En este proyecto, se propone un sistema de control Fuzzy en un módulo de entrenamiento de procesos industriales con dos sistemas independientesentre sí, uno térmico y otro neumático, el algoritmo de control se desarrolla en lenguaje Python v3.6 ejecutado por una Raspberry Pi B+, ambos controladores dependen del error y cambio en el error que se actualizanen tiempos de 2 s y 1 s, para temperatura y presión respectivamente, la comunicación con las plantas emplea conversores A/D y D/A, el Fuzzytérmico se analizo con tres referencias de temperatura [50,100 y 150]◦C,con un tiempo de subida de 191 s, 360 s y 505 s; error de estado estacionario de 5.5 %, 0.7 % y 0.7 %, en el sistema neumático se evalúo la velocidadde cambio entre referencias de 10 psi a 15 psi variando la activación delcompresor al inicio de los experimentos, los tiempos de asentamiento que se obtienen son 111 s y 106 s, con el compresor apagado el resultado esde 116 s y 88 s, además de un sobrepaso máximo de 13 % con oscilaciones inherentes al tipo sistema que se encuentran en un rango aceptable.
1 INTRODUCCIÓN
Mantener un proceso industrial en condiciones de seguridad es el objetivo principal de un sistema de control [1]. Para implementar un determinado proceso de control, las plantas de producción y sus sistemas embebidos deben ser modernizados y optimizados [2], esto permite monitorear las variables que están siendo controladas y garantiza que la planta esté trabajando en condiciones de seguridad para el operador e incluso para el sistema de control. También se hace para establecer el método o la forma en que se regulará el sistema, esta adecuación se conoce como instrumentación [3]. En general, cuando un sistema de control e instrumentación se ejecuta bajo una mínima o nula intervención humana, el sistema se denomina automatizado [4], con el fin de dar un enfoque moderno al control, en este trabajo se propone el uso de Fuzzy como algoritmo para dos aplicaciones industriales simuladas [5].
Existe una gran cantidad de hardware embebido para desarrollar sistemas de control Fuzzy [6], sin embargo la mayoría de las aplicaciones se realizan mediante hardware y software licenciados, como alternativa a esto se encuentra la computadora de placa única Raspberry Pi (RPi), la cual ha obtenido mucha popularidad en estos años, debido a su gran capacidad de hardware, la cual mejora cada año, la política de licencia libre para su programación así como el hecho de que cuenta con 40 puertos de propósito general para comunicación (GPIO) [7]. En virtud de ello, el uso de RPi se ha ido expandiendo a muchas áreas como los sistemas de control, tal y como ilustran Li Jianshuo, et al [8]. Desarrollaron un control predictivo con evolución constante basado en un método neuro-fuzzy, para un proceso de secado con microondas, donde la temperatura y la humedad son el objetivo de control, obteniendo resultados exitosos en un entorno altamente complejo con una gran eficiencia y seguridad, consiguiendo además discrepancias adecuadas entre los datos predichos y los medidos.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Infografía:
Generalidades de Movimiento de un Proyectil
Artículo:
Modelización abstracta ascendente de redes ópticas en chip: De la capa física a la arquitectónica
Artículo:
Análisis de filtros ópticos de película fina sintonizables de cristal líquido mediante la técnica del diagrama de flujo de señales
Infografía:
Guía - Visión del Color
Artículo:
Terapia Fotodinámica Dirigida: Un enfoque novedoso para la abolición de las células madre del cáncer humano
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
Estudio sobre la migración global de materiales plásticos de empaque usados en la industria de alimentos
Artículo:
Control y vigilancia de la calidad del agua de consumo humano
Artículo:
¿Por qué debemos conservar la fauna silvestre?