DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA

CARRERA DE INGENIERÍA EN ELECTRÓNICA EN

AUTOMATIZACIÓN Y CONTROL

CONTROL INTELIGENTE

AUTORES:

EVELYN LEMA

DAYANA OCHOA

CARLOS MENDOZA

DIEGO FLORES

TEMA: “DISEÑO DE CONTROLADOR NEURONAL

PARA LA UNIDAD AIR FLOW TEMPERATURE

CONTROL SYSTEM”

ING. VÍCTOR PROAÑO

SANGOLQUÍ, JULIO 2014

UNIVERSIDAD DE FUERZAS ARMADAS “ESPE” DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA

ASIGNATURA: CONTROL INTELIGENTE

Actividad No 19 “Diseño de controlador neuronal para la unidad Air Flow Temperature Control

System”

1. INTEGRANTES Y DIGNIDADES

Nuestro equipo de trabajo estará conformado por las siguientes personas:

1. Evelyn Gabriela Lema.

2. Dayana Carolina Ochoa.

3. Carlos Eduardo Mendoza

4. Diego Miguel Flores.

Una vez establecido el equipo de trabajo se estableció las dignidades en base a la afinidad presentada en

el grupo de trabajo y se definió las tareas que deberá realizar cada persona dentro de la dignidad

asignada.

Dignidad Responsable Tareas

Líder

• Coordinar al equipo de trabajo asignando roles y

responsabilidades, con base a la descripción del proyecto

asignado

• Supervisar el desarrollo del proyecto asignado, conforme al

calendario establecido y en su caso realizar los ajustes

necesarios para su cumplimiento.

• Promover y conducir reuniones con el equipo de trabajo para

garantizar el avance del proyecto asignado.

• Coordinar y supervisar que la documentación de las

actividades realizadas en las fases de requerimientos, de

análisis y diseño sean realizadas con éxito.

Ingeniero Electrónico

• Desarrollar prototipos de la aplicación a construir.

• Conocer metodologías de diseño y documentación de

aplicaciones

Ingeniero Control

• Realizar estudios de factibilidad, planeación, diagnóstico,

análisis, diseño, implementación, pruebas y seguimiento de

los sistemas de control.

• Conocer metodologías para el diseño de controladores

Ingeniero Software

Diego Flores. • Experiencia en el uso de herramientas para el desarrollo del

proyecto mediante sólidos conocimientos.

2. ACTIVIDADES ESTABLECIDAD PARA EL DESARROLLO DEL PROYECTO:

Recopilación de información. Act1.- En esta actividad se procedió a investigar a través de las diferentes fuentes que disponemos, ya sea

de internet, libros, acerca del control de temperatura con redes neuronales, para una planta física.

Act1.1 Una vez recopilada la información, se realizó la clasificación de la información que

verdaderamente nos iba a ayudar en el desarrollo del proyecto.

Act1.2 Con la recopilación de datos necesarios se inició el proyecto primero creando el software en

Matlab, tanto para el entrenamiento de la red neuronal, el controlador de la red neuronal así como el

diagrama en Simulink.

Reconocimiento del área de trabajo.

Actividad 2.- Se procedió a reconocer el lugar donde se a realizar el proyecto, así como la planta física de

temperatura, la computadora donde se va a simular nuestro controlador y la tarjeta de adquisición.

Actividad 2.1.- Se observó la conexión correcta conexión de los materiales que se van a utilizar.

Asignación de dignidades y tareas.

Actividad 3.- Se asignó funciones determinadas a cada uno de los integrantes del grupo, para que el

objetivo del proyecto se realice correctamente

Obtención de datos de la planta

Actividad 4.-Este procedimiento es uno de los más importantes ya que de esto dependerá que nuestro

control esté funcionando correctamente, para lo cual se tomó varias medidas de la planta, así como de la

función de transferencia.

Obtención de la planta del sistema mediante la herramienta ident.

Actividad 5.- Esta herramienta es de gran ayuda, ya que nos permitió determinar los valores correctos de

la planta

Actividad 5.1.-Una vez identificada y modelada la planta se y con los programas respectivos, se

procederá a la última actividad.

Realización de pruebas y funcionamiento.

Actividad 6.- Se utilizó primero el controlador propuesto en clases para observar correctamente el control

de temperatura y ver los resultados que debemos obtener.

Actividad 6.1.-Siguiente utilizamos los diferentes controladores que obtuvimos de MATLAB para

comprobar resultados

Actividad 6.2.-Obtuvimos resultados positivos aunque con un grado de error un poco grande.

Actividad 6.3.-Finalmente el porcentaje de error del control de temperatura con redes neuronales se

disminuyó notablemente, dado así por finalizado el proyecto.

3. OBJETIVOS:

OBJETIVO GENERAL:

Diseñar e implementar un controlador inteligente de temperatura para la unidad AIR FLOW

TEMPERATURE CONTROL SYSTEM mediante la utilización de la herramienta RTW de

Matlab.

OBJETIVOS ESPECÍFICOS:

Identificación de la respuesta de la planta para diferentes voltajes de entrada en la niquelina en

nuestro caso en un rango de 2.5 a 4.5V.

Estimar y modelar la planta AIR FLOW TEMPERATURE CONTROL SYSTEM y los diferentes

controladores como bloques en SIMULINK.

Implementar una red neuronal con dos entradas, la temperatura inicial o actual del sistema y la

variación de estado deseado de temperatura y la señal de control mediante bloques de Simulink.

Evaluar el sistema de control desarrollado mediante pruebas de operación y funcionalidad a fin de

conseguir un funcionamiento óptimo.

4. DESCRIPCIÓN DEL MODELO MATEMÁTICO DEL SISTEMA PRESENTADO EN LA

TESIS.

Modelo Matemático del Sistema

El Sistema de Temperatura consta de una niquelina que es la encargada de calentar el aire ingresa

a través del conducto de flujo mediante un ventilador que remueve el aire que se encuentra en su

interior.

Esta transferencia de calor producida por el movimiento de aire a través de la niquelina se

denomina convección interna forzada y esta descrita por la Ley de Newton del enfriamiento.

Ecuación 1. Ley de Newton del Enfriamiento

Dónde:

Es importante recalcar que la transferencia de calor del sistema es en régimen transitorio,

temperatura no cambia sólo con la posición del aire dentro del cilindro sino también cambia con

el tiempo.

El calor acumulado en el conducto de flujo viene dado por:

Ecuación 2. Calor acumulado en el Conducto del Flujo

Dónde:

Procedemos a igualar la Ecuación 1 y 2 para llegar al modelo matemático que describe el sistema

de temperatura en estudio.

;

∫

∫

(

)

(

)

Ecuación 3. Comportamiento de la temperatura en función del tiempo

En la Figura 1 se describe el comportamiento de la temperatura en función del tiempo del

sistema:

Figura 1. Comportamiento de la Temperatura en Función del Tiempo

La constante que determina el retardo de la función de temperatura se calcula de:

(

)

5. RESULTADOS DEL EXPERIMENTO:

Realizar el experimento de control con red neuronal inversa y presentar resultados (gráficas

de variación de la temperatura durante 1 minuto) para tres distintos valores de referencia en

el rango de 30 a 50°C, analice las respuestas obtenidas en términos de error de estado estable

y velocidad de respuesta.

Para realizar el experimento de control con red neuronal inversa fue necesario primeramente

obtener los datos correspondientes a la planta en distintos voltajes de entrada para poder sacar el

modelo matemático de segundo orden. Luego se desarrolló el diagrama se Simulink

(modelo_aft_bloque) el mismo que representa a la planta.

Diagrama del Sistema dinámico

Una vez creado el modelo se desarrolló los siguientes programas en matlab y en simulink.

Diagrama de bloques de los programas en Matlab

Código del programa en Matlab

a. Programa datos train

clc

clear all

timestep=2;

temp1v=[0:5:30];

temp2v=[0:2:14];

u0v=[0:.5:4.5];

Pm = combvec(temp1v,temp2v,u0v)

Tm=[]

for i=1:length(Pm)

%for i=1:5

i

datos_train Pm

Tm

data_train Pm1

Tm1

training Pm1

Tm1

Pm(:,i)

length(Pm)

% pause(1)

u0=Pm(3,i)

T10=Pm(1,i)

T20=Pm(2,i)

[t,x]=sim('modelo_aft_bloque',[0 timestep])

dtemp1=temp1-T10

dtemp2=temp2-T20

Tm=[Tm [dtemp1 ;dtemp2]]

end

plot(Tm);

b. Programa data train

Pm1(1,:)=Pm(1,:)/20;% temp1

Pm1(2,:)=Pm(2,:)/10;% temp2

Pm1(3,:)=Tm(1,:);%deltatemp1

Pm1(4,:)=Tm(2,:);%deltatemp2 multiplicar por 10

Tm1(1,:)=Pm(3,:);%u0

c. Programa training

cnet = newff(minmax(Pm1),[16 1],{'tansig' 'purelin'},'trainrp')

cnet.trainParam.show = 10; % Frequency of progress displays (in epochs).

cnet.trainParam.epochs = 500; % Maximum number of epochs to train.

cnet.trainParam.goal = (1e-7); % Mean-squared error goal.

cnet=train(cnet,Pm1,Tm1)

gensim(cnet,2)

DISEÑO DEL CONTROLADOR

Creación del bloque controlador

Entrenamiento de la Neurona

Diagrama de simulación del control neuronal inverso

Comportamiento del modelo en simulación

1.

Gráfica Resultante del Comportamiento del Modelo de Simulación

Diagrama en Simulink de la planta con el Controlador Neuronal

Comportamiento de la Planta Real con el Controlador

Análisis

Hay que recordar que se requiere que el modelo inverso se desea que sea ideal, o al menos muy

cercano a esta condición, para garantizar que el error en estado estable fuera cercano a cero.

Para lograr un mejor desempeño el control neuronal inverso se hizo pruebas con la planta real con

diferentes parámetros. Como se muestra en las siguientes gráficas.

Caso 1:

Caso 2:

Caso 3:

Caso 4:

Caso 5: Diagrama con mejor comportamiento en la experimentación real

Para analizar los resultados obtenidos con respecto a la velocidad de respuesta es importante observar la

siguiente gráfica del comportamiento de la planta con el controlador en una temperatura de 30º grados.

Como se puede observar la velocidad de respuesta es bastante rápida ya que en tiempo relativamente

corto alcanza el valor deseado de set point al tener una respuesta a una perturbación. Con respecto al error

de estado estable se puede observar en la siguiente gráfica que la planta se logra estabilizar de una manera

rápida pero tiene oscilaciones de dos grados con el setpoint requerido sin mantener un valor estable en

general.

Es así que se puede concluir que el controlador neuronal inverso experimentado funciona pero tiene

oscilaciones de dos grados para alcanzar el set point requerido, esto se debe a que la temperatura

ambiente varía en relación a los días donde fueron obtenidos los datos del comportamiento de la

planta haciendo que la construcción de la función de transferencia varié de igual manera y que el

comportamiento de la planta cambie.

Nosotros Dayana Ochoa, Evelyn Lema, Carlos Mendoza y Diego Flores afirmamos que esta

actividad es de nuestra autoría y establecemos que para la elaboración de la misma hemos seguido los

lineamientos del Código de Ética de la Universidad de las Fuerzas Armadas ESPE

6. ANEXOS

Se adjunta el cronograma correspondiente a las actividades detalladas anteriormente. Nombre del

archivo: “Cronograma Control Temperatura”