Escolar Documentos
Profissional Documentos
Cultura Documentos
1. Introduccin
1.1. Motivacin . . . . . . . . . .
1.2. Justificaciones . . . . . . . .
1.3. Planteamiento del problema
1.4. Hiptesis . . . . . . . . . . .
1.5. Objetivos . . . . . . . . . .
1.6. Alcances . . . . . . . . . . .
1.7. Contribuciones . . . . . . .
1.8. Metodologa . . . . . . . . .
1.9. Organizacin de la tesis . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
10
11
12
12
13
14
15
15
15
17
.
.
.
.
.
.
.
.
.
.
18
18
23
24
26
33
36
37
40
40
45
NDICE GENERAL
2.5. Evaluacin crtica de los mtodos convencionales de la generacin de
oleaje irregular en canales. . . . . . . . . . . . . . . . . . . . . . . .
46
51
51
53
56
56
60
63
64
66
68
68
70
73
75
76
76
77
78
78
81
81
83
85
87
NDICE GENERAL
95
97
97
99
100
100
101
103
105
113
114
5.3. Resultados y comparacin entre las tres formas de obtener el espectro 116
6. Conclusiones e Investigaciones futuras
125
6.1. Investigaciones futuras
. . . . . . . . . . . . . . . . . . . . . . . 127
A. Principales publicaciones generadas por el trabajo de tesis
138
140
C. Apndice C
143
C.1. Sensor Resistivo para medir el nivel del oleaje . . . . . . . . . . . . 143
D. Apndice D
D.1. Teora elemental del oleaje progresivo
145
. . . . . . . . . . . . . . . . 145
NDICE GENERAL
F. Simbologa
165
F.1. Abreviaturas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
F.2. Notacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
ndice de figuras
2.1.
2.2.
2.3.
2.4.
2.5.
2.6.
2.7.
2.8.
. .
. .
. .
. .
. .
. .
. .
de
. .
20
24
27
28
39
43
45
54
57
58
58
59
3.1.
3.2.
3.3.
3.4.
3.5.
3.6.
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
generador
. . . . . .
47
62
63
65
66
69
NDICE DE FIGURAS
71
72
72
74
75
76
4.1.
4.2.
4.3.
4.4.
4.5.
4.6.
4.7.
4.8.
79
82
82
83
85
87
88
89
90
90
91
91
92
. . . . . 95
inverso.
96
. . . . . 98
. . . . . 99
. . . . . 101
inverso. 102
. . . . . 104
NDICE DE FIGURAS
5.8. Para el control PI auto austable cuando no esta sintonizado de mamera ptima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.9. Se encuentra sintonizado de manera ptima. . . . . . . . . . . . . . 111
5.10. Estructura tipica de una red neuronal . . . . . . . . . . . . . . . . 113
5.11. Generacin de patrones para entrenamiento del control neuronal . . 114
5.12. Espectro Brestcheider Hs y Tp a buclea abierto . . . . . . . . . . . 117
5.13. (a) Patrones salida para entrenamiento RNA. (b) Patrones de entrada
para entrenamiento RNA . . . . . . . . . . . . . . . . . . . . . . . . 118
5.14. ECM entrenamiento . . . . . . . . . . . . . . . . . . . . . . . . . . 119
5.15. Ejemplo 1. Espectro deseado () y espectro medido (o) generado con
RNA, Bretchneider-Mitsuyasu Hs = 2,2 m. f med = 1,0 s. . . . . . . 119
5.16. Ejemplo 2. Espectro deseado () y espectro medido (o) generado con
RNA, Bretchneider-Mitsuyasu Hs = 2,0 m. f med = 1,0 s. . . . . . . 120
5.17. Espectro deseado () y espectro medido (o) generado con RNA, BretchneiderMitsuyasu Hs = 1,8 m f med = 1,0 s. . . . . . . . . . . . . . . . . . 120
5.18. Ejemplo 1 Desempeo de control neuronal combinado . . . . . . . . 121
5.19. Ejemplo 2 Desempeo de control neuronal combinado . . . . . . . . 122
5.20. Comparacin de espectros generador red neuronal. Hs = 2,0 m T p =
1,0 s. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.21. Ejemplo desempeo de control abierto (control convencional de la
generacin del oleaje) . . . . . . . . . . . . . . . . . . . . . . . . . . 123
B.1. Unidad de RNA . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
141
ndice de cuadros
2.1. Fuerzas que generan el oleaje marino . . . . . . . . . . . . . . . . .
19
4.1.
4.2.
4.3.
4.4.
84
84
89
89
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
NDICE DE CUADROS
Glosario de terminos
Compresibilidad la medida de ese cambio de volumen y por tanto de la densidad
que un fluido sufre sujeto a un esfuerzo normal de compresin (presin).
Energa cintica del oleaje, movimiento de las partculas. Resulta de las velocidades de las partculas asociada con el movimiento de la onda.
Energa potencial del oleaje, desplazamiento de las partculas de su posicin
de equilibrio. Resulta de esa parte de masa de fluido de la cresta sobre el valle
de la onda.
Fetch (barrido), longitud del rea de exposicin al oleaje, es decir, recorrido sin
obstculos del viento en el mar.
Fluido es una sustancia que se deforma continuamente por la presencia de stos
an por pequeos que sean, por ejemplo el agua.
Paleta o batidor dispositivo mecnico que genera el oleaje en un canal. Los tipos de
paleta que se utilizan comnmente son del tipo pistn y el batidor articulado
Percolacin moviento entre las partculas del sedimento en el fondo del agua.
Somerizacin cambio de altura de la ola por efecto del fondo en aguas bajas.
Tirante la profundidad del agua del canal h, frente a la paleta o batidor.
Captulo 1
Introduccin
Los sistemas computacionales al aumentar su capacidad de procesamiento y disminuir su costo, han motivado la elaboracin de mejores mtodos numricos, lo que
permite resolver y comprender mejor los problemas hidrodinmicos. Sin embargo,
para estudiar y solucionar problemas de la ingeniera costera, los laboratorios de
hidrulica martima continan utilizando mtodos experimentales y de modelacin
fsica, debido a que los fenmenos del oleaje, que suceden en las costas, son aleatorios y no lineales. Adems, los mtodos numricos no son suficientes para solucionar
problemas de ingeniera, por lo que se requiere validar y complementar, los resultados obtenidos con ellos, de una manera experimental.
El oleaje es el fenmeno de mayor impacto en la hidrulica martima. Consecuentemente, el inters de contar con las facilidades de estudiar, medir y simular el
oleaje (espectro de energa), con el objetivo de conocer su impacto energtico en las
estructuras, playas y costas.
Laboratorios de hidrulica, que cuentan con facilidades de estudio del oleaje,
existen en universidades, instituciones de investigacin, comerciales y militares. La
mayora cuentan con sistemas de generacin del oleaje regular y espectro unidireccional para realizar estudios experimentales con modelos fsicos a escala reducida.
La modelacin fsica permite predecir con alto grado de certidumbre los fenmenos hidrulicos de las costas, pero ella requiere, que los equipos e instrumentos
para generar y medir el oleaje tengan la mayor precisin posible, aunque dadas las
10
1. Introduccin
11
caractersticas aleatorias e irregulares del oleaje slo se pueden lograr resultados con
una calidad aceptable. La mayora de los sistemas de generacin de oleaje, presentan
bajos niveles de control al generar el oleaje, debido a la complejidad del fenmeno,
por lo que los investigadores emplean un tiempo considerable en calibrar sus modelos y prototipos. Es decir, ellos toman el tiempo suficiente, hasta que ajustan el
experimento a simular con un nivel de error aceptable al compararlo con los datos
que obtuvieron en campo. En la actualidad, resulta posible contar con instrumentos y sistemas que nos permiten resolver los problemas antes expuesto, y utilizar
tcnicas avanzadas de control e inteligencia artificial.
La tesis presenta un mtodo de control con autoaprendizajes para la generacin
de oleaje irregular unidireccional donde se presentan dinmicas complejas. La propuesta fundamental, se basa en un sistema de generacin con autoaprendizaje, el
cual combina un controlador PI con una red neuronal. El control corrige de manera
dinmica y en el dominio de la frecuencia el espectro de energa del oleaje generado.
La meta es mejorar la realizacin experimental y reducir el tiempo para lograr
generar un oleaje con un espectro deseado, con lo cual los investigadores empleen
un menor tiempo al calibrar sus modelos hidrulicos.
1.1.
Motivacin
Debido a que las tres cuartas partes de la tierra estn cubiertas de agua. Varios
fenmenos y desastres naturales (tsunami de Indochina, dic. 2004), estn relacionados con los fenmenos del flujo de la gran masa marina, ya sea como corrientes
marinas, olas, ciclos del agua de formacin en nubes, precipitacin en lluvia, etc.
El aportar metodologas para simular el oleaje a escala nos permite contribuir al
conocimiento para comprender y predecir esa diversidad de fenmenos que son causados por el oleaje. Particular inters es el transporte de sedimentos en playas y
costas, la erosin de las playas y los daos de las estructuras sobre la costa [20].
Por otro parte, el esquema de control con redes neuronales es motivado por el
comportamiento no lineal al generar como al propagar el oleaje, y en consecuencia
la propagacin de su energa caracterizada por el espectro de oleaje.
1. Introduccin
1.2.
12
Justificaciones
1.3.
1. Introduccin
13
de una frmula estndar o bien por datos de la medicin del estado espectral del
mar.
Dado que se tiene un proceso aleatorio o irregular, una dificultad es estimar
el espectro de energa del oleaje, l cual presenta gran variabilidad. Se trata de
reproducir un espectro de forma discreta que contenga la energa equivalente del
espectro de densidad continuo. Tanto que al medir como al estimar se afecte lo
menos posible la energa real del espectro.
Un problema especfico, es disminuir la variabilidad al estimar el espectro.
Esto nos permite aplicar mtodos de control a cada una de las frecuencias discretas
que conforman el espectro, y una vez que se tiene la estimacin aceptable, generar
patrones que permitan el entrenamiento de una red neuronal.
Un problema caracterstico al propagarse el oleaje es su no linealidad y estado
aleatorio, que se aproximar la potencia del mismo de una forma aceptable con la
teora lineal de olas pequeas y de procesos estocsticos. Una buena aproximacin
de el estado aleatorio es la distribucin de Rayleigh [69], pues es semejantes a la
propagacin del las ondas acsticas y electromagnticas.
1.4.
Hiptesis
1. Introduccin
14
3. Se controla la generacin del oleaje irregular unidireccional mediante un control de bucle cerrado y lgica secuencial.
Consideraciones Tericas
1. Para determinar el movimiento del oleaje y la potencia requerida, es suficiente
con usar la teora lineal del oleaje [21].
2. Se considera que el oleaje se comporta como un proceso aleatorio, estacionario,
y ergdico. Es decir, que una muestra suficiente grande del oleaje, es representativo de su estado.
1.5.
Objetivos
1. Introduccin
1.6.
15
Alcances
1.7.
Contribuciones
1.8.
Metodologa
Anlisis terico
1. Se obtuvo la funcin de transferencia de la paleta del generador. Se utiliz la
teora lineal y olas de amplitud pequeas. Se comprob experimentalmente
la funcin terica de la paleta, y se calibr la funcin de transferencia del
generador con oleaje regular.
2. Se estudiaron las funciones y caractersticas de propagacin del oleaje sobre el
canal con la teora de olas pequeas. Lo que permiti caracterizar de manera
1. Introduccin
16
1. Introduccin
1.9.
17
Organizacin de la tesis
El captulo 1, Introduce la problemtica, motivaciones, justificaciones y aportaciones cientficas de la tesis. El captulo 2, muestra la investigacin terica de los
antecedentes y estado del arte del espectro de oleaje, su anlisis, generacin, que son
los conocimientos bases para construir y disear generadores de oleaje. El captulo
3 se discute los principios, medios tcnicos y la programacin, para la base experimental del modelado fisico y la implantacin de generadores de oleaje. Captulo 4
presenta la primera aportacin, que consiste en generar el espectro del oleaje con
un controlador PI y los resultados de su desempeo. En el ltimo captulo, debido
a la amplitud del fundamentos tericos de la tesis, se presentan los principales esquemas de control con redes neuronales. Se concluye, con el generador de oleaje con
autoaprendizaje basado en un control neuronal combinado con un controlador PI y
se muestran los resultados de su desempeo.
Resumen
Las costas son afectadas principalmente por el oleaje. El oleaje
es un fenmeno complejo, y principal elemento para el diseo de las estructuras y obras en zonas costeras. Los modelos matemticos hacen posible representar las perturbaciones del mar y calcular sus efectos, sin embargo en
muchos casos se necesitan calibrar por medio de la modelacin fsica. Al
disear obras costeras y martimas complejas, la modelacin fsica a escala
reducida, es esencial, es por ello que se requiere reproducir, en los laboratorios de investigacin y/o proyectos, el oleaje tpico de las zonas donde se
construirn las obras para optimizar su costo.
La tesis presenta un mtodo novedoso de control para generar espectros
de oleaje aleatorio unidireccionales en canales experimentales para los laboratorios de hidrulica martima. El control automtico de la generacin de
oleaje se realiza con un esquema neuronal combinado, compuesto por una red
neuronal artificial feed-forward y un controlador proporcional-integral. La
red neuronal aprende de los parmetros caractersticos propios de cada canal,
perturbaciones y propagacin del oleaje. El mtodo logra obtener un sistema
de operacin fcil, mayor eficacia y calibracin rpida. El controlador genera
los espectros de oleajes necesarios para la modelacin fsica, en los cuales la
duracin y calidad de los ensayos experimentales permiten ahorros considerables en el costo de cada obra.
El mtodo que genera espectros es generalizado, para distintos tipos de
canales de simulacin de oleaje, lo cual se ajusta a los esquemas de control y propagacin del oleaje. Se dise y construy un generador de oleaje
tipo paleta, que utiliza un motor elctrico lineal, para validar y realizar la
parte experimental de la tesis. El sistema de control logra un bajo costo de
operacin, al disminuir al menos en un 20% el tiempo de calibracin y ejecucin de las pruebas experimentales en los laboratorios de hidrulica martima.
Adems de reducir el error en el espectro generado. El esquema de control,
planteado, se puede extender para generar oleaje multidireccional al conjuntar varios generadores con motores lineales independientes, pero coordinados
por un s lo sistema.
Abstract
This thesis presents a low-cost novel control system for the generation
of unidirectional irregular in the random wave flume and uses a combination
of these approaches to design projects and researches of hydraulic in almost
all coastal engineering studies. Wave is a complex and important phenomenon for the design of the structures. Unlike in traditional wave generation
used mathematical simulation of irregular wave. A complete representation
of ocean waves requires considering the sea surface as an irregular wave train
with random characteristics. The system for the generation of unidirectional
irregular uses digital signal processing, a feed-forward neural network and a
linear motor, as main element.
The research objective is to obtain a novel control system for generation of wave spectrum o wave energy spectral density. The control system is
made with combination the neural: artificial neuronal network (ANN) and
Proportional-Integral Control. The artificial neuronal "feed-forward" used the
back-propagation algorithm to learn the characteristics parameters for random wave flume. The method obtains of easy operation, low cost and greater
eciency, where the transitory response disappears quickly and this behavior
is interpreted, in marine hydraulics, as a fast calibration of experiments.
The control system for the generation of unidirectional irregular obtains a
low cost of operation, when reduces at least in a 20% the time in calibration
and to make experimental test in the laboratories of maritime hydraulic. In
addition, it reduces the error of the target spectrum. This thesis reported
the method for the generation of unidirectional irregular by applications of
becomes general, for dierent types of the random wave flume, which adjusts
to the schemes of control and propagation of waves. The scheme of control,
raised, can be extended to generate multidirectional wave when combining
several generators with linear motor independent, but coordinated by a single
system.
Captulo 2
Estado del arte
2.1.
Antecedentes
19
20
Teora de Cnoidal
21
22
23
El primer estudio, que caracteriz las altura de olas sobre un registro de oleaje, fue realizado en 1952 por Longuet-Higgins [48], quien introduce los siguientes
conceptos de suposicin (previsin):
Oleaje direccional
Oleaje de banda ancha
Oleaje no Gausiano
Oleaje no lineal
Distribucin conjunta de perodos y alturas.
Por otra parte, St. Denis [22] y Pierson [66] establecieron en 1953 un enfoque
estocstico para ondas aleatorias. A estas investigaciones siguieron las de Walden
en 1964 y las de Hogben y Lumb en 1967.
En las ltimas dcadas se han incrementado los trabajos, sobre todo de aplicacin; sin embargo, no tomando en cuenta los de Pierson (1955), Borgman (1972)
y Battjes (1977) [7], son pocos los que tratan de modelos estadsticos y estocsticos.
Principios de hiptesis del estado del mar para las mediciones: Hemos partido
del concepto de que se tiene un espectro de oleaje unidireccional y a partir de l
generamos el oleaje. Consideramos el mar como un proceso estocstico estacionario,
ergdico y Gausiano. Bajo esta consideracin el espectro del oleaje en un punto
puede representar el estado de toda una zona del mar.
2.2.
24
2.2.1.
25
Los modelos espectrales de olas. En general, despus de aceptado el espectro de energa de ola para describir el mar, la mayora de los modelos espectrales
contemporneos resuelven la ecuacin de balance de energa, para aguas profundas,
sin considerar la difraccin, la refraccin est dado por [27]:
S(, )
S(, )
(2.1)
+ Cg
= Stot
t
x
donde: S = S(, , x, t) es el espectro de energa de ola, Cg = Cg (, ) la velocidad de propagacin del grupo de olas, Stot = Stot (, , x, t) la funcin neta de todos
los procesos que agrupan, remueven o distribuyen la energa en el espectro de olas;
(2f ) es la frecuencia angular de ola, es la direccin de la ola, x es el vector
posicin de la ola y t es el tiempo.
En aguas someras, el efecto de la profundidad, la refraccin; la friccin con las
corrientes y el fondo, se deben tomar en cuenta en la evolucin del espectro de ola,
por lo que la ecuacin de transporte de energa ms general est dada por:
S(, )
+ Cg S(, ) = Stot
t
(2.2)
donde
Stot = Sin + Snl + Sds
Los trminos a la izquierda de la ecuacin 2.2 representan la evolucin de la
), la propagacin de la
energa de ola en funcin del tiempo (primer trmino S(f,)
t
energa de ola espacialmente y los efectos de refraccin de oleaje (segundo trmino
Cg S(f, )), donde Cg es la velocidad de grupo.
Los trminos a la derecha energa total (Stot ) en la ecuacin 2.2 representan la
energa que entra por el viento (Sin ), la energa de ola e interacciones no lineales entre
ellas(Snl ) y la energa disipacin (Sds ). Para un oleaje completamente desarrollado
donde no se tiene aumento del oleaje se cumple que Sin + Snl + Sds = 0.
El trmino Sin especifica la energa de entrada (fetch) al campo de formacin
de olas desde la atmsfera por el viento. Sds es la disipacin de energa de ola por
26
rompimiento de las crestas en agua profunda, friccin con el fondo en aguas someras,
friccin con corrientes marinas, somerizacin, percolacin y rompimiento de ola al
llegar a la costa. Snl es el trmino de interacciones no lineal entre olas que cumplen
una condicin resonante dada [35].
La ecuacin 2.2, se emplea tanto en la representacin de una dimensin S(f ) o
en la representacin direccional S(f, ) y es la base para el desarrollo de modelos
numricos de prediccin del oleaje. Las funciones de entrada para la energa (Sin )
son basadas en los mecanismos de oleaje Miles [54] y Phillips [64], y la funcin de
la disipacin de la energa (Sds ) representa la disipacin interna y la ruptura del
oleaje, tambin como la friccin del fondo.
2.2.2.
an cos(n t + n )
(2.3)
n=0
donde
n frecuencias angulares de oleaje.
an amplitudes de frecuencias n .
n fase aleatorias.
Si las amplitudes an son dibujadas contra la frecuencia, resulta un espectro de
amplitud. Se usa de manera ms comn el espectro de energa, el cual es la grfica
de a2n . Tanto el espectro de amplitud como el de energa son espectros discretos
(lneas), cada componente de frecuencia slo define un valor discreto (ver Fig. 2.4 ).
Densidad Espectral de Energa (DSE), se grafica como a2n / contra la frecuencia, y es dada por el rea bajo la curva, definindose como medida total
de la energa del oleaje en campo.
27
(t) = Re
a()ej[t()] d
(2.4)
28
1
T
t+T
t
1
f 2 (t)dt =
T
t+T
t
"
#2
N
X
a0 +
(an cos(nf t) + bn sin(nf t)) dt
(2.5)
n=1
donde
an y bn son los coeficientes de Fourier de f (t).
a0 es valor promedio o medio de f (t).
Teorema de Parseval (Ec. 2.6) implica que el valor medio de la suma de los
cuadrados de los coeficientes an y bn no se aproxima al promedio de los valores
medios cuadrados de f (t), a menos que se tome un valor N grande o tienda
al infinito.
29
1
T
1
1X 2
[f (t)] dt = a20 +
(an + b2n ),
4
2
T /2
n=1
N
T /2
(2.6)
donde
an y bn son los coeficientes de Fourier de f (t)
a0 es valor promedio o medio de f (t).
y se define los coeficientes complejos de Fourier F0 , Fn y Fn como:
F0 = 12 a0 ,
Fn =(an jbn ),
Fn =(an + jbn )
entonces
1
F02 = a20 ,
4
1
|Fn |2 = (a2n + b2n ) = |Fn |2
4
(2.7)
1
Cij ( ) =
T
t+T
t
fi (t)fj (t )dt
(2.8)
30
Cij ( ) =
Cij ( ) =
=
1
T
1
T
1
T
t+T
fi (t)fj (t )dt
t
t+T
fi (t)
t
N/2 Z
X
n=N/2
N/2
X
(2.9)
n=N/2
t+T
F [fi (t)] =
N/2
X
(in )
Fj (n) Fj (n) e
n=N/2
N/2
X
n=N/2
donde
(Fi )n coeficientes complejos de la serie de Fourier de fi (t).
(Fi )n es el complejo conjugados de (Fi )n .
dado para la autoconvarianza
C11 ( ) =
N/2
X
n=N/2
|(F1 )n |2 e(int)
(2.11)
(2.12)
C11 (0) =
1
|(F1 )n | =
T
2
n=N/2
t+T
f1 (t)2 dt
t
|f (t)|2 dt = finito
(2.13)
31
T /2
T /2
|f (t)|2 dt = 0.
(2.14)
Pero existen seales, las cuales no tienen un contenido finito de energa, por
ejemplo el oleaje o el ruido. Entonces en estos casos, el promedio de la potencia de
f (t) es una cantidad
1
lm
T T
T /2
T /2
|f (t)|2 dt.
(2.15)
T T
f (t)dt
T /2
T /2
(2.16)
t+T
t
(2.17)
donde
Fn complejos de la serie de Fourier de f (t).
para N/2 < n < N/2, el cual es el espectro de potencia de los dos lados. En la
prctica slo un lado del espectro de potencia es usado, el cual es fsicamente ms
intuitivo, como si las frecuencias negativas no existieran, n.
32
P ( n ) = 2|(F1 )n |2 ,
n>0
(2.18)
11 (0) = |(F1 )0 |2 ,
n=0
(2.19)
para 0 n N/2.
El mtodo discutido es laborioso y en consecuencia es el procedimiento largo para
calcular el espectro del oleaje. l es sustituido por otro ms prctico, que consiste
en hacer uso de la transformada de Fourier sobre el registro del oleaje y obtener los
coeficientes Fn y encontrar |Fn |2 , aunque el procedimiento es complejo, se utiliza
la FFT la cual reduce el tiempo de clculo.
El espectro cruzado se obtiene de igual manera.
1
P () =
T
t+T
(2.20)
(2.21)
El espectro continuo
La amplitud, la fase y la energa han sido representados de forma discreta, y
habr contribuciones slo de la frecuencias discretas,
Ejemplo 2.1 por ejemplo para el espectro 11 (n), el espacio sobre el eje de la frecuencias dada por la Ec.(2.22)
=
2
T
(2.22)
33
|F ( n )|2 = |Fn |2
(2.23)
|Fn | =
|F()|2 d = f 2 (t)
(2.24)
donde
coeficientes complejos de la serie de Fourier de f (t) cuando N .
Fn
F()
es el espectro de potencia continuo de f (t).
2.2.3.
Para el caso de oleaje regular, el modelo del perfil del oleaje (x, t) es dado por:
(x, t) =
H
cos(2ft kx + )
2
donde
H altura de la ola H/2 = a
f frecuencia de la ola T = 1/f
(2.25)
34
T perodo de la ola
k nmero de onda k = 2/L
L longitud de la onda
fase inicial.
Si se define un punto de observacin en x = 0, el perfil del oleaje (t) se transforma en:
H
cos(2f t + )
(2.26)
2
La relacin entre el perodo T y la longitud L de onda (relacin de dispersin)
est dada por la (Ec. 2.27)
(t) =
L=
gT 2
2h
tanh(
)
2
L
(2.27)
donde:
h es la profundidad del agua y los dems trminos igual que la Ec. 2.27.
Energa y dispersin de las olas
La energa potencial: desplazamiento de las partculas de su posicin de equilibrio. Resulta de la parte de masa del fluido contenido en la cresta y que est
sobre el valle de la onda.
La energa cintica: movimiento de las partculas. Resulta de las velocidades de
las partculas asociada con el movimiento de la onda.
De manera, que la energa promedio E en una onda, por unidad de rea, es dada
por la ecuacin (2.28).
1
1
E = gH 2 = ga2 joules/m
8
2
donde:
la densidad del agua
g la constante de gravedad
(2.28)
35
(t) =
N
X
i=1
i (t) =
N
X
Hi
i=1
cos(2fi t + i )
(2.29)
donde:
i la fase ensima,
Hi la altura ensima,
fi la frecuencia ensima del espectro del oleaje
Para realizar una sntesis del espectro, primero se requiere analizar y conocer como se caracteriza el oleaje. Aunque en la tesis, partimos de que tenemos conocimiento del anlisis espectral del oleaje, presentamos como fundamento terico, de manera
resumida, el anlisis del oleaje, proponer la metodologa de sntesis, para realizar el
proceso inverso.
Se utilizan dos tcnicas para el anlisis de oleaje: mtodos estadsticos y mtodos
espectrales, y despus encontrar frmulas para pasar de uno otro.
El mtodo estadsticos consiste en tomar un registro del oleaje, de varios de
cientos de olas y obtener el valor medio o de cruce de las olas por cero. Mediante
la tcnica cruce por cero hacia arriba (Zero upcrossing) se separan las olas, ordenandolas de menor a mayor altura. Del anlisis se obtienen los valores de altura y
perodo mximo (Hmax ), promedio (Hprm ), RMS (Hrms ), que son los parmetros
comunmente utilizados por los laboratorios de oleaje. La altura significativa Hs que
consiste en obtener el promedio de la tercera parte de las olas mayores del registro
que se analiza, y de uso comn, debido a que de manera fcil se estima la energa
total del oleaje a partir de la Hs , usando la ecuacin 2.33. Similar procedimiento se
aplica para el perodo significativo Ts . Con los parmetros altura y perodo significativo se tiene el equivalente de la energa ms dominante y utilizarla para realizar
pruebas experimentales como primera aproximacin del oleaje irregular, utilizando
un generador de oleaje regular.
36
2.2.4.
Parmetros espectrales
mn =
f n S(f )df
(2.30)
S(f )df
(2.31)
= [1
m2 2 1/4
]
m0 m4
(2.32)
37
1/2
Hs = 4,004 m0
(2.33)
perodo de ola: misma forma que la altura de ola, el perodo medio T se estima
con la ecuacin 2.34.
T =
2.3.
m0
m2
(2.34)
En general, los espectros del oleaje no siguen ninguna forma matemtica especfica. Aunque bajo ciertas condiciones de viento, el espectro tiene una forma
especifica. Una serie de esas expresiones empricas han sido encontradas, estas formas especficas son llamados modelos espectrales parmetricos, los ms utilizados
son los siguientes:
Espectro de PIERSON-MOSCOWITZ. En 1964, Pierson y Moscowitz [66]
estudiaron los espectros de oleaje del Atlntico Norte (con datos medidos
en esa zona) y desarrollaron la frmula, basada en la teora de similitud de
Kitaigorodskii, para representar estados de mar completamente desarrollados,
generados por viento. El "fetch"o barrido (longitud del rea de exposicin al
38
(2.35)
donde:
Tz es el perodo medio obtenido por el mtodo de cruces por cero hacia arriba.
Hs es la altura de ola significante.
f es la frecuencia.
Espectro de BRETCHNEIDER-MITSUYASU Bretchneider [11] propuso
una formulacin espectral basada en los supuestos de un espectro de banda
angosta (Ec. 2.32) y que las alturas y perodos de ola siguen la distribucin de
Rayleigh. A dicho espectro, Mitsuyasu et al. [56] hizo un ajuste de coeficientes,
aprovechando los datos de olas generadas por viento en un laboratorio y de
una baha, para representar un espectro de "Fetch"limitado y dejarla como se
muestra a continuacin:
1,03
1
T1/3 4 f 4
Ts4
(2.36)
donde:
Hs es la altura de ola significante
Ts es el perodo de ola significante
Espectro de JONSWAP-HASSELMANN
La expresin de Hasselmann et al. [34] que est basada en los resultados del
espectro JONSWAP (Joint Wave Observation Program for the North Sea) se describe a partir de las modificaciones al espectro de Pierson-Moscowitz de la manera
siguiente:
39
0.35
0.3
A (m^2/s)
0.25
0.2
0.15
0.1
0.05
0
0.5
1.5
2.5
f (Hz)
4,0 5,0
S(f ) = Hs fp f
12 (
1)
fp 4,0
fp
2
exp(1,25 ( ) ) exp(
f
f
(2.37)
fp = f |S(f )=max
donde:
fp es la frecuencia pico o mxima energa del registro.
Hs es la altura de ola significante
0,0624
= [0,230+0,03360,185(1,9+)1]
(
a si f fp
=
b si f fp
= 1 7 (generalmente toma el valor de 3,3),
a = 0,07 y b = 0,09
Espectro de NEUMANN el primer modelo espectral analtico que fue usado
con fines de diseo de ingeniera lo desarrollaron en 1953 Neumann et. al [60].
El modelo es funcin de la velocidad del viento U medida a diez metros sobre
el nivel medio del mar, U10 , y queda expresado como:
fp 2
f2
(2.38)
donde Hm0 es la altura de ola del momento de orden cero, la cual es aproximadamente igual a la altura de ola significante, Hs aprox. Hm0 = 4(m0 )1/2 . La frecuencia
40
fp =
0,87g
2U10
(2.39)
donde
g es la constante de gravedad.
U10 es la velocidad del viento 10 metros sobre el nivel del mar.
Los espectros expuesto, que son los ms usuales, se obtienen del anlisis de los
registros del oleaje y representan los perodos de las energas de las olas para una
cierta regin del mar donde se tomaron dichos registros, por ejemplo para el caso
de Golfo de Mxico, de manera puntual en la Termoelctrica de Tuxpan, Veracruz,
segn Rosales [70] el espectro de Brentneider-Mysutyasu es el que mejor se ajusta.
De manera general, la sntesis del espectro, se tiene a partir de los datos de altura
significativa Hs , perodo significativo Ts , u otros parmetros del espectro particular
a producir. Se obtienen las alturas de energa para un nmero de frecuencias que se
desea que tenga la serie armnica, generalmente son 50 ms. Si son menos hay que
considerar no la altura sino el rea de energa de la frecuencia. Para cada frecuencia
se calcula el nmero de onda k y se ve modicada por la funcin de transferencia de
la paleta del generador oleaje utilizado.
2.4.
2.4.1.
Las ondas que se propagan sobre la superficie del agua en un canal son controladas por la fuerza gravitacional (g) [26]. Cuando un lquido est en reposo posee
una superficie libre horizontal. Por lo tanto, cualquier perturbacin en la superficie provoca un movimiento en el lquido, generalmente del tipo oscilatorio, que se
propaga sobre toda la extensin de la superficie. Con la finalidad de analizar estos movimientos y la ecuacin que los gobierna, primero se formula el principio de
conservacin de masa y momento.
41
(2.40)
u v w
1
( +u
+v
+w )+
+
+
=0
t
x
y
z
x y
z
(2.41)
donde:
V = u + v + w = u(x, t)i + v(y, t)j + w(z, t)k es el campo velocidad en un
punto u, v, w son las velocidades para cada uno de los ejes x, y, z.
El agua se puede considerar un fluido incomprensible, debido a que se requiere
incrementar la presin a 1 x 106 Newton/m2 para obtener un cambio en su densidad
=0)
de un 0.05 %. Si consideramos, que no cambia su densidad ( d
dt
La ecuacin de continuidad (Ec. 2.41) de forma reducida queda.
1 d
+ V = 0
pero 1 d
= E1 dp
dt
dt
dt
dp
entonces E d
para el agua
donde
E es el mdulo de elasticidad.
en forma reducida V = 0
El Principio de conservacin de cantidad de movimiento
(2.42)
42
(2.43)
Por lo que de la conservacin de momento Ec. 2.43 se tiene que el campo (vectorial) de velocidad V es igual al gradiente del potencial de velocidad .
Deducin de la ecuacin de gobierno
Puesto que en el agua la ecuacin de conservacin de masa se cumple (Ec. 2.41)
y el potencial de velocidad satisface la ecuacin 2.43. Sustituyendo Ec. 2.43 en la
Ec. 2.41, esta se reduce al Laplaciano del potencial de velocidad Ec. 2.44.
() = 0 2 = 0
(2.44)
Laplaciano es la ecuacin de gobierno con la que podemos modelar la dinmica del oleaje en el canal, si consideramos que se tiene un fluido no rotacional e
incompresible.
Solucin de sistema de una canal
Dado que slo tenemos propagacin de las olas unidirecional, solo en la direccin
x, consideramos un modelo o ecuacin diferencial en dos dimensiones (2 (x, z, t) =
0) ( Fig. 2.6), donde las paredes laterales tienen una funcin de potencial peridico
=0
((x, t) = (x, t+L)) y la condicin frontera del fondo no existe flujo (w =
z
en z = h). La parte superficial, que nos interesa tiene condiciones, de frontera libre,
d
= 0 en z = 0) y dinmicas ( = 1g
en z = 0) sujetas a la
cinemticas ( d
dz
dt
t
fuerza de gravedad.
El potencial de la velocidad en la superficie, sigue la forma de la ola (x, z, t)
sobre las coordenadas que se desplaza. En el caso del eje z toma una forma hiperblica de valor constante, (por ejemplo z = 0) y se representa el cambio de nivel del
43
1
en z = 0
g t
(2.45)
= gz + const
(2.47)
t
Resolviendo el sistema de ecuaciones (2.46 y 2.47) se tiene la ecuacin 2.48 que
es la velocidad de fase c del oleaje, y que define la propagacin de la ola.
44
c=
g
tanh(kh)
k
(2.48)
p
gL/2
(2.49)
gT 2
2
o bien:
(2.50)
De la Ec. 2.50 se concluye, que viajarn ms rpido aquellas olas con mayor
perodo. En consecuencia, las olas de agua profunda se llaman dispersivas. Es decir,
que cuando se genera una tormenta, siempre se van al frente aquellas olas con perodos ms largos. Ellas son los primeras llegar a las costas. Aunque, no necesariamente
las de mayor energa.
En contraste si h es pequea, es decir, es una zona de aguas poco profundas o
someras tanh(k) se aproxima a kh para cuando se cumple que la razn entre la
profundidad (h) y la longitud de onda (L) es menor que 0,05, es decir kh > /10.
c=
p
gh
(2.51)
45
z
H
x
Paleta o Pistn
que genera el oleaje
2e
2.4.2.
H/S = h/L
(2.52)
46
frontera libres en la superficie, (ver seccin 2.4.1) y con la funcin de entrada con
una frontera lateral de la funcin del generador. La relacin que se obtiene es
2 cos(2 kp h 1)
H
=
s
sinh(2 kp ) + 2 kp h
(2.53)
(2.54)
2.5.
47
48
despus se produce una onda igual a la detectada que con una fase de 180 grados
para cancelarla.
Los mtodos bsico de generacin de oleaje son:
Suma de seales cosenos.
Filtrado de ruido blanco
Creando una seal con mediciones en campo.
Los dos primeros se aplican tanto para un espectro terico como para uno medido en campo. El ltimo slo se aplica para espectros medidos o generados de
forma artificial a partir de un registro de oleaje y es deseable en los casos secuencias extremas o grupos de oleaje para pruebas de amarras o estructuras fijas, o la
estabilidad de estructuras armadas. El mtodo que usa ruido blanco es ms real,
porque barre una gama ms amplia de frecuencias. ste es un proceso Gausiano.
La Fig. 2.8 presenta el proceso de preparacin de la seal de entrada a un
generador de oleaje irregular. Los sistemas de control, en general de lazo abierto,
necesitan un tiempo relativamente grande para la calibracin de cada experimento
a fin de generar un patrn espectral de oleaje (espectro deseado u objetivo).
El problema ms importante en la generacin del oleaje es estimar la Densidad
Espectral de Potencia (DSP), sta solo se estima de una forma precisa, slo si
f 0 o bien si el nmero de frecuencia se hace continuo, por lo que se requiere
que el nmero de datos tienda al infinito.
En la generacin DSP, s el espectro generado la altura de oleaje Hs, perodo T s,
frecuencia fp y su forma, tienen un desviacin importante, el proceso de produccin
se ajusta y se repite hasta obtener un resultado satisfactorio. Es decir un rango de
calidad dentro de los rangos de variacin estndard (ver apendice E.3.)
Los espectros discretos con frecuencias uniformes, no representan todas las frecuencias, obteniendo slo un nmero representativo de frecuencias. Esto se corrige
al aumentar las frecuencias, lo que aumenta el tiempo de procesamiento. Una correccin es usar reas de energa iguales, proporcional a la frecuencia [30], lo que
lleva a una seleccin no uniforme. Bajo este mtodo se usan pocas frecuencias, 16 o
49
50
La generacin por metodos numericos de oleaje, es una tarea que se lleva tiempo
debido a la necesidad de evaluacin de varias funciones trigonometricas y por la
sumas de estas funciones para cada seal (mnimo de 50 puntos). [53] Aunque en
contraste se tienen otros mtodos computacionales iterativas que reducen el tiempo
[61].
Captulo 3
Medios tcnicos y aseguramiento
de programas
En el captulo se presentan los medios tcnicos requeridos y el aseguramiento de
programas utilizados en los generadores de oleaje.
3.1.
52
53
cada direccin.
Segn Dean [21], existen varias tcnicas de generar el oleaje en el canal. Aunque
todas concluyen en desplazar cierto volumen de agua. La energa del oleaje est
directamente relacionada con la altura de la ola (ver Ec. 2.22). Esto implica, que si
tenemos una ola con una mayor altura H (mayor volumn) se tiene ms energa H 2
y en consecuencia su fuerza es de mayor impacto sobre las estructuras.
3.2.
54
s(f ) = 0,257 Hs 2 e
1
Ts 4 f 4
Ts 4
(3.1)
B(f, h) =
55
H 4 sinh2 (kh)
2s 2kh + sinh(kh)
(3.2)
ST (f )
B 2 (f, h)
(3.3)
SP (f ) =
a(f ) =
an =
p
2 S(f )
p
2 S(fi ) f
(3.4)
(3.5)
56
N
X
ai cos(fi t + i )
(3.6)
i=1
3.3.
Aseguramientos tcnicos
Requerimientos tcnicos e instalacin de plataforma experimental, donde se comprueban los principios y metodologas tericos planteados. En los generadores de
oleaje aleatorio se requiere manipular y variar de forma irregular y contina el volumen de agua, adems de:
a) Contar con un sistema adquisicin de datos para la lectura del nivel del oleaje.
b) La programacin para que capture las series de tiempo a producir a partir de
los espectros que se desean.
c) Sistema de control y manipulacin del generador. Construido de manera tradicional con un sistema de computadora o bien un microprocesador.
d) Para los requerimientos de los sistemas modernos que se puedan interfazar y
controlarse de manera remoto.
3.3.1.
Descripcin fsica
57
2) el actuador del generador del canal compuesto por el motor con desplazamiento
lineal y la paleta generadora, y 3) El sistema de medicin y control del sistema,
como se muestra en la figura 3.2.
58
1.5
0.5
1.25
2.5
3.75
5
kh
59
3.3.2.
60
61
gL
V
=
gL
(3.7)
(3.8)
62
Figura 3.6: Ensayo de dique 2-D, laboratorio de Hidrulica del Instituto Mexicano
del Transporte, SCT Mxico.
Re =
V L
63
(3.9)
donde
L dimensin fundamental de longitud.
g es la constante de gravedad.
V es representa la velocida del flujo significativo.
costante de viscosidad absoluta.
3.4.
3.4.1.
64
1. El oleaje regular est caracterizado por la energa contenida en la altura significativa Hs y el perodo significativo T s, ellos se obtienen por el anlisis
estadstico, de un registro de oleaje. La Ecuacin 3.10 define el perfil de la
superficie para el oleaje regular
(t) = a cos( t + ) =
Hs
cos( t + )
2
(3.10)
B = B(f, h) =
2 sinh2 (kh)
H
S0 sinh(kh) cosh(kh) + kh
(3.11)
e(t) =
H
S0
cos( t + ) =
cos( t + )
2
2B
(3.12)
65
volt(t) = C e(t)
(3.13)
1
[V /m]
(3.14)
desplazamiento de la paleta
Para generadores en los que se puede dar el desplazamiento en metros, no es
necesario realizar esta calibracin.
C=
1
10 t
para
2 (1 cos( To ))
1,004
para
d (t) =
9T0
10(t
)
1 (1 + cos(
10
) para
2
To
0 t T0 /10
T0 /10 t 9T0 /10
9T0 /10 t T0
(3.15)
66
1.5
1.25
0.75
0.5
0.25
2.5
7.5
10
x
3.4.2.
1. Tener el espectro contino del oleaje S(f ), medido o por alguna frmula de
prediccin (Bretschneider, Misitsuyasu, JONSWAP u otros).
2. Convertir el espectro continuo a un espectro discreto S (f ) con la divisin de
N intervalos regulares desde una frecuencia de inicio a una frecuencia final
(finicio , fparo ), asegurando que:
N > 50
S (finicio ) < 0,0,1S (fp )
S (fparo ) < 0,01S (fp ),
El ancho de banda est dada por:
67
fparo finicio
(3.16)
N
Lo que resultar en la serie de tiempo (Ec. 3.17) dada por una suma de
cosenos:
f =
(t) =
N
X
ai cos( i t + i )
(3.17)
i=1
3. El siguiente paso, es determinar las amplitudes (ai ) con la Ecuacin (3.18), que
permite conservar la densidad de energa del espectro deseado, las fases (i )
se obtienen de una distribucin aleatoria uniforme entre 0 y 2.
ai =
q
2 S (fi ) f
(3.18)
fi
i
S (fi ) f
ai
= finicio + if
= 2
= 2 fi
Ti
1
= 2 a2i
p
=
2 S (fi )f
f
2
para i = 1, 2, 3, ..., N
(3.19)
Bi =
Hi
2 sinh2 (ki h)
i = 1, 2, 3, ..., N
s0,i sinh(ki h) cosh(ki h) + ki h
(3.20)
N
X
s0,i
i=1
cos( i t + i ) =
N
X
Hi
cos( i t + i )
2B
i
i=1
(3.21)
68
6. Modificar la serie de tiempo e(t) por la ventana plana de cosenos (Ec. 3.15),
para evitar los desplazamiento bruscos al inicio y final.
7. Finalmente muestrear la seal e(t) para enviarla a la paleta del generador.
Despus de todo los pasos, el espectro del oleaje se obtiene, es slo para la
posicin cercana a la paleta. El problema fundamental es tener el espectro del oleaje
deseado en el punto de prueba experimental, generalmente est distante del generador, motivo por el cual se ha de calibrar el espectro mediante un ajuste manual o
automtico hasta obtener el espectro deseado. Siendo la problemtica fundamental
a resolver en todo generador.
3.5.
Sistema experimental
3.5.1.
69
= 12 m.
= 30 cm.
= 40 cm.
= 15 a 30 cm.
= de tipo del pistn
= ondan irregulares generadas usando los
espectros tericos.
= 0.5 a 4.0 cm (0.5 a 4.0 m con EL 1:100 ).
= 0.8 a 1.5 segundos (8 a 45 s con ET 1:10 ).
Rango de perodo de las olas de 5 a 12 segundos (0.7 a 1.7 s con EL = 1/50 y 0.5
a 1.2 con EL = 1/100 )
Profundidades mximas de 30 m ( 30 cm a escala 1:100)
Altura mxima de las olas de 4.5 m (4.5 cm a escala 1:100)
70
(3.22)
3.5.2.
71
motor lineal PF01-37 100F. El manejador electrnico E100-AT (Fig. 3.3) controla
al motor y tiene las caractersticas elctricas: mxima corriente 3 A, voltaje lgico
4-48 V., voltajes de potencia 48 V.
72
3.5.3.
73
74
Procesamiento y anlisis
de datos
Sensor de
oleaje 01
Generador
de
viento
Sensor de
oleaje 02
Sensor de
oleaje 03
Impresin de
resultados
N.M.M
Micromolinete
Tubo de Prandtl
digital
Paletas amortiguadoras
de reflexin
75
3.6.
Independiente de la plataforma
El manejador permite manipular al motor desde una plataforma independiente
del sistema operativo, pues lo nico que se requiere es tener un archivo de textos
donde se programa el movimiento del motor y los intervalos entre cada movimiento o
bien el nmero de puntos totales y el tiempo total que se lleva un ciclo de movimiento
o curva. El manejador es capas de producir una curva suave para el movimiento de
la paleta.
El sistema que genera el oleaje regular e irregular y captura del nivel del oleaje en el canal. Desarrollado e implementado con lenguaje LabVIEW de National
Instrument. El panel principal del sistema (Fig. 3.16) consta de los siguientes componentes: 1) ventanas de captura de los paramtros: altura (Hs ) y perodo (Ts )
significativo, tipo de espectro; 2) ventana donde se grfica el espectro continuo. 3)
ventana donde se visualiza la serie de tiempo de los movimientos de la paleta, generados de acuerdo a la procedimiento de la seccin 3.4. 4) Botones de control de paro
76
Figura 3.16: Panel principal del sistema de generacin y medicin de oleaje irregular
y arranque del motor 5) Botones de generacin y carga de archivo en manejador del
motor.
3.6.1.
Debido a que Labview ofrece instrumentos virtuales (VI) distribuidos y controlados con el protocolo de Internet, dadas estas caractersticas se puede controlar el
generador de manera distribuida mediante un servidor de red sobre Internet. Este
esquema nos permite tener componentes de control en tiempo real.
3.6.2.
77
3.6.3.
Limitantes propias del sistema es el desplazamiento total del pisto (10 cm stroke),
que este da el tipo de mxima altura de la ola que se puede producir. Por ejemplo,
en el canal el motor tiene desplazamiento mximo de 5 centmetros nos permiten
tener olas hasta de 5 centmetros funcin de eficiencia de la paleta igual a uno.
El lmite del mnimo perodo de las olas a producir o mxima frecuencia, es dada
por la repuesta de esbeltes o forma del olas (T = L/C) que tambin es funcin de la
profundidad del canal (h), aunque experimentalmente se rompe ante se producirse
la ola. En general para un canal, se podra aproximar con la siguiente relacin.
Perodo mnimo, que lmita el rompimiento de las olas, dado por la profundidad del
canal (aguas profunda). Para que una ola rompa, la profundidad est dado por la
relacin de L/h < 0,4, donde L es la longitud de la ola y h la altura del canal.
Para nuestro caso particular est dado, ya experimentalmente lo obtuvimos a un
perodo de 0,8 segundos para una profundidad de 10 centmetros, a mayor profundidad las olas se rompen, al momento de generarse, a menor perodo. Por ejemplo
si tenemos 0,8 segundos con 10 centmetros a 20 centmetros las olas rompern a
1,2 segundo aproximadamente.
Otra limitantes estn dadas por la velocidad de muestreo del oleaje o sistema
de medicin del oleaje. Los sistemas deben de tener una captura en tiempo real,
generamente a un limite mnimo de 20 muestras por segundo, que es suficiente para
el perodo de olas medido[73] [75].
Captulo 4
Modificacin al mtodo
convencional de generacin de
oleaje irregular unidireccional
4.1.
Donde:
78
*R
Algoritmo de
Control
motor
lineal
79
C
f
Manejador
del
Motor
canal
de oleaje
f
*R = Referencia
E = Error
C = Canal
Elemento
de medicin
y procesamiento
M= Comando de control
M = Variable a manipular
B = Seal de realimentacin
B
altura
oleaje
80
funciones cosenos obtenidas por las ecuaciones 3.15 a 3.20, como se discuti
en la seccin 3.4.2.
Seal de retroalimentacin (B): La seal B es generada por el espectro del
oleaje que se midi y estim sobre el perfil del oleaje en el punto de estudio o
de prueba. El inters principal es determinar el contenido de energa y potencia
que tiene oleaje, el cual puede impactar sobre las playas, costas, estructuras y
propagacin de sedimentos entre otros fenmenos de inters para la ingeniera
costera.
Seal del Error (E): Las amplitudes de los componentes de frecuencia discreta entre el espectro generado R, se comparan contra el espectro estimado B,
de la comparacin se obtiene la seal de error E, de cada comparacin, la seal
error E, se utiliza para corrige la amplitud de cada una de las componentes
del espectro que se generan en el canal.
Salida del algoritmo de control (M): En pruebas iniciales, el control
primero enva el espectro de oleaje a generar, la primera seal que se estima
con el modelo, y se mantiene hasta que se miden suficientes olas (mnimo 120)
para estimar el espectro B. Una vez que se tiene la estimacin del espectro
generado SG y se compara con el espectro del patrn deseado ST , lo que resulta
en la seal de error E. En este momento, es donde opera el control, a partir del
el error, es cuando el algoritmo de control opera con la seal M para minimizar
el error. El tiempo lo determinado el retardo al propagar el oleaje producido
y la adquisicin de datos suficientes para la estimacin del espectro, con el fin
de estimar su espectro con buena resolucin. Esto implica, que el sistema de
control propuesto slo opera a intervalos discretos de tiempo.
Variable a manipular (M). Como se puede observar en la Fig. 4.1, una vez
obtenida los nuevos valores de amplitud del espectro se clcula su nmero de
onda k, para determinar una nueva seal de comando para general el espectro
irregular.
b i )) indica que amplitud ha
La diferencia de los espectros (ei (fi ) = S(fi ) S(f
corregirse para la frecuencia fi . Es decir, el algoritmo de control tiene un valor fijo
81
para el tipo de espectro a producir y el error ei (fi ) modifica las amplitudes discretas
del espectro S(fi ).
De las pruebas experimentales realizadas y se encontr que el control directo
en tiempo real (y no de en intervalos discretos tiempo grandes que es esquema
propuesto) en el dominio del tiempo el controlador P I es inestable debido a el
retardo de tiempo que existen entre el momento que se genera el oleaje y su medicin,
el retardo es del orden de uno a varios segundos, y depende de la posicin donde
sea colocado el sensor y la velocidad de fase de las olas, aunado con las distorsiones
de propagacin. Para solucionar los problemas de retardo, es utilizar un sistema de
control que pueda operan an bajo condiciones de grandes retardo. El sistema que
se recomienda utilizar es un predictor de Smith [14]. Para ello se requiere tener una
modelo del canal (o planta P ) y estimar el tiempo de retardo entre la produccin y
la medicin del oleaje.
4.2.
4.2.1.
Se aplic el mtodo propuesto (ver secc. 4.1) de generacin del oleaje con un
control P I sobre la altura de la ola la generacin de oleaje regular. El mtodo
de generacin del oleaje, bajo la consideracin, de instalar el sensor y medir el
oleaje, frente de la paleta que lo genera, para estimar el espectro y obtener la
mnima distorsin, es decir no se considera que existen problemas de propagacin
y slo se tiene en cuenta la variacin a la altura del oleaje en un punto. Lo que es
representativo del estado del oleaje en el canal. Pero si consideramos, colocar los
sensores, no frente a la paleta, que es lo que hace en la mayora de los estudios, se
han de considerar los factores de distorsin.
Algunos resultados de los primeros programas, que se usaron para estimar la
eficiencia al generacin del oleaje por paleta. Al utilizar la metodologa de la seccin
3.4.1, se muestran en la Fig. 4.2, que es un sistema de software de generacin de
oleaje que se implant en Visual Basic. La Figura 4.2 muestra el resultado del clculo
para producir un oleaje regular, de 3 cm. de altura (3 m. prototipo, EL = 1 : 100),
82
83
4.2.2.
La funcin de transferencia
4 sinh2 (kh)
H
=
2s
2kh + sinh(kh)
(4.1)
84
k
7.37
6.27
5.91
4.41
3.11
Experimentos realizados por Vergara [93] sobre el canal experimental de Ticoman, para obtener la eficiencia de la paleta, resultado que se muestran en la figura
4.5. En ella se observa la curva terica de la eficiencia del canal, es no lineal, la
variacin de los resultados experimentales propios del sistema, tanto en los instrumento de medicin y generacin, ya que los ensayos fueron realizado con el generador
del tipo mecnico [93].
Para corroborar los principios tericos generales y los resultados comparativos en
los que se mejora el sistema, primero con las contribuciones de calibracin de manera
automtica. Como se ha mencionado, se utiliz el mtodo de la sumatoria de csenos
para la generacin del oleaje, porque ste nos permite mantener un control sobre
las amplitudes del espectro discreto y es posible aplicar un lazo de control de las
frecuencias.
85
Figura 4.5: Factor de eficiencia (H/s ) del generador, respecto al factor (kh)
4.2.3.
a2
Hi2
= i
8
2
(4.2)
p
2 S(fi ) cos(2fi + i ) = a cos(2fi + i )
(4.3)
(4.4)
86
b i)
ei (fi ) = S(fi ) S(f
(4.5)
(4.6)
donde
S n (fi )
6. En una segunda etapa, de manera similar, se agreg al control el factor integral. Considerando un regla trapezoidal para el controlador de PI la operacin
correcin que tiene es para el nuevo espectro (S n+1 ) es el siguiente.
donde
S n (fi )
(4.7)
87
4.3.
Resultados
Los resultados fueron adecuados cuando se utiliza una sola frecuencia. Ahora
se aplic el mtodo inductivo a dos frecuencias y si la metodologa funcionar para
estas dos frecuencias, ha de funcionar para N frecuencias, en nuestro caso N = 64
frecuencias. que se considera suficiente (ver secc 3.4 cap. III). Al aplicarlo para N = 2
frecuencia, se mejoraron los resultado, y la medicin del espectro corresponde al valor
terica. Aunque la precisin del espectro es afectado por el factor de resolucin del
espectro f (dado por la ecuacin 4.8) para que se tenga valores adecuados a la
medicin.
f =
Fs
Nm
(4.8)
donde
Fs frecuencia de muestreo
Nm Nmero de muestras
en consecuencia, sino se usa la resolucin adecuada, al medir (Fig. 4.7 ) las frecuencias f1 y f2 . Entonces se puede tener dos accin de ajuste, para obtener una medicin
adecuada para las dos frecuencias: 1) aumentar el nmero de muestras Nm 2) No
aumentar el nmero de muestras, esto restringir los valores de frecuencias f1 y f2
88
89
3
Hs15JONS
JONSWAP
50 y 10
0.000254
3200
20
1600
Figura 4.8: Espectro discreto fs = 20 muestras por segundo, con ventana rectangular
90
Figura 4.9: Espectro discreto fs = 20 muestras por segundo, con ventana coseno
plana.
Figura 4.10: Espectro discreto fs = 20 muestras por segundo, con ventana Hamming.
N
1 X 2
ECM =
e
N i=1 i
(4.9)
donde
N
es el numero de datos
el error de la medicin.
ei
Cabe mencionar, que como manipulador se utiliz el motor lineal. Este esquema cumple ampliamente con los requerimiento de baja inercia requeridos para los
generadores de oleaje irregular [30].
Se presentan los resultados de pasos de ajuste para el espectro Bretscheinder con
91
92
Captulo 5
Generacin de oleaje irregular
unidireccional con control
neuronal combinado
En el captulo anterior se propuso e implant una mejora a la metodologa
de generacin convencional de oleaje (con lazo abierto) con un esquema de retroalimentacin en el dominio de las frecuencias basado en un controlador PI. En el
presente captulo se discute una metodologa para generar oleaje con un sistema
que combina el control de bucle cerrado PI y un esquema de control con red neuronal con modelo inverso, conocido como control neuronal combinado. Primero, se
presentan los principios de control con redes neuronales, en seguida la metodologa
de generacin con el modelo inverso y concluiremos con la propuesta novedosa para
generar oleaje con el mtodo neuronal combinado.
5.1.
5.1.1.
El modelo neuronal inverso (Fig. 5.1), consiste en una red neuronal inversa
(RNI), generalmente un Perceptrn multi-capas o red de retropropagacin, que se
entrena con un patrn a la entrada u(t), y un vector consistente, en los patrones
de la salida actual y(t) y varias anteriores (y(t)1 , y(t)2 , y(t)2 , ....) del proceso.
Como el patrn de salida de la red ud (t) se utiliza entonces las entradas u(t) del
proceso (P ). El esquema de control ms simple posible, se muestra en la figura 5.1.
Una vez entrenada la red, bajo el esquema del modelo inverso, cuando se le
suministre a la entrada yd (t), un patrn del valor deseado de la salida, calcular
aproximadamente el valor necesario de control. Se trata entonces de un esquema
a lazo abierto, donde RNI es el modelo neuronal inverso, que hace las veces de
^
U
Eu
RN
PROCESO
+
5.1.2.
El modelo de referencia
Otra tcnica que fue considerada, es una red neuronal (RN) con el modelo de
referencia (RND). El modelo de referencia incluye, tanto a la planta P como al
controlador, y representa como debe comportarse el sistema completo. Una red
neuronal (RND) tambin se puede utilizar para determinar los parmetros de la
planta.
Para ello se utilizan los datos de entrada y salida de la planta, que son el comando
del motor lineal y la medicin del oleaje repectivamente, con ellos se obtendr
una caracterizacin paramtrica del canal. Los parmetros se pueden utilizar en el
control de la red neuronal.
Utiliza dos redes neuronales, una para identificar la planta (RND) y la otra
para el controlador de la planta (RNI). Primero se entrena la red que identifica a
la planta y despus la RNI del controlador para que la salida de la planta siga a la
salida del modelo de referencia.
5.1.3.
(5.1)
Si consideramos que tanto la red directa RND como la inversa RNI estn
suficientemente entrenadas, tenemos que se cumple aproximadamente:
g(u(t)) f (u(t))
(5.2)
g 1 (y(t) f 1 (y(t))
(5.3)
Teniendo en cuenta a la Ec. 5.1 y la Ec. 5.2 se llega que la respuesta del control
es dada por la ecuacin 5.4.
y(t) = y d (t) v(t) + v(t) = y d (t)
(5.4)
o sea, que el modelo de control interno logra compensar el efecto de las perturbaciones.
5.1.4.
El esquema de control que combina el uso de una red neuronal inversa RNI
con un regulador P ID auto-ajustable que se encarga de llevar el error de estado
estacionario a cero. La salida de cada regulador, est afectada por un coeficiente de
peso k que permite determinar, para cada caso concreto las proporciones (kn , kp ) en
que actan el regulador neuronal RNI y el regulador P ID. El esquema combinado,
que se ha probado experimentalmente, muestra posibilidades prcticas en procesos
fuertemente no lineales. El regulador neuronal asume la tarea principal de acercar
rpidamente la salida del proceso, al valor de referencia, compensando al mismo
tiempo las no lnealidades del proceso. Despus el regulador PID auto-ajustable se
encarga de llevar a cero el error de estado estacionario.
5.2.
5.2.1.
5.2.2.
El primer esquema de control neuronal propuesto en la tesis fue una red neuronal,
que realice la funcin de control con el modelo inverso del proceso (Fig. 5.1 ). Para
entrenar la red neuronal se utilizo como entrada a la RNA el patrn de salida de
la planta, para nuestro caso el espectro de oleaje estimado (SG ). Como patrn de
^
U
Eu
RN
PROCESO
+
5.2.3.
(5.5)
(5.6)
donde
N es el nmero total de frecuencias que forman el espectro.
aSG (fi ) , aST (fi ) es la amplitud de la frecuencia i-nesima del espectro generado y deseado respectivamente.
Si el vector_error es superior a el valor predeterminado (un error de 4 %)
entre la medicin del espectro de oleaje generado y deseado en el canal, en ese
momento el algoritmo de control computacional aade el control P I, el cual tiene
como misin llevar espectro generado SG a un nivel error menor que el establecido,
adicionalmente se toma un nuevo de patrn para el entrenamiento de la red mediante
el cual la misma aprender nuevas caractersticas del canal.
5.2.4.
eglobal =
ep (i) +
|ei (i)| ,
eglobal =
N
X
i=1
(5.7)
donde
N es el nmero total de frecuencias que forman el espectro.
ep (i) es el error positivo cuando aSG (fi ) aST (fi ) es positivo
en (i) es el error negativo cuando aSG (fi ) aST (fi ) es negativo
aSG (fi ) , aST (fi ) es la amplitud de la frecuencia i-nesima del espectro
generado y deseado respectivamente.
Tambin se define para la comparacin el error relativo para cada frecuencia, que
llamaremos error relativo que se define en la Ec. 5.8, para saber cuando es necesario
ajustar los los espectros. Tambin se puede tener un promedio de estos errores Ec.
??. Este es un buen criterio con un clara interpretacin del error promedio erelativo
igual a un 5 % significa que la estimacin central de la altura del oleaje tiene una
desviacin del observado del 5 %. Obviamente, un valor de error menor indica una
mejor estimacin.
erelativo (fi ) =
erelativo
N
1 X
=
erelativo (fi )
N i=1
(5.8)
(5.9)
donde
aST (fi ) es las amplitudes de espectro deseado.
aSG (fi ) es las amplitudes de espectro medido.
N es el numero total de frecuencias que componen el espectro.
Cuando se tiene un error en relativo erelativo menor al 4 %, el espectro generado
SG est dentro del rango de estimacin establecido como aceptable y solamente
opera el controlador grueso (controlador con la Red Neuronal Inversa). Si el error
global relativo es mayor a este lmite prestablecido, entonces entrar en operacin el
controlador fino, mediante el controlado PI.
(5.10)
donde
aST (fi ), aSG (fi ) son la amplitud en la frecuencia ensima del espectro
deseado y generado respectivamente.
Cuando el valor del error ei es nulo, indica que aSG (fi ) , aST (fi ), las amplitudes entre los espectros, son iguales y en consecuencia no hay correccin para esa
frecuencia.
Cuando el valor del error ei es positivo, la energa de la frecuencia fi
del espectro generado SG es mayor a la deseada, por lo que hay que disminuir
la amplitud de componente aSP (fi ) del espectro de desplazamiento de la paleta
(despus del sumador de la Fig. 5.7 ) para bajar el exceso de la potencia en el
espectro generado SG .
Cuando valor del error ei es negativo, la energa de la frecuencia fi del espectro generado SG es menor a la deseada, por lo que hay que aumentar la amplitud
de la componente aSP (fi ) del espectro de desplazamiento para compensar la falta
de la potencia en el espectro generado SG .
Algoritmo de correccin para cada una de las frecuencia (f i )
El controlador PI hace correccin (Ec. 5.11) en los casos anterios, para ello se
utiliza el algoritmo tradicional del controlador PI, se considera que las constantes
kc y i previamente se inicializaron a valores puntuales tales como kc,0 = 0,1 y
i,0 = 100, de las puesta a punto del canal. Considerando un regla trapezoidal para
el controlador de PI el funcionamiento del mismo que se tiene es para el nuevo
espectro es el siguiente.
(5.11)
donde
aSP (fi )
SP .
i (fi )T
P I(ei (fi )) = ei1 (fi )+e
+ ei (fi ) kc accin de controlador PI.
i
para el controlador se utilizan:
constante proporcional del controlador PI
kc
constante integral del controlador PI
i
T
constante de tiempo
accin de control de RNI.
RNI(aST (fi ))
ei = aST (fi ) aSG (fi )
Una vez que se ajustan todas las frecuencias, se calcula el espectro SP para
el desplazamiento de la paleta y se genera un nuevo espectro SG . Para sintonizar
el controlador PI autoajustable, se toman en cuenta dos variables, la tendencia
del error global eglobal y el nmero de pasos Npasos que hace el controlador PI para
disminuir el error global entre el espectro SG y ST . Con estas variables se consideran
los siguientes casos:
1er Caso. Se ejecutaron ms de cuatro pasos de control fino (Npasos > 4) y el
error global no disminuye: Esto indica que el error global es constante y mayor al
4 %. y se ejecutado ms de cuatro pasos.
2do Caso. El error si disminuye pero sigue siendo mayor al 4 % pero se requieren
ms de cuatro pasos de control para disminuir el error a menos del 4 %.
Estos dos casos se pueden considerar como las funciones de entradas al controlador PI auto-ajustable para que se sintonicen los valores de kc y i del controlador.
Algoritmo de autoajuste de los parametros kc y i del controlador PI
Un controlador PID consiste de tres trminos funcionales que sirven para ajustar
tanto respuesta transitoria como de estado estable. Es por esta simplicidad que este
fp = 0.61 [rad/s]
data2
data3
data4
data5
data6
St: Deseado
Sg: generado
error
0.25
0.2
0.15
0.1
0.05
3
Frequency [rad/s]
Figura 5.8: Para el control PI auto austable cuando no esta sintonizado de manera
optima.
b) Factor de oscilacin es distinto de cero
Si los errores de las frecuencias son negativas y otras positivas significa que el
sistema esta oscilando y la suma total ser menor al nmero de elementos, por lo
que el factor de oscilacin tendr un valor mayor a cero, en el caso que todas las
frecuencias cambien tambin se considera una oscilacin.
Operacion correcta del controlador PI
Con estos valores de las constantes (kc y i ) el sistema est listo para operar, si
es necesario que opere el control fino , cuando la red neuronal no logre erelativo menor
4 % , entonces el controlador PI (control fino) entrar en operacin para llevar la
calidad de generacin del espectro al valor predeterminado y tenga mejor desempeo
con los que se entrena el sistema de generacin de oleaje para un canal especifico y
se optimice en un slo paso, como se muestra en la Fig. 5.8. Si es necesario el auto
ajustable del PI, que es caso cuando el sistema no est correctamente sintonizado
(error estacionario mayor a 4.0 % y ms de cuatro pasos de correcin mediante el
control fino).
El algoritmo de control es el siguiente
1. El error en el estado estacionario es grande se incrementa el valor de i en
i .
0.3
0.25
0.2
0.15
0.1
0.05
0
0.5
1
1.5
Frequency [rad/s]
2.5
on = 0,
Esto es, F actor_de_Oscilaci
Si (Factor de oscilacin es nulo) Entonces
Aumentar los valores kc y disminuir i en las condiciones kc y i
kc = kc +kc ;
i = i i ;
Fin_si;
on < Npts/4
Esto es 0 < F actor_de_Oscilaci
Si (Factor de oscilacin es medio) Entonces
Disminuir los valores kc y aumentar i en las condiciones kc y i
kc =kc kc ;
i = i + i ;
Fin_si;
Npts/4 < F actor_de_Oscilaci
on < Npts/2
Si (Factor de oscilacin es alto) Entonces
Disminuir los valores kc y aumentar i en las condiciones dos veces kc y i
kc =kc 2 kc ;
i = i + 2 i ;
Fin_si;
on > Npts/2
F actor _de_Oscilaci
Si (Factor de oscilacin es muy alto) Entonces
Disminuir los valores kc y aumentar i en las condiciones tres veces kc y i
kc =kc 3 kc ;
i = i + 3 i ;
Fin_si;
Fin_algoritmo;
5.2.5.
(5.12)
donde
P0 : patrn de entrada [f (1), f (2), ........f (nf ), h]
T0 : patrn de salida [fo (1), fo (2), ........fo (nf )]
i : entrada a la neurona i
i : salida de la neurona i
wij : pesos para la conexin entre las neuronas j e i.
f (i) : es la amplitud de armnicos i del espectro de energa;
h : es el nivel medio del canal de oleaje.
5.2.6.
(5.13)
La variabilidad del espectro est determinada por una distribucin de chi cuadrada
con dos grados de libertad, que es estimada por el mtodo del periodograma,
para reducir la variacin se utiliza dividir el registro temporal de la medicin del
oleaje ((t)), en un conjunto de diez ventadas (M = 10) y aplicado el mtodo de
Welche.
(22 )
b ) = S(f )22n
S(f
(5.14)
5.3.
Figura 5.13: (a) Patrones salida para entrenamiento RNA. (b) Patrones entrada
para entrenamiento RNA
bueno para sistemas lineales. De all la necesidad de introducir un sistema de control
combinado con una red neuronal.
Se muestra el entrenamiento para una RNA con siguientes parmetros y error
entre la salida generada por la RNA y el valor deseado como se muestra en la grafica
de error de la Fig. 5.14 presenta la curva de desempeo del entrenamiento de la red
neuronal. El desempeo fue satisfactorio, obtenindose un error de entrenamiento de
6.97697 e-010 en 25 pocas, lo cual representa un error sumamente pequeo con un
consumo de tiempo relativamente bajo. Este comportamiento le favorece realizar un
entrenamiento en lnea en una segunda computadora conectada en red e introducir
capacidades de autoaprendizaje en al algoritmo computacional.
En las figuras 5.15 y 5.16 se muestra el resultados de generacin de espectro de
oleaje deseado (ST ) lnea continua y el espectro generado (SG ) y medido indicada
por lnea con o. Utilizando el control neuronal, como se puede apreciar en un solo
paso aprecia el error ha disminuido significativamente con el control PI. La Fig.
5.17 muestra estos mismo espectro (ejemplo 1 y ejemplo 2) si se desea comparar en
el dominio del tiempo su alta variabilidad debido al proceso aleatoria al generar el
oleaje, an para cuando se conoce tanto el espectro desean como el medido.
1.4
x 10
1.2
0.8
S(f) m /s
0.6
0.4
0.2
0.5
1.5
2.5
frecuencia Hz
Figura 5.15: Ejemplo1. Espectro deseado () y espectro medido (o) generado con
RNA, Bretchneider-Mitsuyasu Hs = 2,2 m. f med = 1,0 s.
1.2
x 10
S(f) m /s
0.8
0.6
0.4
0.2
0.5
1.5
2.5
frecuencia Hz
Figura 5.16: Ejemplo2. Espectro deseado () y espectro medido (o) generado con
RNA, Bretchneider-Mitsuyasu Hs = 2,0 m. f med = 1,0 s.
3
1.2
x 10
S(f) m2/s
0.8
0.6
0.4
0.2
0.5
1.5
2.5
frecuencia Hz
Figura 5.17: Espectro deseado () y espectro medido (o) generado con RNA,
Bretchneider-Mitsuyasu Hs = 1,8 m f med = 1,0 s.
La Figura 5.19 preseta el resultado del control neuronal combinado con las dos
etapas de control (etapa de control grueso por medio de red neuronal inversa y la
Figura 5.21: Ejemplo desempeo de control abierto (control convencional de la generacin del oleaje)
Captulo 6
Conclusiones e Investigaciones
futuras
Las construcciones costeras y martimas son complejas y altamente costosas. El
diseo ptimo de ellas requiere la modelacin fsica en los laboratorios de hidrulica.
Los fenmenos del mar se reproducen en los laboratorios de investigacin y los
diseos de las obras son sometidos a prueba. Estas construcciones pueden ser "pedraplenes", plataformas petroleras, playas artificiales, instalaciones para proteger las
costas, conservacin del ecosistema, etc. Contribuir con un conocimientos original
para mejorar los prestaciones y requerimientos del modela fsico del oleaje en los
laboratorios de hidrulica, permite conocer la naturaleza y fenmeno real de la
energa del oleaje y en consecuencia usarla para solucionar importantes problemas
en la ingeniera costera que cada vez tiene un mayor impacto social.
La principal contribucin de la tesis son:
1. El mtodo que genera oleaje con un motor lineal y una red neuronal para
producir espectros de oleaje irregular unidireccional tienen pequeo error con
respecto a los patrones espectrales de referencia (objeto o deseado).
2. El tiempo de respuesta del control neuronal combinado para producir espectros de oleaje irregular unidireccional es pequeo. Esta caracterstica es interpretada, en hidrulica martima, como una rpida calibracin en los ensayos
125
126
6.1.
127
Investigaciones futuras
Bibliografa
[1] Aguado, A.; del Pozo, A. : Esquema de Control Combinado usando Redes Neuronales, Memorias de CIMAF97, La Habana, Cuba, 1997.
[2] Ashour, M. and Aboshosha, A. Adaptive Neural Control of Npr. Ncrrt, Aea.
Atomic Energy Authority. Nasr City, Cairo, Egypt. 1996.
[3] Alter D. M. y Tsao T. C. Control of linear motors for machines tool feed: design and implementation of H optimal feedback
controlASME journal of Dynamicsystem, Measurement, and Control,vol.118,
pp. 649-656, 1996.
[4] Barrientos, Antonio et. al. Control de Sistemas Continuos. McGraw-Hill, Espaa, 1996.
[5] Barrero Ripol Antonio et. al. Mecnica de Fluido. McGraw-Hill, Espaa, pp.
273-275, 2005.
[6] Barnett, T.P. On the generation, dissipation and prediction of ocean windwaves. J. Geophys. Res. 73: 513-529, 1968.
[7] Battjes, J. A. Surf zone dynamics. Annual Review of Fluid Mechanics, Vol
20, pp 257-293, 1977.
[8] Bell, Paul S. Shallow water bathymetry derived from an analysis of X-band
marine radar images of wave, Costal Engineering. Vol. 37 No.3-4. pp 513-527,
1999.
128
BIBLIOGRAFA
129
BIBLIOGRAFA
130
BIBLIOGRAFA
131
BIBLIOGRAFA
132
[42] IMT (Instituto Mexicano del Transporte-SCT). Estudio de estructuras y transporte de sedimentos para puerto Madero Chiapas. Laboratorio de Hidrulica
del IMT. Km. 12 Carretera Quertaro-Galindo. Quertaro, Mayo de 2002.
[43] JICA-SCT, Texto del Centro Hidrulico Portuario Vol. 2., Propiedades generales del oleaje irregular. Mxico, D.F., 1985.
[44] Kinsman, B. Wind Waves, Prentice-Hall, Englewood Clis, NJ. 1965.
[45] Levi, Enzo. Elementos de Mecnica del medio Continuo. Limusa, Mxico, 1998.
[46] Liaw, C. y Cheng, S. Fuzzy two-degrees-of-freedom speed controller for motor
drives. IEEE Transaction on Industrial Electronics, Vol. 42. No 2, pp. 209216, 1996.
[47] Lizano, O., Ocampo F. J. et. al. "Evaluacin de modelos numricos de Tercera Generacin para el pronstico del oleaje en Centroamrica y MxicoTop".
Meteor. Oceanog., 8(1):40-49, 2001
[48] Longuet-Higgins M.S., On the distribution of the Highs of sea waves: some
eects of non inearity and finite Band Width ,JGR.J Geophysics, 1980.
[49] Longue-Higgins. M.S. The statistical analysis of random, moving surface,
Phil, Trans, Royal. Soc. London. Ser. A(966), Vol. 249, pp. 321-387, 1957.
[50] Macdonel M. G. et. al. Ingenieria de Maritima y Portuaria. Alfaomega y UNAM, Mxico, 2000.
[51] Maren A. J., Harson C.T. y Pap R. M. Handbook of Neuronal Computing
Applications. Academic Press, 1990.
[52] Marsik, J. A New Conception of Digital Adaptive PSD Control. Problems of
Control and Information Theory, 12(4): 267-279, 1983.
[53] Matsuura, M., Yamaguchi, Y., Yamamoto, I., and Nohara, B. T. .A n Improved
Method to Calculate Generation Signal of Multidirectional Irregular Waves",
Proceedings of IAHR Seminar on Multidirectional Waves and Their Interaction
BIBLIOGRAFA
133
BIBLIOGRAFA
134
BIBLIOGRAFA
135
BIBLIOGRAFA
136
[86] SWAMP Group. Ocean wave modeling. Plenum Press. Nueva York, pp 256,
1985.
[87] SWIM Group. Shallow Water Intercomparison of Wave Prediction Models. Q.
J. Royal Meteorol. Soc. 111: 1087-1112, 1985.
[88] Tomizuka M.. Controller structure for robust high-speed/high accuracy digital
motion control in Notes for the tutorial session on micro manipulation and
micro motion at the 1994 IEEE Conf. on Robotics and Automation, 1994.
[89] Vennard & Street. Elementos de Mecnica de Fluidos. Editorial CECSA, Mxico, 1985.
[90] Vergara M. Tcnicas de modelacin en Hidrulica. Ed. AlfaOmega. IPN. Mxico, 1993.
[91] Vergara, Miguel S. Canal Tunel de olas y viento. IV Congreso internacional
puertos y costas: Realidades y perspectivas Ciudad de Acapulco, Gro., Mexico,
12 a 14 de noviembre del 2003.
[92] Vergara, Miguel S. Fundamentos de hidrodinmica. Libro proximo a publicarse
ESIA Zacatenco, Seccin de posgrado IPN, 2007.
[93] Vergara, Miguel S. Transporte de sedimento sobre bermas de tormenta por rebase de oleaje, Tesis de Doctorado, Universidad Politecnica de Madrid. 23 junio,
2003.
[94] WAFO Group, A Matlab. A Matlab Toolbox for Analysis of Random Waves
and Loads. Tutorial Lund University, Suecia, Agu 2000.
[95] Webber, N. A. & Christian C.D. .A programmable irregular Wave Generator". Proceedings 14th. Costal Engineering Conference. ASCE CopenhagenDinamarca, 1974.
[96] Werbos. Neurocontrol. Ed. John Wiley, USA, pp 278-280, 1998.
BIBLIOGRAFA
137
[97] Yun Li, K.H. Ang, and G.C.Y. Chong, Patents, software,and hardware for
PID control, Control System magazine, Vol.26, No.1, feb. 2006.
[98] Ziegler G. and N.B. Nichols, Optimum settings for automatic control, Trans.
ASME, vol. 64 No.8, pp. 759-768, 1942.
Actualidad Iberoamericana
Applied Mechanics Review
Cab Abstracts
Current Contents
Fluid Abstracts: Civil Engineering
Fluid Abstracts: Process Engineering
CeoArchive
Geotitles
GeoSEARCH
Hydro ROM
Hydrotitles
International Civil Engineering Abstracts
n.
o.
p.
q.
Apndice B
Red Neuronal de retropropagacin
Despus que Mccullock y Pitt (1943) presentaron el concepto de redes neuronales, varios modelos han sido desarrollados (Rumellhart et. al., 1986; Peterson y
Anderson, 1987; Park et al., 1991). Entre esos modelos las redes multicapas entrenadas por el algoritmo de retropropagacin, han sido aplicados de manera intensiva
para resolver varios problemas de ingeniera en aos recientes (p. ej. Yeh et al., 1993,
Goh, 1995; Kerh y Yee, 2000).
El nombre de estas redes es dado por el mtodo que se utiliza para su entrenamiento que consisten, lograr un entrenamiento de pesos de la red los cuales
mnimicen, el error cuadrtico medio (ECM) de los patrones de entrada contra los
patrones de salida. Para ellos se hace una entrenamiento de los pesos de la salida
hacia los pesos de entra (retropropagacin). El mtodo propuesto por Widrow y
Ho fue generalizado al caso de capas mltiples con el nombre de algoritmo de
retropropagacin (Werbos [96]).
Una red neuronal de tres capas con un capa de entrada, una capa oculta y una
capa de salida se utiliza en esta tesis. Se sabe que la forma de entrenar, una red
neuronal de retropropagacin, el error en la capa de salida se propaga hacia cada
capa anterior, hasta llegar a la capa de entrada, se considera que se ha entrenada la
RNA, hasta obtener un salida deseada o bin que entre la salida estimada Ybj y la
deseada Yj en el ECM mnimo, de acuerdo a un valor establecido.
La unidad de la RNA es mostrada en la Fig. B.1, la salida de la neurona
140
X1
141
netj = wijxi-j
X2
X3
.
. wij
.
.
Xn
netj
f(.)
Yj
j
Figura B.1: Unidad de RNA
(B.1)
m1
+ nj Oin1 + wijm1
wijm = wij
(B.2)
donde es una constante positiva de aprendizaje, es un momento positivo constante seleccionado por el usuario que est entre 0.1 y 0.9, tpicamente y las superindice m y m 1 representan la etapa de entrenamiento actual y ms reciente,
142
Apndice C
C.1.
El sensor para el nivel del agua es tipo resistivo, ste se basa en el principio
de la variacin de la resistencia que se tiene en dos puntas metlicas cilindricas
sumerguidas en el agua.
La medicin se basa en la conductividad del agua.
Tipos de Agua
S/cm.
Agua ultrapura
0.05
Agua de alimentacin de calderas
1a5
Agua Potable
50 a 1000
Agua de Mar
53,000
R=
ln( D
)
a
l
143
C. Apndice C
144
donde
D distancia entre las varillas.
l altura de la barillas cilindricas.
a radio de la barra.
d diametro de la barra.
)
ln( 2D
d
= 0,71741
K=
(C.1)
donde
D = 0,01
d = 0,0021
ln( 2D )
K = d
La resistencia contra la produndidad es una relacin no lineal
(C.2)
R = K/h;
R
50
25
1.25
2.5
3.75
5
h
-25
-50
R. vs. h
Dado la variacin de la conductividad del agua, para compensar esta diferencia
se utiliza dos sensores uno de referencia y otro de medicin.
Apndice D
D.1.
c=
L
T
(D.1)
C=
gL
2h
tanh(
)
2
L
o bien
145
(D.2)
D. Apndice D
146
C2 =
2h
gL
tanh(
)
2
L
(D.3)
(D.4)
2
= (Frecuencia angular de la ola)
T
(D.5)
L=
2h
gT 2
tanh(
)
2
L
(D.6)
Ecuacin de la propagacin
gT 2
L=
2
tanh(
42 h
)
T2 g
(D.7)
C0 =
gL0
L0
gT
=
=
2
T
2
L0 =
gT L
2
(D.8)
D. Apndice D
147
(t) = a cos(
H
2x 2t
2x 2t
)=
cos(
)
L
T
2
L
T
(D.9)
C
C0
=
h
L0
L
L0
tanh( 2h
) y
L
h
2h
= L tanh( L )
(D.10)
1/25
C=
p
gh
(D.11)
Velocidad de Grupo
D. Apndice D
148
= 1 + 2 =
H
2
T2 T1
L2 L1
x
t
= A cos
L2 L1
T1 T2
(D.12)
(D.13)
cuando
L1 L2
T1 T2
(D.14)
1L
4dL
1+
= nC
Cg =
2T
sinh(4h/L)
(D.15)
1
4dL
n=
1+
2
sinh(4h/L)
(D.16)
en donde:
(D.17)
entonces
Cg =
1
1 L0
= C0
2T
2
(D.18)
Cg =
p
L
= C gh
T
(D.19)
(D.20)
D. Apndice D
149
(D.21)
E=
E gH 2
L 8
(D.22)
(D.23)
Fuerza de Coriolis
1
P 0 = E0 C0 (para aguas profundas)
2
(D.24)
(D.25)
Apndice E
Espectro de frecuencia de oleaje
irregular
E.1.
El oleaje aleatorio del mar se representa de una forma matemtica por la ecuacin
??, lo que implica que el registro del oleaje marino puede ser expresado como
un proceso estocsticos que satisface tres condiciones estadsticas de un proceso:
estacionario, ergdico y Gausiano. El proceso cambia de manera aleatorio en el
tiempo y no se da su estado de una manera determnistica, pero cada estado o valor
que toma ocurre con cierta ley de probabilidad.
= (t) =
X
n=0
(t) =
Cn cos(n t n )
an cos(nt) + bn sin(nt)
n=0
150
(E.1)
(E.2)
2 (t) =
151
Cn2 f
(E.3)
1p 2
an + b2n
2
(E.4)
n=0
Cn2 =
n = tan1 (
bn
)
an
(E.5)
donde
1) varias frecuencias n
2) amplitudes an y
3) diferentes fases n
Por induccin se puede estimar la energa total del espectro (t) por medio de
"N
#2
X
(nt)e2if (nt) t
E(f)= T1p
n=0
donde
Tr es la longitud del registro t es la longitud del registro.
Se asumen que se puede obtener un nmero finito de registro de oleaje 1 (t), 2 (t), ...,
todos de diferente perfil, pero que corresponden al mismo estado del mar teniendo la misma altura y periodo significativo. Esto no se puede lograr en realidad en
mar, Pero puede aprovecharse esta situacin en tuneles de viento experimental para
repetir las mismas condiciones[30]. Entonces el perfil del oleaje anterior puede ser
expresado como un proceso estocsticos
(E.6)
E[(t)] = E[(0)] m
: t
(E.7)
152
E[(t + )] = E[(t)(0)] ( )
(E.8)
en el cual
N
1 X
j (t)
N N
j=1
E[ (t)] = lm
N
1 X
j (t + ) j (t)
N N
j=1
E[(t + )(t)] = lm
(E.9)
(E.10)
Zt0
1
E[ (t + )(t)] = j (t + ) j (t) = lm
t0 t0
j (t)dt
(E.11)
Zt0
j (t + ) j (t)dt
(E.12)
1
( E [])2
d
p()d =
exp
(2m0 )1/2
2m0
153
(E.13)
en el cual
m0 = E ( E [])2 E [] = E 2 E []2 = 2rms
(E.14)
( ) =
(E.15)
S(f ) = 4
( ) cos(2f )d
(E.16)
( ) =
S0 (f ) =
154
(E.17)
( ) exp(2f )d
E.2.
X1
a2n = S(f )df
2
f
(E.18)
fX
+df
AN/2
2k
2k
A0
(Ak cos(
+
t ) + Bk sin(
t )) +
cos(t )
(t) =
2
N
N
2
f
(E.19)
155
donde
t = 1, 2, 3, ....N
t = t/t :
La ecuacin (E.19) da la elevacin de la superficie como el registro del oleaje
original (nt) en los puntos de t = 1, 2, 3, ......, N si los coeficientes de la funcin
de Fourier son determinados como:
N
2 X
2k
t )
(t ) cos(
Ak =
N t =1
N
N
2 X
2k
t )
(t ) sin(
Bk =
N t =1
N
: 0 k N/2
: 1 k N/2 1
(E.20)
(E.21)
A2k =
=
4
N2
N
X
t =1
4
N2
N
X
)2
(t ) cos( 2k
t)
N
t =1
)
N
N1
X
X
2
2 (t ) cos( 2k
t ) +2
(t )(t + ) cos( 2k
t ) cos( 2k
(t + )
N
N
N
=1 t =1
(E.22)
156
2
E[A2k ] = lm 2
N N
N
X
t =1
2 (t ) + 2
N1
X N
X
=1 t
2k
(t )(t + ) cos(
t )
N
=1
(E.23)
Para llegar a el resultador anterior, se uso el hecho de el factor del valor esperado
2
los coeficientes de autocorrelacin definidos por ec. (E.18), la ecuacin E.23 se puede
reescribir
2
E[A2k ] = lm
N N
)
2k
(0) +
t )
(t ) cos(
N
=1
N1
X
(E.24)
Esta ecuacin es adems reescrita como sigue, dado por el hecho que cos() es
una funcin par de :
E[A2k ]
2 X
2 X
2k
t ) = limN
= limN
(t ) cos(
( ) cos(fk )t
N =
N
Nt =
(E.25)
donde
fk = k/(Nt) = kt0
= t t
(E.26)
157
E[A2k ] =
2
1
S0 (fk ) =
S(fk )
Nt
Nt
,1 k
N
1
2
(E.27)
E[Bk2 ] =
2
1
S0 (fk ) =
S(fk )
Nt
Nt
,1 k
N
1
2
(E.28)
E[Ak Bk ] = lm N N42
=
( N1
X
=1
) ( N1
)
X
(t ) cos( 2k
t)
(t ) sin( 2k
t)
N
N
lm N N42
N1
X
=1
=1
(t ) sin( 2k
t)
N
(E.29)
(t ) =
S(f ) cos(2f )d
158
(E.30)
(E.31)
Porque Ik es la suma de el cuadrado de dos variables estocasticas independientes de una distribucin normal Ik es una variable estocasticas la cual sigue una
distribucin chi-cuadrada con dos grados de libertad. Solo el Ik para k = 0 y N/2
sigue una distribucin de chi-cuadrada con un grado de libertad. La distribucin
chi-cuadrada es la distribucin de una variable estocstica definida por:
donde xi es una variable de distribucin normal con una media cero y una
varianza de 2 . La funcin de densidad de probabilidad est dada por
p(2r ) =
1
(2 )r/21 exp(2r /2)
2r/2 (r/2) r
(E.32)
(E.33)
159
E[Ik ] =
V ar[Ik ] =
2
S(fk )
t
4
S(fk )
(t)2
: 0 k N/2
: 0 k N/2
(E.34)
(E.35)
b k) = 1
S(f
n
k+[n/2]
j=k[(n1)/2]
Ij
160
t
,
2
(E.36)
(E.37)
Si la condicin
b )es la suma de n variables chi-cuadrada con dos grados
se mantiene, entoces S(f
de libertad cada uno, por lo que los periodogramas son mutuamente independientes
b ) sigue una distribucin con 2n
en un sentido estadistico. En consecuencia S(f
grados de libertada. Esto es:
b ) = S(f
b ) 22n /2n
S(f
(E.38)
b )] es igual a de S(f ).
Porque el valor esperado de 22n el valor esperado E[S(f
Tambien, por el incremento de datos de longitud n y el promediado n periodogramas manteniendo la condicicion N n la confiabilidad de la estimacin espectral
b ) decrese inversamente con el inpuede ser incrementada porque la varianza de S(f
cremento de n. En realidad, la variacin de los coeficientes del estimador espectral
son obtenidos de la propiedades de la distribucin chi-cuadrada como
b )] =
C.V.[S(f
b )]1/2
1
V ar[S(f
=
b
n
E[S(f )]
(E.39)
161
162
fb = bk + n fk = n/(N T ) = n/t0
(E.40)
E.3.
Ik
=
=
=
1
s(fk )22 para 1 k N/2
t
2
s(0)21 para k = 0
t
2
s(fN/2 )21 para k = N/2
t
(E.41)
2
S(fk )
t
(E.42)
4
S 2 (fk )
(t)2
(E.43)
E[Ik ] =
V [Ik ] =
163
(E.44)
b k )]=S(fk ), bajo
dado que el valor esperado de 22M = 2M el valor esperado E[S(f
la condicin de que N>>M (Regla de dedo N>10M).
El coeficiente de variabilida C.V. se define como
b k )]1/2
V ar[S(f
1
b
)]
=
=
C.V.[S(fk
b k )]
M
E[S(f
(E.45)
164
Apndice F
Simbologa
F.1.
B
C
DSE
DSP
ECM
E
M
M
mps
P
RMS
RN
RNA
RNI
R
PC
Abreviaturas
165
F. Simbologa
F.2.
Notacin
fase angular.
fase angular ensima
n
es una variable aleatoria del angulo entre [-, ].
i
es el umbral de la j-ensima neurona.
j
entrada a la neurona i
i
2
distribucin de chi cuadrada con dos grados de libertad.
2
frecuencia angular.
frecuencia angular enesima del espectro.
n
f = fi fi1 la separacin entre las frecuencias discretas del espectro.
factor de incremento a constante i del PI autoajustable.
i
factor de incremento a constante kp del PI autoajustable.
kp
= i i1 la separacin entre las frecuencias discretas del espectro.
m1
wij
2
Laplaciano de la funcin .
166
F. Simbologa
11 (n)
espectro de potencia
espectro de potencia cruzado
ij (n)
a
aceleracin
amplitudes ensima de la frecuencia del espectro.
an
2
amplitudes enesimas de la frecuencia del espectro de energa.
an
B(f, h)
Ecuacin de Biesel.
C
coeficiente de calibracin de la paleta.
C
controlador.
velocidad de grupo.
Cg
covarianza en funcion cruzada de .
Cij ( )
c
velocidad de fase
D
derivada total con respecto a t.
Dt
d (t)
ventana de tiempo.
E
mdulo de elasticidad para un fluido.
escala de fuerza.
EF
escala de descarga.
EG
escala de longitud.
EL
escala de presin.
EP
escala de tiempo.
ET
e(t)
serie de tiempo de la paleta.
error global absoluto entre dos espectros.
eglobal
es el error negativo cuando aSG (fi ) aST (fi ) es negativo
en (i)
es el error positivo cuando aSG (fi ) aST (fi ) es positivo
ep (i)
error relativo para la comparar espectros
erelativo
amplitud de la frecuencia ensima del espectro generado.
aSG (fi )
amplitud de la frecuencia ensima del espectro deseado.
aST (fi )
error entre espectros en la frecuencia fi .
ei (fi )
2
error cuadrtico del espectro.
ei (fi )
error de entrenamiento para RNI.
eu
F(n)
F()
F
Fuerza
167
F. Simbologa
F
Fs
f
f (i)
f med
fp
g
Hi2
Hmax
Hprm
Hrms
Hs
h
Kp
kp
kc
kc,0
ki
kn
kp
kp
kp
k
L
l
m
m
m0
mn
Nm
Nw
netj
168
F. Simbologa
P
patrn de entrada de RNA.
modelo inverso de la planta C.
P 1
PI
controlador Proporcional e Integral.
P ID
controlador Proporcional, Integral y Derivativo.
S(, )
Espectral del oleaje direcional en funcin de la y .
S(, , x, t)
Espectral del oleaje direcicional , ,
y de la direccin de la ola x,y el tiempo t.
S(f )
Espectral del oleaje unidireccional.
espectro del oleaje unidireccional discreto.
S(fi )
b )
S(f
Estimacin del densida espectral del oleaje.
n
S (fi )
valor del espectro del estado actual.
n+1
valor del espectro del estado de control siguiente.
S (fi )
Espectral del oleaje unidireccional discreto.
S (f )
desplazamiento de la paleta.
S0
espectro Deseado (Target).
ST
espectro Generado.
SG
espectro del movimiento de la Paleta.
SP
s
desplazamiento de la paleta tipo pistn ("stroke").
Perodo Significativo.
Ts
Periodo significativo.
T 1/3
T
Periodo promedio.
Periodo pico
Tp
perodo medio por el mtodo de cruces por cero hacia arriba.
Tz
salida de la neurona i.
i
es la entrada de la i-inesima seal de entrada,
xi
169
F. Simbologa
Yj
y(t)
yd (t)
wij
wijm
170