Aplicación de la lógica difusa al control de procesos no lineales

  1. HEREDIA MOLINERO, MARIA CARMEN
Dirigida por:
  1. María del Carmen Palancar Montero Director/a

Universidad de defensa: Universidad Complutense de Madrid

Fecha de defensa: 10 de septiembre de 2010

Tribunal:
  1. Julio Félix Tijero Miquel Presidente
  2. José Manuel Aragón Romero Secretario
  3. Guadalupe Ramos Caicedo Vocal
  4. Javier Villa Briongos Vocal
  5. José Miguel Barcala Riveira Vocal

Tipo: Tesis

Teseo: 111993 DIALNET

Resumen

Resumen El objetivo principal de este trabajo es el estudio de la aplicación de la lógica difusa a procesos no lineales particularizando en el control de pH en un proceso de neutralización. Así mismo, se estudia la posibilidad de utilizar modelos de redes neuronales para el diseño de un controlador predictivo que mejore la velocidad de la respuesta del sistema controlado. Se han diseñado dos controladores: no predictivo (controlador difuso puro) y predictivo (Controlador difuso no predictivo combinado con una Red Neuronal que predice el comportamiento del sistema en instantes de muestreo posteriores al actual). Se utilizó la simulación para determinar los parámetros óptimos de los controladores. En el diseño del controlador predictivo se optimizó la topología de la red y la base de entrenamiento. El trabajo se ha centrado en la neutralización de una corriente ácida, una disolución acuosa de ácidos acético y propiónico y como agente neutralizante se ha utilizado hidróxido sódico. El pro ceso de neutralización se lleva a cabo en un reactor tanque con agitación mecánica. El lazo de control donde se implementan los controladores desarrollados es un lazo feedback donde se mide el pH a la salida del tanque de neutralización y se actúa sobre el caudal de hidróxido sódico alimentado al neutralizador. El procedimiento que se ha seguido ha sido el siguiente. En primer lugar se ha realizado un trabajo de simulación para realizar el prediseño del controlador, su optimación y comprobación de su robustez ante pequeñas y grandes perturbaciones. Posteriormente, el controlador optimizado se ha probado en una planta de laboratorio para comprobar su grado de control en una instalación real. Tanto en el trabajo de simulación como el experimental, los modelos del proceso de neutralización y del controlador se han implementado mediante el software LabVIEW. En el caso del controlador predictivo, para el diseño de la red neuronal se ha utilizado el software Matlab. Los resultados obtenidos para la respuesta del pH demuestran que la eficacia del controlador no predictivo es buena para las perturbaciones estudiadas. El pH alcanza el pH de consigna (pH= 7) sin que se produzcan sobreimpulsos. El controlador predictivo en un principio disminuye el tiempo de establecimiento durante la puesta en marcha pero las respuestas obtenidas son oscilatorias y no se llega al estado estacionario.