Agrupaciones de modelos locales con descripción externa. Aplicación a una planta de frío solar

Manuel R. Arahal, Amparo Núñez Reyes, Ignacio Alvarado Aldea, Francisco Rodríguez

Resumen

En este artículo se presenta y analiza un método de creación de modelos formados por agrupaciones de submodelos locales lineales. La principal novedad es que la ponderación empleada con los submodelos no es la habitual, basada en el estado o parte del mismo sino que se toman exclusivamente señales instantáneas de entrada y salida del sistema. Esta elección simplifica algunos aspectos de la creación del modelo, manteniendo intacta la capacidad de representación, siendo ésta comparada con otras técnicas. La simplificación aludida es importante pues acerca el método a la práctica industrial del control de procesos. La técnica de identificación resultante se ilustra mediante casos prácticos: un sistema simulado propuesto por Narendra y el sistema de captación de una planta real de producción de frío a partir de energía solar. Estos dos ejemplos prueban la posibilidad de usar el método como técnica simplificada aplicable en la industria.

Palabras clave

agrupación de modelos locales; identificación; planta solar de producción de frío

Texto completo:

PDF

Referencias

Akaike, H. (1974). A new look at the statistical model identification. IEEE Trans. on Automatic Control AC-19(5), 716– 723.

Alamo, T., A. Cepeda, D. Limon and E. F. Camacho (2006). A new concept of invariance for saturated systems. Automatica 42(9), 1515–1521.

Bellman, R. E. (1957). Dynamic Programming. Princeton University Press. Princeton.

Bontempi, G. and M. Birattari (2005). From linearization to lazy learning: A survey of divide-and-conquer techniques for nonlinear control. International Journal of Computational Cognition 3(1), 56–73.

Camacho, E. F. and C. Bordons (2004). Control predictivo: Pasado, presente y futuro. Revista Iberoamericana de Automática e Informática Industrial 1(3), 5–28.

Cirre, Cristina M., Loreto Valenzuela, Manuel Berenguel and Eduardo Camacho (2004). Control de plantas solares con generación automática de consignas. Revista Iberoamericana de Automática e Informática Industrial 1(1), 50–56.

de Prada, C. (2004). El futuro del control de procesos. Revista Iberoamericana de Automática e Informática Industrial 1(1), 5–14.

Foss, B. A., T. A. Johansen and A. V. Sorenson (1995). Nonlinear predictive control using local models - applied to a batch fermentation process. Control Engineering Practice 3(3), 389–396.

Francisco, M. and P. Vega (2006). Diseño integrado de procesos de depuración de aguas utilizando control predictivo basado en modelos. Revista Iberoamericana de Automática e Informática Industrial 3(4), 88–98.

Fritzke, B. (1994). Growing cell structures - a self-organizing network for unsupervised and supervised learning. Neural Networks 7(9), 1441–1460.

García-Nieto, S., M. Martínez, X. Blasco and J. Sanchis (2008). Nonlinear predictive control based on local model networks for air management in diesel engines. Control Engineering Practice.

Ghraizi, R. A., E. Martínez, C. de Prada, F. Cifuentes and J.L. Martínez (2007). Performance monitoring of industrial controllers based on the predictability of controller behavior. Computers and Chemical Engineering 31, 477–486.

Gruber, J. K. and C. Bordons (2007). Control predictivo no lineal basado en modelos de volterra. aplicación a una planta piloto. Revista Iberoamericana de Automática e Informática Industrial 4(3), 56–73.

Hunt, K. J., T. A. Johansen, J. Kalkkuhl, H. Fritz and Th. Gottsche (2000). Nonlinear speed control for an experimental vehicle using a generalized gain scheduling approach. IEEE Transactions on Control Systems Technology 8(3), 381–395.

Johansen, T. A. and B. A. Foss (1993). Constructing narmax models using armax models. International Journal of Control 58(5), 1125–1153.

Johansen, T. A. and B. A. Foss (1995). Identification of nonlinear system structure and parameters using regime decomposition. Automatica 31(2), 321–326.

Johansen, T. A. and B. A. Foss (1998). ORBIT–operating regime based modelling and identification toolkit. Control Engineering Practice 6(10), 1277–1286.

Johansen, T. A., K. J. Hunt and I. Petersen (2000). Gainscheduled control of a solar power plant. Control Engineering Practice 8(9), 1011–1022.

Moody, J. and C. Darken (1989). Fast learning in networks of locally-tuned processing units. Neural Computation 1, 281– 294.

Murray, R. and T. Johansen (1997). Multiple Model Approaches to Modelling and Control. Taylor and Francis. UK.

Narendra, K. S. and K. Parthasarathy (1990). Identification and control of dynamical systems using neural networks. IEEE Transactions on Neural Networks 1, 4–27.

Núñez-Reyes, A. (2007). Contribuciones al Control de Plantas de Producción de Frío Mediante Energía Solar. PhD thesis. Departamento de Ingeniería de Sistemas y Automática. Escuela Superior de Ingenieros. Universidad de Sevilla.

Núñez-Reyes, A., J.E. Normey-Rico, C. Bordons and E.F. Camacho (2005). A smith predictive based MPC in a solar air conditioning plant. Journal of Process control 15–1, 1–10.

Principe, J. C., L. Wang and M. A. Motter (1998). Local dynamic modeling with self-organizing maps and applications to nonlinear system identification and control. Proceedings of the IEEE 86(11), 2240–2257.

Reed, R. D. and R. J. Marks (1998). Neural smithing. MIT press. Cambridge.

Rivera, D. E. (2007). Una metodología para la identificación integrada con el diseño de controladores imc-pid. Revista Iberoamericana de Automática e Informática Industrial 4(4), 5–18.

Rivera, D. E., J. F. Pollard and C. E. García (1992). Controlrelevant prefiltering: a systematic design approach and case study. IEEE Transactions on automatic control 37(7), 964– 974.

Rodriguez, M., D. Sarabia and C. de Prada (2007). Hybrid predictive control of a simulated chemical plant. In: Taming Heterogeneity and Complexity of Embedded Control (F. Lamnabhi-Lagarrigue, S. Laghrouche, A. Loria and E. Panteley, Eds.). pp. 617–634. ISTE.

Rubio, F. R., E. F. Camacho and M. Berenguel (2006). Control de campos de colectores solares. Revista Iberoamericana de Automática e Informática Industrial 3(4), 26–45.

Sarabia, D., C. De Prada, S. Cristea and R. Mazaeda (2006). Hybrid model predictive control of a sugar end section. Computer Aided Chemical Engineering 21–12, 1269–1274.

Schwartz, J. D. and D. E. Rivera (2006). Control-relevant demand modeling for supply chain management. In: Proceedings of the 14th Annual IFAC Symposium on System Identifi- cation. Newcastle, Australia. pp. 267–272.

Tikhonov, A.Ñ. and V. Y. Arsenin (1977). Solutions of ill-posed problems. V.H. Winston and sons. Washington.

Weigend, A.S. and N.A. Gershenfeld (1994). Time Series Prediction. Addison-Wesley.

Yuan, J.L. and T.L. Fine (1998). Neural network design for small training sets of high dimension. IEEE Transactions on Neural Networks 9, 266–380.

Zambrano, D. (2007). Modelado y control predictivo híbrido de una planta de refrigeración solar. PhD thesis. Departamento de Ingeniería de Sistemas y Automática. Escuela Superior de Ingenieros. Universidad de Sevilla.

Abstract Views

379
Metrics Loading ...

Metrics powered by PLOS ALM




Creative Commons License

Esta revista se publica bajo una Licencia Creative Commons Attribution-NonCommercial-CompartirIgual 4.0 International (CC BY-NC-SA 4.0)

Universitat Politècnica de València     https://doi.org/10.4995/riai

e-ISSN: 1697-7920     ISSN: 1697-7912