Regresión bayesiana lineal para calibrar los parámetros de un modelo de horno de arco

Estimating arc furnace model parameters using bayesian linear regression

Este documento presenta la calibración de los parámetros de un modelo de horno de arco eléctrico, que tiene en cuenta la naturaleza no lineal y la impedancia variable que exhibe este tipo de carga. A partir de la ecuación diferencial no lineal que describe la característica estática voltaje-corriente del arco eléctrico, se establece una ecuación equivalente lineal que facilita el ajuste de las constantes del modelo usando mediciones reales de voltaje y de corriente tomadas en la etapa más crítica de la operación del horno. Se muestra el procedimiento de ajuste de los parámetros del modelo usando regresión bayesiana lineal.

Modelo matemático de tipo valor medio de un motor de combustión interna y estimación de estados usando técnicas bayesianas

Mean value mathematical modelling of an internal combustion engine and state estimation using bayesian techniques

En esta investigación se obtuvo un modelo matemático orientado al control de un motor de combustión interna de ignición por chispa. El modelo aplica ecuaciones de primeros principios con no-linealidades y parámetros desconocidos. Las ecuaciones aplicadas están explicadas mediante relaciones termodinámicas conocidas en la literatura como mean value engine modelling (MVEM). La MVEM describe un modelo matemático orientado al control para las máquinas de combustión interna de ignición por chispa.

Este enfoque simplifica los procesos termodinámicos del motor en subsistemas independientes de entrada-salida continuos en el tiempo. El modelo resultante está definido por tres submodelos: dinámica del aire en el múltiple de admisión, dinámica del proceso de combustión y dinámica rotacional en el eje de salida. El modelo es compactado como un sistema en variables de estado, el cual se discretiza para aplicar técnicas de estimación bayesianas con el fin de solucionar un problema de estimación del estado del modelo dinámico del motor de combustión.

Para ello, se construyó la función de densidad de probabilidad (PDF) de los estados sobre la base de la información disponible (mediciones); se asumió una distribución gaussiana de las variables no lineales del estado. Se obtuvo un modelo con un grado de exactitud aceptable y un algoritmo de filtrado que aproxima con alto grado de exactitud los estados del modelo.