Mostrar el registro sencillo del ítem

Modelado, diseño y simulación de un sistema de control utilizando inteligencia artificial.

dc.contributor.advisorRamirez Mateus, Jhon Jairo
dc.contributor.advisorMoreno García, Francisco Ernesto
dc.contributor.authorAcevedo Prada, Pedro José
dc.contributor.authorRozo Ortega, Mauricio
dc.date.accessioned2024-03-21T22:38:58Z
dc.date.available2024-03-21T22:38:58Z
dc.date.issued2022-07-14
dc.identifier.urihttps://repositorio.ufps.edu.co/handle/ufps/6757
dc.description.abstractActualmente la industria se tiene la tendencia de usar PLC los cuales han desempeñado la tarea de controlar los procesos usando métodos clásicos de control como los Proporcional (P), ProporcionalIntegral (PI), Proporcional-Derivado (PD) y Proporcional-Integral-Derivado (PID), en donde la rapidez de estabilización y la no tolerancia a oscilaciones en respuesta a una entrada deben ser el objetivo del control. Estos métodos han cumplido con tareas en donde los procesos tienen comportamientos lineales y no lineales, pero siempre hay nuevas oportunidades para intentar aplicar nuevas estrategias que cumplan esta función. Una alternativa para dar solución a esta problemática es el uso de Redes Neuronales Artificiales, ANN (Artificial Neural Networks) las cuales son similares a las redes neuronales biológicas del cerebro humano; las ANN además de ser similares, también constan de una variedad de características y ventajas que se pueden aplicar a un sin número de situaciones para extraer datos importantes que causen un comportamiento basado en la experiencia. Por lo que se propone un sistema de control basado en Redes Neuronales el cual permita el control de nivel para un tanque utilizando inteligencia artificial.spa
dc.description.tableofcontentsContenido Pág. Introducción 1. Titulo 1.1. 1.2. Planteamiento del problema Justificación 1.2.1. 1.2.2. 1.2.3. 1.3. Beneficios tecnológicos. Beneficios económicos. Beneficios institucionales. Alcances. 1.3.1. 1.3.2. 1.4. Tipo de Proyecto. Resultados esperados Limitaciones y Delimitaciones 1.4.1. 1.4.2. 1.5. Limitaciones. Delimitaciones Objetivos 1.5.1. 1.5.2. General Específicos 2. Marco Referencial 4 6 6 7 8 8 8 9 9 9 10 10 11 11 11 11 12 2.1. Antecedentes 12 2.2. Marco teórico 2.2.1. 2.2.2. 2.2.3. Automatización de procesos industriales Control proporcional. Control proporcional integral. 2.2.3.1. Acción de control proporcional integral. 2.2.4. 2.2.5. 2.2.6. 2.2.7. 2.2.8. 2.2.9. Control proporcional integral derivativo. Control inteligente. Inteligencia artificial. Redes Neuronales (NN). Definiciones de una red neuronal artificial. Ventajas que ofrecen las redes neuronales. 2.2.10. Arduino. 2.2.11. Modulo Ln298N, controlador de motor. 2.2.12. Válvula Proporcional 24vac/dc 1/2 Modulante Control 0 A 10v. 2.2.13. Sistema o circuito hidráulico. 2.2.14. Ecuación diferencial. 2.2.15. Sistema ultrasónico de medición de nivel. 2.2.16. Electroválvula proporcional. 2.2.17. Raspberry pi 2.2.18. Acondicionamiento de señales 2.2.19. Conversión analógica – digital 16 16 18 19 19 20 21 22 22 23 24 25 26 27 27 28 29 29 29 30 30 3. Metodología 32 3.1. 3.2. Encontrar el modelo analítico del sistema dinámico del tanque Instrumentar el tanque para realizar la toma de datos referentes al modelo empírico correspondiente 3.3. 3.4. Evaluar el modelo obtenido analítico y empírico del sistema Diseñar y simular el controlador clásico PI para el sistema hidráulico. 3.4.1. Variación del flujo de entrada al tanque con escalones 3.4.2. Variación del flujo de entrada mediante rampas 3.4.3. Perturbación de la altura por medio de fuentes externas 3.5 Diseñar y simular el controlador de la red neuronal para el sistema hidráulico. 3.5.1. 3.5.2. 3.5.3. 3.6. Variación del flujo de entrada al tanque con escalones Variación del flujo de entrada al tanque con rampas Perturbación del nivel de tanque por medio de fuentes externas Comparar la dinámica de las respuestas de los controladores. 3.6.1. 3.6.2. 3.6.3. 3.6.4. 3.7. Perturbacion de flujo de entrada del tanque mediante escalones. Perturbacion de flujo de entrada del tanque mediante rampas: Perturbacion positivas de nivel del tanque mediante escalones: Perturbacion negativas de nivel del tanque mediante escalones. Divulgar los resultados a la comunidad académica y científica. 32 36 39 46 51 53 55 58 77 80 82 85 86 93 100 107 114 Conclusiones y Recomendaciones. 116 Bibliografía 120 2.1. Antecedentes 12 2.2. Marco teórico 2.2.1. 2.2.2. 2.2.3. Automatización de procesos industriales Control proporcional. Control proporcional integral. 2.2.3.1. Acción de control proporcional integral. 2.2.4. 2.2.5. 2.2.6. 2.2.7. 2.2.8. 2.2.9. Control proporcional integral derivativo. Control inteligente. Inteligencia artificial. Redes Neuronales (NN). Definiciones de una red neuronal artificial. Ventajas que ofrecen las redes neuronales. 2.2.10. Arduino. 2.2.11. Modulo Ln298N, controlador de motor. 2.2.12. Válvula Proporcional 24vac/dc 1/2 Modulante Control 0 A 10v. 2.2.13. Sistema o circuito hidráulico. 2.2.14. Ecuación diferencial. 2.2.15. Sistema ultrasónico de medición de nivel. 2.2.16. Electroválvula proporcional. 2.2.17. Raspberry pi 2.2.18. Acondicionamiento de señales 2.2.19. Conversión analógica – digital 16 16 18 19 19 20 21 22 22 23 24 25 26 27 27 28 29 29 29 30 30 3. Metodología 32 3.1. 3.2. Encontrar el modelo analítico del sistema dinámico del tanque Instrumentar el tanque para realizar la toma de datos referentes al modelo empírico correspondiente 3.3. 3.4. Evaluar el modelo obtenido analítico y empírico del sistema Diseñar y simular el controlador clásico PI para el sistema hidráulico. 3.4.1. Variación del flujo de entrada al tanque con escalones 3.4.2. Variación del flujo de entrada mediante rampas 3.4.3. Perturbación de la altura por medio de fuentes externas 3.5 Diseñar y simular el controlador de la red neuronal para el sistema hidráulico. 3.5.1. 3.5.2. 3.5.3. 3.6. Variación del flujo de entrada al tanque con escalones Variación del flujo de entrada al tanque con rampas Perturbación del nivel de tanque por medio de fuentes externas Comparar la dinámica de las respuestas de los controladores. 3.6.1. 3.6.2. 3.6.3. 3.6.4. 3.7. Perturbacion de flujo de entrada del tanque mediante escalones. Perturbacion de flujo de entrada del tanque mediante rampas: Perturbacion positivas de nivel del tanque mediante escalones: Perturbacion negativas de nivel del tanque mediante escalones. Divulgar los resultados a la comunidad académica y científica. 32 36 39 46 51 53 55 58 77 80 82 85 86 93 100 107 114 Conclusiones y Recomendaciones. 116 Bibliografía 120spa
dc.format.extent136 páginas. ilustraciones, (Trabajo completo) 2.900 KBspa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.rightsDerechos Reservados - Universidad Francisco de Paula Santander, 2022spa
dc.sourcehttps://catalogobiblioteca.ufps.edu.co/descargas/tesis/1161165_1161195 .pdfspa
dc.titleModelado, diseño y simulación de un sistema de control utilizando inteligencia artificial.spa
dc.typeTrabajo de grado - Pregradospa
dcterms.referencesAcero, I., & López, M. (2007). Ecuaciones diferenciales.spa
dcterms.referencesAmaya, E. (septiembre de 2020). Revista ElectroIndustria - PLC vs. PAC. Obtenido de http://www.emb.cl/electroindustria/articulo.mvc?xid=2933&xit=plc-vs-pac. [Accessed: 22-Sep-2020].spa
dcterms.referencesAnzola, N. S. (2015). Máquinas de soporte vectorial y redes neuronales artificiales en la predicción del movimiento USD/COP spot intradiario. https://revistas.uexternado.edu.co, DOI: http://dx.doi.org/10.18601/17941113.n9.04.spa
dcterms.referencesBonifacio , M., & Sanz Molina, A. (2006). Redes neuronales y sistemas borrosos.spa
dcterms.referencesControlador Motor L298N - Tienda Prometec. (04 de 10 de 2020). Obtenido de https://store.prometec.net/producto/controlador-motor-l298n/.spa
dcterms.referencesDamián, M. (2001). Redes Neuronales: Conceptos Básicos y Aplicaciones.spa
dcterms.referencesEstudio mercado Sistemas PLC 2018 - infoPLC. (22 de septiembre de 2020). Obtenido de https://www.infoplc.net/actualidad-industrial/item/105669-estudio-mercado-sistemas-plc2018.spa
dcterms.referencesGarcés Pico, J. C., & León Calderón, J. P. (2015). Diseño e implementación de una planta de nivel, controlada mediante redes neuronales y lógica difusa, destinada al Laboratorio de Control Industrial de la Universidad de las Fuerzas Armadas ESPE.spa
dcterms.referencesGarcía, E. (2012). Automatización de procesos.spa
dcterms.referencesGarrido Meléndez , J., Reyna Guerra , P., Vázquez Briones , M., & García Sosa , A. (2009). Control de Nivel a través de Redes Neuronales.spa
dcterms.referencesGómez Gómez, A., Abajo Martínez, N., & Pino Díez, R. (2001). Introducción a la inteligencia artificial: sistemas expertos, redes neuronales artificiales y computación evolutiva.spa
dcterms.referencesGutierrez Hinestroza, M. D., & Iturralde Kure, S. A. (2017). Fundamentos basicos de instrumentacion y control. Ecuador: UPSE.spa
dcterms.referencesMacias, E. J. (2002). Técnicas de automatización avanzadas en procesos industriales.spa
dcterms.referencesMarcillo Merino, M. J., Mero Lino, E. A., Mercedes Ortiz, M., Borja Gordillo , F., Andrade Alvarez, R., & Jaime Calderon, F. E. (s.f.). Elementos basico del control de procesos.spa
dcterms.referencesMeneses Arévalo, A., Toloza Cano, D. C., & Rincon, J. (2009). Diseño y Elaboración de la Conversión Analógica Digital.spa
dcterms.referencesMORALES ESPITIA, C. A., & MORENO BERMUDEZ, J. L. (2017). Identificación de un sistema de control de nivel y flujo.spa
dcterms.referencesMoromenacho Oscullo, E., Rosero Mata, C., & Bravo, Y. (2009). El control predictivo, es una técnica de control que los últimos años ha alcanzado gran aceptabilidad a nivel industrial sobre todo a nivel químico y petroquímico; en el paper se describe el desarrollo del control predictivo para un sistema de tanques aco.spa
dcterms.referencesOgata, K. (1987). Dinamica de sistemas. Prentice-hall hispanoamericana. S.A.spa
dcterms.referencesOgata, K. (2010). Ingeniería de control moderna 5ta Edicion.spa
dcterms.referencesOlabe, X. B. (2015). Redes Neuronales Artificiales Y Sus Aplicaciones.spa
dcterms.referencesOspina Fuentes, P. L., & Lima Guaqueta, J. E. (2018). Diseño de un sistema de adquisición y visualización de datos basado en la plataforma de sistemas embebidos Raspberry pi.spa
dcterms.referencesRivera Chávez, J. A. (2015). Estudio del control automatizado para la precisión de la presión de una válvula proporcional del sistema hidráulico de máquinas inyectoras aplicada en industrias plásticas.spa
dcterms.referencesRoa Bohórquez, O. L., Contreras Gelves, G. A., Medina Sánchez, L. V., & Vega, H. (2017). Modelado matemático, simulación, análisis y control de un sistema hidráulico interactivo-tres tanques en seriespa
dcterms.referencesRobayo, F. I., Barrera, A. M., & Polanco, L. C. (2015). Desarrollo de un controlador basado en redes neuronalespara un sistema multivariable de nivel y caudal. Revista Ingeniería y Región, 43-54.spa
dcterms.referencesRoman Bueno, J. C., & Gonzalez Mantilla, K. J. (2017). Sistemas embebidos y Hardware libre.spa
dcterms.referencesRuiz Gallo, P. (2022). 1Library. Obtenido de https://1library.co/article/tipos-de-controladorestipos-de-control.zw8878vzspa
dcterms.referencesSolé, A. C. (2011). Instrumentacón Industrial.spa
dcterms.referencesSuquillo Quiña, P. (2012). Diseño E Implementación De Sistemas De Control.spa
dcterms.referencesUtrilla Salazar, D. (2007). Diseño y simulación de un circuito integrado de una red neuronal aplicado al control de velocidad de motores DC.spa
dcterms.referencesVargas, M., Castillo, G., Sandoval, J., & Brambila , A. (2015). Arduino una Herramienta Accesible para el Aprendizaje de Programación. Revista de Tecnología e Innovación, 810.spa
dcterms.referencesWang, W. C. (2010). A speed regulation system of DC motor based on PWM technology,. Applied Mechanics and Materials (Volumes 29-32).spa
dcterms.referenceswww.setefer.com. (28 de 05 de 2022). Obtenido de Válvula proporcional/modulante electric 4-20 mA 24VAC/DC 1" 2 vias: https://www.setefer.com/producto/valvula-proporcionalmodulante-electric-4-20ma-24vac-dc-1-2vias/spa
dcterms.referencesYallico Tapia, A. P. (2015). Sistema de acondicionamiento de señales digitales para la ampliacion del rango de alcance del radio control y de aeronaves no tripuladas en el centro de investigacion y desarrollo de la fuerza aerea ecuatoriana. Ecuador.spa
dc.contributor.corporatenameUniversidad Francisco de Paula Santanderspa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero(a) Electrónico(a)spa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.placeSan José de Cúcutaspa
dc.publisher.programIngeniería Electrónicaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)spa
dc.subject.proposalRedes neuronalesspa
dc.subject.proposalControl de nivelspa
dc.subject.proposalControlador PIDspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dc.contributor.juryPuerto López, Karla Cecilia
dc.contributor.juryLópez Bustamante, Oriana Alexandra


Ficheros en el ítem

Thumbnail
Nombre:
1161165_1161195 .pdf
Tamaño:
2.930Mb
Formato:
application/pdf
Descripción:
Proyecto de grado
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem