Año del Dialogo y la Reconciliación Nacional

ESTADO DE LA CUESTIÓN

Tema: IMPLEMENTACIÓN DE UNA RED NEURO DIFUSA PARA EL

CONTROL DE DOSIFICACIÓN QUÍMICA

Curso: FORMACIÓN PARA LA INVESTIGACIÓN MECATRÓNICA

Alumno: Alegría Torres, Raúl Alumno: Portilla Salinas, Louis

Edwin Angello Daniel
Código: 1220701 Código: 1310477
Carrera: Ingeniería Mecatrónica Carrera: Ingeniería Mecatrónica
Ciclo: X Ciclo: X

Profesores:

- Quispe
- Veramendi Tamayo Melquisedec.

208 Ii
IMPLEMENTACIÓN DE UNA RED NEURO DIFUSA PARA EL CONTROL DE DOSIFICACIÓN QUÍMICA

En el presente trabajo denominado estado de la cuestión se menciona y estudia los

diferentes parámetros que se utilizan para implementar una red neuro difusa en los procesos de
dosificación química, teniendo como sustento las fuentes informacionales. Debido a que la
tecnología computacional y las herramientas aplicables en este campo se han ido aumentando y
desarrollando de la mejor manera, en el cual se ha formulado la siguiente interrogante de
investigación ¿Cuáles son los parámetros para implementar una red neuro difusa para el control
de dosificación química?

DEFINICIONES BASICAS

En este trabajo, se emplea distintas definiciones que por tener conceptos específicos se
necesita entender algunos términos como red neuro difusa y dosificación química. El primer
termino a mencionar es la rede neurodifusa “Los sistemas neuro-difusos son usados en múltiples
aplicaciones porque combinan las ventajas de las redes neuronales con la capacidad de
proporcionar la explicación y comprensión del conocimiento explícito que tienen los modelos
difusos. El interés en este sistema se debe principalmente a las siguientes razones: Aplicación de
los algoritmos de entrenamiento desarrollados para redes neuronales; Posibilidad de proporcionar
la integración del conocimiento; Posibilidad de extracción de conocimiento, bajo el formato de
reglas del conjunto de datos.” [1]

En ese caso podemos decir que las redes Neurodifusas son sistemas que aprovechan
características de las redes neuronales como la capacidad de aprender o auto ajustarse y
generalizar, sumadas a las características de la lógica difusa, que trabaja con razonamiento lógico
basado en funciones de membresía, que permiten trabajar con variables lingüísticas, muy
naturales para los seres humanos. Los sistemas de inferencia difusos pueden representar el
conocimiento basándose en reglas if-then, no tiene la capacidad de adaptarse cuando las
condiciones externas cambien, es por este problema, que incluyen los conceptos de
reconocimiento de las redes neuronales.

[1]F. Villada, E. García and J. Molina, "Pronóstico del Precio de la Energía Eléctrica usando Redes
Neuro-Difusas", Información tecnológica, vol. 22, no. 6, pp. 111-120, 2011.
El segundo término que daremos a definir es control de procesos

El tercer término que a definir es dosificación química aunque no se haya encontrado en

específico, daremos a entender que es la dosificación según diccionario “Determinación y
Regulación de las dosis de un medicamento” tal de ahí sacamos que la dosificación química es la
determinación y regulación de las dosis para un proceso químico

Referencias Académicas

libros autores empresas etc

Contextualización:

La implementación de una red neuro difusa se realizará en un proceso de control de

dosificación química en el tratamiento de agua para torres de refrigeración.

Situación de la investigación

Los sistemas industriales de refrigeración han hecho del agua el medio de transferencia de calor
de gran utilidad, se debe utilizar un sistema de bombeo para recircular el agua para el
enfriamiento o intercambio de calor, según sea el caso, el sistema debe mantener presiones y
temperaturas de trabajo en los intercambiadores.

Los sistemas que usan el agua como medio de transferir el calor o de enfriamiento, tendrán
problemas asociados al uso de este, algunos problemas son: La corrosión, La incrustación,
Suciedad (lodos). Al presentarse alguno de estos problemas, habrá un paro de equipo no planeado
que afectarán la producción y que será más costoso, que el contratar una compañía para el
tratamiento de agua adecuado.

El tratamiento de agua es de suma importancia, se necesita mantener el agua en un balance de

parámetros permitidos de acuerdo con las condiciones de operación, ya que con esto se puede
evitar la corrosión, incrustación de sólidos inorgánicos en los puntos de intercambio de calor, o la
generación de materia orgánica (algas, cieno, lodos), todo esto provocando la falta de intercambio
de calor o el paro inesperado del equipo, altos costos de operación del sistema principalmente. Y
nos surge la pregunta ¿Cuál es la razón de usar una red neurodifusa en los sistemas de
refrigeración industrial?

Propósito de la investigación

Esto debido a los diversos factores de contaminantes o compuestos naturales que contiene el
agua, ya que estos pueden crear alteraciones o daños, según cuál sea el proceso, por lo que
requieren ser eliminados o controlados, mediante procesos físico-químicos o mecánicos. Por lo
que es importante darle calidad a los procesos industriales, para que de tal forma evitemos gasto
inesperado y claro, siempre protegiendo al medio ambiente, algunas definiciones que veremos en
el tratamiento de agua.
PAPER 2
MODELOS ANFIS Y REDES NEURONALES.
El modelo ANFIS (Adaptive Network-based in Fuzzy Inference Systems) fue desarrollado
por J.R. Jang en 1993 [2].
Las capacidades adaptativas de las redes ANFIS las hacen directamente aplicables a una gran
cantidad de areas como control adaptativo, procesamiento y filtrado de senales y series de
tiempo, clasificacion de datos y extraccion de caracteristicas a partir de ejemplos. Una propiedad
interesante del modelo, es que el conjunto de parametros se puede descomponer para utilizar una
regla de aprendizaje.
Las reglas difusas del tipo Takagi-Sugeno utilizadas en el modelo ANFIS se representan de la
siguiente forma [3]:
Regla n: Si X es An y Y es Bn, entonces fn = pnX + qnY + rn,
Donde An y Bn son los conjuntos difusos de entrada y pn, qn y rn son constantes, para este caso
pn y qn son cero obteniendo un modelo Takagi-Sugeno de orden cero. Las salidas individuales de
cada regla son obtenidas como una combinacion lineal entre los parametros del antecedente de
cada regla: fn = pnX + qnY + rn, n=1,2,….
La salida de control del modelo f se obtiene por la normalizacion de los grados de activacion de las
reglas por la salida individual de cada regla.

PAPER4

SOFTWARE NEURO DIFUSO

A partir de la Lógica Computacional, se han desarrollado nuevas tendencias, tal es el caso

de los Sistemas Neuro Difusos (SND). Los SNDs se caracterizan por incorporar aspectos de las
Redes Neuronales como de la Lógica Difusa, respectivamente. Del primero se aprovecha la
capacidad de aprendizaje, así como de la habilidad de generalizar. De la lógica difusa se obtiene el
razonamiento lógico basado en reglas de inferencia, aportando de esta manera, una herramienta
poderosa que permite operar con variables lingüísticas e incorpora un tratamiento más amplio al
conjunto binario, lo cual se traduce en un tratamiento difuso.
La construcción de herramientas basadas de estas dos áreas han demostrado ser un mecanismo
eficiente a la hora de modelar sistemas reales (Bruno, 1999).