Resumen

Este documento presenta una técnica de diseño de programación de ganancias que se basa en modelos neuronales para aproximar el comportamiento de la planta. El diseño del controlador se basa en formalismos de control de modelos genéricos (GMC) y en la linealización del modelo neuronal del proceso. Como resultado, se obtiene una acción de controlador PI, donde la ganancia depende del estado del sistema y se adapta instantáneamente en línea. El algoritmo se prueba en un reactor de tanque agitado continuo no isotérmico (CSTR), considerando tanto problemas de control de entrada única y salida única (SISO) como de entrada múltiple y salida múltiple (MIMO). Los resultados de la simulación muestran que el controlador propuesto proporciona un rendimiento satisfactorio durante cambios en el punto de ajuste y rechazo de perturbaciones.

• Materias:Simulación dinámica Toma de decisiones Regresión lineal Cargas controladas Seguridad multimedia
• Subjects:Dynamic simulation Decision making Linear regression Controlled loads Multimedia safety
• Palabras claves:Modelos neuronales; Programación de ganancia; Controlador PI; Reactor continuo de tanque agitado; Resultados de simulación; Rechazo de perturbaciones
• Keywords:Neural models; Gain-scheduling; PI controller; Continuous stirred tank reactor; Simulation results; Disturbance rejection