ASIGNACION SEGUNDO CORTE

JONATHAN HARDWICK DIAZ GARCIA COD: 1093744446 EYNER DAVID CUBIDES CONTRERAS COD: 1090428238

UNIVERSIDAD DE PAMPLONA SEDE VILLA DEL ROSARIO JUNIO DEL 2012

ASIGNACION SEGUNDO CORTE

JONATHAN HARDWICK DIAZ GRACIA COD: 1093744446 EYNER DAVID CUBIDES CONTRERAS COD: 1090428238

PROGRAMACION MECATRONICA PRESENTADO A: ROCCO TARANTINO ALVARADO INGENIERO ELECTRNICO

UNIVERSIDAD DE PAMPLONA SEDE VILLA DEL ROSARIO JUNIO DEL 2012

Algoritmos de Aprendizaje ALGORITMO DEL CONTROLADOR NEURONAL En esta seccin se describir en forma detallada y secuencial cada uno de los algoritmos que se disearon para la implementacin del controlador neuronal, as como los que se crearon para obtener los datos de los modelos. Random Activation Weight Neural Net (RAWN). Este algoritmo de entrenamiento fue propuesto por Te Braake y Van Straten en 1994 [14]. El procedimiento usual para entrenar redes neuronales hacia delante, es backpropagation, que a pesar de las mejoras como aceleracin, velocidad de aprendizaje adaptativo, inicializaciones especiales y redes auxiliares, backpropagation es lento y tiene pocas propiedadesde convergencia. Otros mtodos no proveen un mejor desempeo, sin embargo, el entrenamiento de redes neuronales, es an, un cuello de botella en aplicaciones de tiempo real. La novedad del mtodo RAWN, es que se pueden obtener muy buenos mapeados, solamente tomando aleatoriamente los pesos en la capa oculta. En aquel caso, la estimacin de los pesos en la capa de salida llega a estar en parmetros lineales que se pueden resolver fcilmente por los mtodos ordinarios estndares de mnimos cuadrados. Esto significa que entrenar la red tomar slo una iteracin, la cual, comparada con backpropagation que puede tomar miles de iteraciones, es un gran avance, y tambin un factor conveniente en operaciones de tiempo real. Una vez que ha terminado el proceso de aprendizaje y los pesos de la red neuronal han sido calculados, es importante comprobar la calidad del modelo resultante. Por ejemplo, en el caso del aprendizaje supervisado, una medida de la calidad puede darse en trminos de los errores entre los valores de salida deseados y los obtenidos por la red neuronal. Algunas medidas estndar del error son la suma de los cuadrados de los errores, la raz cuadrada del error cuadrtico medio y el error mximo. Generalmente para comprobar que el entrenamiento fue exitoso bastar con realizar una comparacin grfica entre las curvas de los datos reales de las salidas del proceso con las salidas predichas por la red [15].

Cdigo de entrenamiento de RAWN Cfunction [Wh,Bh,Wo,Bo,neuronas,SSERROR,Y,Ymin,e]=entrenamiento(entrada s,salidas); %entradas=[md,cd] ; salida=[c1,c2]; md=[m1d1,m2d1] ; cd=[c1d1,c2d1] Ni=min(size(entradas)); %numero de entradas Ne=length(entradas); Y=salidas; %Salida del proceso c(n) entradas(1:Ne,Ni+1)=ones(Ne,1); %adicion del bias a la matriz de entrada %Inicializando La suma del cuadrado del error. SSEflag=0; for h=1:8; %numero maximo de neuronas con que se desea evaluar la red for j=1:16 %numero de pruebas con matrices aleatorias que hace la red para realizar las predicciones con el minimo SSE posible W=zeros(Ni+1,h); R=randn(Ni+1,h); %Inicializando la matriz de pesos %Matriz aleatoria W=sqrt(1/(max(sum(entradas.^2))))*R; %proceso de regularizacion Z=entradas*W; %red de cada neurona V=tansig(Z); %salida de cada neurona V(:,h+1)=ones; %adicion del bias de entrada Wout=inv(V'*V)*V'*Y; Ypred=V*Wout; SSE=sumsqr(Y-Ypred); %calculo del SSE if SSEflag==0 SSEmin=SSE; SSEflag=1; end %separacion de los pesos y bias

if SSE<= SSEmin SSEmin=SSE; Ymin=Ypred; Wh=W(1:Ni,:); Bh=W(Ni+1,:); Wo=Wout(1:h,:); Bo=Wout(h+1,:); neuronas=h; e=Y-Ypred; end %numero optimo de neuronas %minimo SSE %Initializing SSEmin %blocking %metodo de los minimos cuadrados codigos de fuentes de algoritmos end end SSERROR=SSEmin neuronas=neuronas

Diagrama de flujo de cdigo de entrenamiento

Algoritmo Predictor Cdigo de Entrenamiento % este algoritmo realiza las prediciones function [c_pred]=predictor_2X2(inputs); % inputs=[md,cd]; md=[m1d1,m2d1] ; cd=[c1d1,c2d1] global Wh Bh Wo Bo load Wh load Wo load Bh load Bo Ni=min(size(Wh)); % numero de elementos de entrada; Ni=4 nodes=max(size(Wh)); % numero de neuronas en la capa intermedia; nodes=8 g=length(inputs); % g=501 inputs(:,Ni+1)=ones; % suma del bias; 501X5 Wh(Ni+1,:)=Bh; % matriz de pesos de la capa intermedia; 5X8 net=inputs*Wh; % red de cada neurona, 501X8 outs=tansig(net); % salida de cada neurona; 501X8 outs(:,nodes+1)=ones; % 501X9 Wo(nodes+1,:)=Bo; % matriz de pesos de la capa de salida c_pred=outs*Wo; % salida predicha, 501X2

Algoritmo Control Setup Cdigo de Entrenamiento function fobj=control_setup_2X2(M,fin); %fin=[m2d1;c1;c1d1;e1;SP1;m1d1;c2;c2d1;e2;SP2] %M=[m1;m2] m2d1=fin(1); c1=fin(2); c1d1=fin(3); d1=fin(4); SP1=fin(5); m1d1=fin(6); c2=fin(7); c2d1=fin(8); d2=fin(9);

SP2=fin(10); m1=M(1); m2=M(2); % se predice la salidad del proceso npred pasos adelante y se calcula el SSE d=[d1,d2]; %NiX2 fin61=[fin(6),fin(1)]; fin27=[fin(2),fin(7)]; p(1,:)=predictor_2X2([fin61,fin27]) + d; SSE=[(SP1-p(1,1))^2,(SP2-p(1,2))^2]; %NiX2 for i=2:3; % Numero de predicciones a realizar g1=[m1,m2]; g2=[p(i-1,1),p(i-1,2)]; p(i,:)=predictor_2X2([g1,g2]) + d; SSE=SSE+[(SP1-p(i,1))^2,(SP2-p(i,2))^2]; %calculo del SSE end fobj=1*[(m1-m1d1)^2 + (m2-m2d1)^2] + 0.5*SSE(:,2) + 5*SSE(:,1); Diagrama de flujo Control Setup

Algoritmo de Control Neuronal function [sys, x0] =control_neural_2X2(t,x,u,flag) global Wh Bh Wo Bo tu M Em i if nargin~=4 if nargin==0 flag = 0; else error('numero errado de argumentos de entrada'); end end if flag == 1 % retorna estados continuos sys = 0; elseif flag == 3 % retorna las salidas %u = [m2d1;c1;c1d1;SP1;m1d1;c2;c2d1;SP2] Ts=2;% Define tiempo de muestreo if t>=tu+Ts, u51=[u(5),u(1)]; %[m1d1,m2d2] u37=[u(3),u(7)]; %[c1d1,c2d2] TOtnn = predictor_2X2([u51, u37]) % TOtnn es una matriz de NiX2; calcula la prediccion de la salida e1 = u(2) - TOtnn(:,1); %calcula el error de prediccion: c1-columna 1 de TOtnn e2 = u(6) - TOtnn(:,2); %calcula el error de prediccion: c2-columna 2 de TOtnn e=[e1,e2]; fin = [u(1:3);e1;u(4);u(5:7);e2;u(8)]; %fin=[m2d1;c1;c1d1;e1;SP1;m1d1;c2;c2d1;e2;SP2] M=fmincon(@control_setup_2X2,[66;66],[],[],[],[],[0;0],[100;100],[], optimset('Display','iter','LargeScale','off'),fin); tu=t Em(i,:)=e; i=i+1; end; sys=M; %salida de los controladores, ahora es una matriz elseif flag == 0, %condiciones iniciales

sys=[1,0,2,8,0,1]; %sys=sizes.NumContStates=1;sizes.NumDiscStates=0;sizes.Num Outputs=2;sizes.NumInputs=8;sizes.DirFee dthrough=0;sizes.NumSampleTimes=1; x0=66.6667; M=[66.6667;66.6667] tu=0; i=1; else sys = []; end

DIAGRAMA DE FLUJO CONTROL NEURONAL

Parte A 1.- Clonar controlador y todos los subsistemas de instrumentacin (transmisor y vlvulas de control) para dos (2) procesos industriales (secadores de pulpa, intercambiadores de calor, control antioleaje, reactores qumicos, etc.) completamente controlados e instrumentados. Lo anterior significa que el proceso debe estar acompaado de instrumentacin sensrica y la instrumentacin de actuacin. Tomado del Libro Ingeniera de Procesos 1. PROCESO DE CALENTAMIENTO A continuacin se plantea el Control Regulatorio por retroalimentacin de un proceso de calentamiento de un lquido que fluye a travs de un tanque, mediante un vapor que se mueve por un serpentn instalado en su interior. Se regula la temperatura del lquido en el tanque ejecutando las acciones bsicas de control ante una perturbacin en el valor del flujo de la corriente de entrada. La dinmica del proceso se plantea y se modela seguidamente, y se especifican las dinmicas correspondientes a la vlvula de control y el sensor empleado. Descripcin del Proceso El tanque agitado que se observa en la Figura 1 se utiliza para calentar una corriente de proceso en forma tal que sus componentes premezclados alcancen una concentracin uniforme. Es importante el control de temperatura porque un aumento de ella tiende a descomponer el producto, mientras que una baja temperatura ocasiona un mezclado incompleto. El tanque se calienta mediante vapor que condensa circulando a travs de un serpentn. Se controla la temperatura en el tanque mediante acciones proporcional-integral-

derivativo y la manipulacin de la posicin de la vlvula que regula el flujo de entrada de vapor. La densidad del alimento es de 68 lb/pie^3 y un calor especfico de 0.80 Btu/lb-F. El volumen de lquido en el reactor es de 120 pie^3 y se mantiene constante. El serpentn es una tubera de acero catlogo 40 de 4 pulgadas de dimetro interno y 205 pies de 282 Mach longitud, que pesa 10.8 lb/pie, tiene un calor especfico de 0.12 Btu/lb-F y su dimetro externo es de 4.5 pulgadas. El coeficiente global de transferencia de calor U se estima en 2.1 Btu/min-pie^2-F en base al rea externa del serpentn. Se puede asumir que su calor latente de condensacin es constante con un valor de 966 Btu/lb. Tambin puede asumirse que la temperatura de la corriente de entrada es constante.

Figura 1. Control de Temperatura Calentador Agitado El flujo de alimento en condiciones de diseo es 15 pie^3/min y su temperatura es de 100F. El contenido del tanque debe mantenerse a una temperatura de 150F. Las perturbaciones posibles son los cambios en el flujo de alimento y la temperatura. El sensor de temperatura es calibrado para un intervalo de medicin entre 100 y 200F y su dinmica muestra un atraso de 0.75 min. La vlvula de control se disea para un 100 % de sobrecapacidad y se pueden despreciar sus cadas de presin. La vlvula es de igual porcentaje

con una rangeabilidad de 50. El actuador tiene una constante de tiempo de 0.20 min.

Modelo Matemtico del Proceso A travs del tanque se desarrolla un fenmeno de transporte de materia y energa, de tal manera que el modelo se plantea con los balances respectivos. Se asume un mezclado perfecto, propiedades fsicas del lquido y vapor constantes, el volumen de lquido residente en el tanque constante y se desprecian las prdidas de calor a travs del tanque. Balance de materia El balance de lquido a travs del tanque es:

Ecuacin (1) Las simplificaciones de volumen y densidad constante, hacen que de la ecuacin (1) se obtenga que los flujos de entrada y salida son iguales, es decir que:

Ecuacin (2) El balance de vapor a travs del serpentn conduce a un resultado similar, es decir, que el flujo de entrada de vapor es igual al de salida.

Balance de energa en el tanque Un balance de energa del lquido en el tanque, se plantea con la siguiente ecuacin

Ecuacin (3) Siendo V, el volumen de lquido en el tanque en pie^3, A, el rea de transferencia de calor en pie^2 y Ts (t), la temperatura del vapor condensante en F. Balance de energa en el serpentn Un balance de energa a travs del serpentn, asumiendo que el metal se encuentra a la misma temperatura del vapor condensante plantea la siguiente ecuacin

Ecuacin (3) Siendo w (t) el flujo de vapor en lb/min y CM la capacidad calrica del metal del serpentn en Btu/F. Asumiendo que para el lquido contenido en el tanque, el Cv y el Cp son aproximadamente iguales y considerando constante la temperatura de la corriente de alimentacin, el modelo compuesto por las ecuaciones (3) y (4) contiene cuatro incgnitas que son la temperatura del lquido en el tanque, T; la temperatura del vapor, Ts; el flujo de la corriente de lquido, y el flujo de vapor, w.

Linearizacin y Transformada de Laplace Para analizar la respuesta controlada del proceso se requiere de la linearizacin de las ecuaciones del modelo, en funcin del tiempo, que son: El balance de energa linearizado a travs del tanque:

Ecuacin (5a)

Ecuacin (5b) Siendo

Ecuacin (6)

Ecuacin (7)

Ecuacin (8)

El balance de energa linearizado a travs del serpentn

Ecuacin (9a)

Ecuacin (9b) Siendo

Ecuacin (10)

Ecuacin (11) Siendo (t), s(t), F(t) y W(t) las variables desviacin de T(t), Ts (t), f (t) y w(t) respectivamente. Para el anlisis en el dominio de Laplace, se transforman las ecuaciones (15b) y (9b) y las correspondientes funciones de transferencia son: Para el lquido a travs del tanque

Ecuacin (12) Para el vapor a travs del serpentn

Ecuacin (13) A partir de las funciones de transferencia (12) y (13) se deduce que el sistema es interactuante con dos variables de salida y dos variables de entrada. Al eliminar la temperatura del vapor, se obtiene la funcin de transferencia de la temperatura en el tanque calentador agitado con respecto a las variables de entrada, es decir:

Ecuacin (14) Siendo

Ecuacin (15)

Ecuacin (16)

Dinmica de la Vlvula de control La funcin de transferencia para una vlvula de igual porcentaje con cada de presin constante es de la forma

Ecuacin (17) Siendo M(s) la seal de salida del controlador en porcentaje (% CO) y la ganancia de la vlvula es calculada con la ecuacin

Ecuacin (18)

Dinmica del Sensor Transmisor El sensor transmisor puede representarse por una dinmica de atraso de primer orden de la forma

Ecuacin (19) Siendo

Parmetros del modelo Para la solucin del modelo se emplean los siguientes parmetros:

SINTONIZACION DEL PID (Z&N)

TEMPERATURA DE ENTRADA 20 FLUJO DE ENTRADA 15pie^3/min VAPOR DE SALIDA 59

TEMPERATURA DE SALIDA 20

CALCULOS DE SINTONIZACION DEL PID K=35

ACS=35*0.283=9.905 T1=1.755 ACS=35*0.634=22.12 T2=3.115 Taoz = 3/2 (3.115-1.755) = 2.04 Toz = (3.115-2.04) = 1.075 Kc= 1.2/35 (1.075/2.04)^-1 = 0.06506312292 Ti= 2*1.075= 2.15 Td= *1.015=0.5375 Ki= 0.06506312292/215=0.03026141764 Kd =0.06506312292*0.5375= 0.0349142857 Clonacin del sistema dinmico por redes neuronales

Vapor de salida

Salida de temperatura

CLONACION DE LA INSTRUMENTACION VALVULA

CLONACION DEL TRASMISOR

PERTURBACIONES AL PROCESO

CLONACION EN LA PLANTA

RESPUESTA DE SALIDA

RESPUESTA DE LA NEURONA CLONADA DE LA PLANTA

PERTURBACION EN LA PLANTA

RESPUESTA DE LA PLANTA

PLANTA CLONADA CON PERTURBACION

Respuesta de la planta

RUIDO

RESPUESTA

CLONACION DE LA PLANTA CON RUIDO

Respuesta de la neurona

FALLAS EN EL PRCOCESO El sistema dinmico maneja un flujo de entrada constante, una falla es el aumento desmesurado del flujo de entrada

Respuesta del sistema

Observamos que el tiempo de estabilizacin aumenta debido a que se demora mas en llegar a la temperatura deseada.

FALLAS EN LA INSTRUMENTACION Fallas en la vlvula Le agregamos mas presin de vapor a la vlvula con el fin de obtener una respuesta sujeta a falla

Respuesta de salida

Observamos que hay un pico de temperatura debido a la gran presin de entrada

Fallas en el transmisor Colocamos una seal aadida a la entrada del trasmisor lo que aumenta el flujo de corriente de la seal con el fin de averiarlo

Respuesta del sistema Vemos que la respuesta del sistema diverge ya que el trasmisor dejo de funcionar ya que la seal sobrepasa los rangos de transmision

Mtodo de estabilizacin de Routh Un sistema realimentado es estable si todos los polos de lazo cerrado se ubican en el semiplano izquierdo del plano s. Esto es lo mismo a decir que todas las races de la ecuacin caracterstica ( q(s) ) tienen parte real negativa cuando no se tiene forma a encontrar las races de la ecuacin caracterstica

C ( s) b0 s m b1s m1 bm1s bm p( s) n n 1 R( s) a0 s a1s an 1s an q( s)

El criterio de estabilidad de Routh permite determinar si hay races con parte real positiva (inestable) sin necesidad de resolver el polinomio. El criterio de estabilidad de Routh se basa en el ordenamiento de los coeficientes de la ecuacin caracterstica Tomamos las funciones de transferencia y las multiplicamos incluidas las ganancias para sacar mi funcin general. Tenemos entonces: (1.622/0.2s+1)*1.905*(1/0.524s+1)*0.383*(1/4.93s+1)*-2.6*(1/0.75s+1) Hacienda la multiplicacin correspondiente obtenemos (-3.133842348/0.3874985s+3.272254s+7.91462s+6.404s+1) P(s)= -3.133842348 Q(s)= 0.3874985s+3.272254s+7.91462s+6.404s+1 s 0.387498 s 3.272254 s 7.156262 s 5.946742566 7.91462 6.404 1 0 1 0 0 0

no hay cambios de signo por lo tanto podemos decir que nuestro sistema es estable. PROCESO 2: TOMADO DEL LIBRO CONTROL AUTOMATICO DE PROCESOS (CARLOS SMITH). INTERCAMBIADOR DE CALOR Un intercambiador de calor en el cual la corriente en proceso se calienta mediante vapor de condensacin, como se ilustra en la figura l-l.

El propsito de la unidad es calentar el fluido que se procesa, de una temperatura dada de entrada T (t), a cierta temperatura de salida, T (t), que se desea. Como se dijo, el medio de calentamiento es vapor de condensacin y la energa que gana el fluido en proceso es igual al calor que libera el vapor, siempre y cuando no haya prdidas de calor en el entorno, esto es, el intercambiador de calor y la tubera tienen un aislamiento perfecto; en este caso, el calor que se libera es el calor latente en la condensacin del vapor. En este proceso existen muchas variables que pueden cambiar, lo cual ocasiona que la temperatura de salida se desve del valor deseado, si esto llega a suceder, se deben emprender algunas acciones para corregir la desviacin; esto es, el objetivo es controlar la temperatura de salida del proceso para mantenerla en el valor que se desea.

Una manera de lograr este objetivo es primera, medir la temperatura T (t), despus comparar sta con el valor que se desea y, con base en la comparacin, decidir qu se debe hacer para corregir cualquier desviacin. Se puede usar el flujo del vapor para corregir la desviacin, es decir, si la temperatura est por arriba del valor deseado, entonces se puede cerrar la vlvula de vapor para cortar el flujo del mismo (energa) hacia el intercambiador de calor. Si la temperatura est por abajo del valor que se desea, entonces se puede abrir un poco ms la vlvula de vapor para aumentar el flujo de vapor (energa) hacia el intercambiador. Todo esto lo puede hacer manualmente el operador y puesto que el proceso es bastante sencillo no debe representar ningn problema. Sin embargo, en la mayora de las plantas de proceso existen cientos de variables que se deben mantener en algn valor determinado y con este procedimiento de correccin se requerira una cantidad tremenda de operarios, por ello, sera preferible realizar el control de manera automtica, es decir, contar con istrumentos que controlen las variables sin necesidad de que intervenga el operador. Para lograr este objetivo se debe disear e implementar un sistema de control. En la figura 1-2 se muestra un sistema de control y sus componentes bsicos. El primer paso es medir la temperatura de salida de la corriente del proceso, esto se hace mediante un sensor (termopar, dispositivo de resistencia trmica, termmetros de sistema lleno, termistores, etc.). El sensor se conecta fsicamente al transmisor, el cual capta la salida del sensor y la convierte en una seal lo suficientemente intensa como para transmitirla al controlador, El controlador recibe la seal, que est en relacin con la temperatura, la compara con el valor que se desea y, segn el resultado de la comparacin, decide qu hacer para mantener la temperatura en el valor deseado. Con base en la decisin, el controlador enva otra seal al elemento final de control, el cual a su vez, maneja el flujo de vapor.

Variable controlada es la temperatura de salida del proceso T (t). La variable manipulada es la variable que se utiliza para mantener a la variable controlada en el punto de control (punto de fijacin o de rgimen); la variable manipulada es el flujo de vapor. Finalmente, cualquier variable que ocasiona que la variable de control se desve del punto de control se define como perturbacin o trastorno; en la mayora de los procesos existe una cantidad de perturbaciones diferentes, en el intercambiador de calor que se muestra en la figura 12, las posibles perturbaciones son la temperatura de entrada en el proceso, T(t), el flujo del proceso, q(t), la calidad de la energa del vapor, las condiciones ambientales, la composicin del fluido que tiene se procesa, la contaminacin, etc.

- Modelo matemtico dinmico temporal del proceso controlado y su instrumentacin Ecuacin diferencial que modela el intercambiador de calor

Donde: Ud0: Coeficiente global de transferencia de calor referido al dimetro exterior (BTU/h F ft2) ATC0: rea de transferencia de calor referida al dimetro exterior (ft2) Cp : Capacidad calorfica (BTU/lb F) tv : Temperatura del vapor (F) te : Temperatura del agua a la entrada (F) ts : Temperatura del agua a la salida (F) (te+ ts) / 2 :Temperatura del agua dentro de tubos (F) tref : Temperatura de referencia (F) w : Flujo de agua (lb/h) m : Cantidad de agua dentro de tubos (lb) tv, ts , tw : Valores en condiciones estables

 Tv , Ts , W Variables de desviacin LINIALIZANDO:

(1)

(2) EVALUANDO CONDICIONES INICIALES ESTABLES

(3) RESTANDO (2) DE (3)

UTILIZANDO VARIABLES DE DESVIAZION

APLICANDO LA TRANSFORMADA DE LA PLACE

SIMPLIFICANDO

Datos fsicos Largo del intercambiador = 9 ft Dimetro de coraza = 17 Flujo = 224 gal/min Temperatura de entrada =80F Temperatura de salida = 185F Presin de vapor =150psia. Nmero de tubos= 112 Dimetro exterior de tubo = de dimetro y BWG 16, disposicin cuadrada a 90, con un claro entre tubos de 0.63. Conductividad trmica de los tubos = 26 BTU/hftF, Factor de obstruccin interno = 0.0012 hft2F/BTU; externo = 0.001 hft2F/BTU Coeficiente global de transferencia de calor = 650 BTU/hft2F

CALCULANDO LAS CONSTANTES

FUNCION DE TRANSFERENCIA

Ts(s)= 0.3818833131/1.712995s+1 Tv(s)= -0.000757394/1.712995s+1

GRAFICA 1 LAZO ABIERTO

GRAFICA 2 LAZO CERRADO

Clonacin del sistema dinmico por redes neuronales

CODIGO DE ENTRENAMIENTO

NEURONA ENTRENADA

RESPUESTA DE LA RED ENTRENADA

COMPARACION DE RESPUESTA DEL SISTEMA POR PID Y CLONACION

PID CAMBIOS EN EL SETPOINT

SETPOINT EN 1

SETPOINT EN 2

SETPOINT EN 5

SETPOINT EN 10

SETPOINT EN 20

RNA CAMBIOS DE SETPOINT SIN ENTRENAR

SETPOINT EN 1

SETPOINT EN 2

SETPOINT EN 5

SETPOINT EN 10

SETPOINT EN 20

PERTURBACIONES Agregamos una perturbacin a la salida del intercambiador para observar si el sistema es tolerante a perturbaciones de hasta el 20%

Respuesta del Sistema

La respuesta que obtenemos aqu aun sigue estando entre los parmetros que deseamos lo cual nos indica que es tolerante a perturbaciones. PID RUIDO

Respuesta

Vemos que el sistema no es tolerante a ruidos - Anlisis de estabilidad de Routh Obtenemos lo siguente: Q(s)= 2.93435187s+3.42599s+1 s 2.93435187 s 3.42599 s 1 1 0

No hay cambios de signo por lo tanto es estable

4. Fallas en la instrumentacin

Conclusiones

Se entendi el comportamiento de una red neuronal a medida que avanza su entrenamiento y comprender los factores que influyen en el mismo. Analizamos los factores que generan un buen entrenamiento. Estudiamos el comportamiento de un sistema RNA con y sin perturbaciones, ruidos y fallas Los mtodos para entrenar una red neuronal no estn establecido puesto que esto es un proceso heurstico, en el cual es incierto o errneo afirmar parmetros nicos para entrenar.

Habilidad de aprender y vincular resultados como adquisicin de conocimientos, representacin del conocimiento y capacidades de inferencia

Bibliografa http://www.slideshare.net/omarspp/redes-neuronales-presentation http://www.slideshare.net/mentelibre/red-neuronal-backpropagation http://poncos.freeiz.com/blog/?p=42 http://omarsanchez.net/multicapasnntool.aspx http://www.nia.nih.gov/Alzheimers/Publications/LaEnfermedaddeAlzhei mer/Parte1/neuronas.htm http://es.wikipedia.org/wiki/Red_neuronal_artificial http://fluidos.eia.edu.co/hidraulica/articuloses/flujoentuberias/neuronal/ neuronal_archivos/page0002.htm http://www.redes-neuronales.netfirms.com/tutorial-redesneuronales/funciones-de-las-neuronas-artificiales.htm http://rna.50webs.com/ http://ocw.ehu.es/ensenanzas-tecnicas/redes-neuronales-artificiales-ysus-aplicaciones/contenidos/pdf/libro-del-curso http://proton.ucting.udg.mx/posgrado/cursos/idc/neuronales2/Transfere ncia.htm http://proton.ucting.udg.mx/posgrado/cursos/idc/neuronales2/General2. htm http://www.redes-neuronales.netfirms.com/tutorial-redes-neuronales/elperceptron-simple.htm http://www.elsevier.es/ficheros/images/64/64v29n01/grande/64v29n0113071859tab02.gif http://laboratorios.fi.uba.ar/lsi/bertona-tesisingenieriainformatica.pdf