Resumen

En este trabajo se propone un mtodo de ajuste robusto basado en una red neuronal artificial para el control predictivo de modelos (MPC) de sistemas industriales con incertidumbres paramtricas. En primer lugar, se establece un enfoque eficiente para caracterizar la relacin de mapeo entre los parmetros del controlador y los ndices de rendimiento robusto. Como normalmente hay mltiples ndices de rendimiento robusto en conflicto a considerar en la sintonizacin MPC, la red neuronal se utiliza adems para fusionar los ndices para producir una etiqueta simple que representa el nivel aceptable del rendimiento robusto. Por ltimo, se propone un algoritmo automatizado para sintonizar los parmetros MPC para el sistema incierto considerado con el fin de alcanzar el rendimiento robusto deseado. Adems, se utiliza la regulacin del valor de pH del sistema de tratamiento de aguas residuales para verificar la eficacia del algoritmo de ajuste robusto que se describe en este artculo.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Método de ajuste robusto; Red neuronal artificial; Control predictivo de modelos; Incertidumbres paramétricas; Sistemas industriales; índices de rendimiento robusto.
• Keywords:Robust tuning method; Artificial neural network; Model predictive control; Parametric uncertainties; Industrial systems; Robust performance indices