Resumen

Los puentes grúa deben funcionar con rapidez y precisión, con un balanceo mínimo. Sin embargo, las operaciones a alta velocidad provocan oscilaciones no deseadas de la carga, peligrosas para el personal de operación, la carga útil manipulada y la propia grúa. Por lo tanto, se requiere un control de alta calidad. En este trabajo, se estableció el modelo no lineal de la grúa puente y se propuso el control de modo deslizante (SMC) que garantizaba la existencia de movimiento deslizante en presencia de variaciones de la carga útil y de la altura de elevación, y de fricciones viscosas. Para maximizar los beneficios derivados del método de control propuesto, se desarrollaron novedosos métodos de actualización de la pendiente deslizante basados en redes neuronales inteligentes y algoritmos difusos para sintonizar el controlador, garantizando un seguimiento preciso de las variables actuadas, así como la regulación de las variables no actuadas. Los métodos propuestos ajustan el valor predeterminado de la pendiente del colector deslizante en respuesta a las variaciones de las alturas de elevación. Se realizaron aplicaciones de control y los resultados basados en gráficos, error absoluto integral (IAE) y error absoluto integral en el tiempo (ITAE) demostraron la eficacia de los algoritmos propuestos. Se observó que la respuesta del controlador con red neuronal entrenada con retropropagación era más eficaz que la del algoritmo difuso.

• Materias:Control del proceso Aerodinámica Robótica Regulación automática Diagnóstico de fallos
• Subjects: Aerodynamics Robotics Automatic regulation Fault diagnosis
• Palabras claves:puente grúa, error absoluto integral, controlador, red, carga útil, respuesta, pendiente, aplicaciones de control, error absoluto, variables actuadas
• Keywords:overhead crane, integral absolute error, controller, network, payload, response, slope, control applications, absolute error, actuated variables