33, North-Holland.
[5] K. Mehran, “Takagi-Sugeno Fuzzy Modeling for Process Control”, Industrial Automation, Robotics and Arti¯cial Intelligence (EEE8005), Newcastle University, 2008.
[6] S. Kawamoto, K. Tada, A. Ishigame, and T. Taniguchi, “An approach to stability analysis of second order fuzzy systems", in Fuzzy Systems, 1992., IEEE International Conference on, pp. 1427-1434, 1992.
[7] R. Dimeo, K. Y. Lee, “Boiler-Turbine Control System Design Using a Genetic Algorithm”, IEEE Transactions on Energy Conversion, Vol. 10, No. 4, pp. 752-759, December 1995.
[8] R. A. Maher, I. A. Mohammed and I.K. Ibraheem, “State-Space Based H∞ Robust Controller Design for Boiler-Turbine System”, Arabian Journal for Science and Engineering, ISSN 1319-8025, April 2012.
[9] J. Novak, P. Chalupa, “Predictive Control of a Boiler-turbine System”, Recent Researches in Circuits and Systems, ISBN: 978-1-61804-108-1, pp. 383-388. 2012.
[10] J. Wu, J. Shen, M. Krug, S. K. NGUANG and Y. Li, “GA-based nonlinear predictive switching control for a boiler-turbine system”, Journal Control Theory Appl, pp. 100-106. 2012.
[11] A. H. Mazinan, “An Intelligent Multivariable Dynamic Matrix Control Scheme for a 160 MW Drum-type Boiler-Turbine System”, Journal of Electrical Engineering & Technology Vol. 7, No. 2, pp. 240-245, 2012.
[12] R. D. Bell and K. J. Aström, “Dynamic Models for Boiler-Turbine-Alternator Units: Data Logs and Parameter Estimation for a 160 MW Unit”, Deparment of Automatic Control, Lund Institute of Technology. Sweden, December 1987.
[13] J. Castillo, S. Sarmiento, A. Sanz, “ALGORITMO DE IDENTIFICACIÓN DIFUSA PARA EL MODELADO DE UN TANQUE CALENTADO POR SERPENTIN CON AGITACION CONTINUA”, Fifth LACCEI International Latin American and Caribbean Conference for Engineering and Technology (LACCEI’2007), 29 May – 1 June 2007, Tampico, México.
Creative Commons License
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.

Descargas

La descarga de datos todavía no está disponible.