1 Control basado en redes neuronales

2 Contenido Control SupervisadoControl Adaptativo con modelo de referencia (MRAC) Control por modelo de Interno Control predictivo Identificación de sistemas con redes neuronales Modelado de dinámica temporal de las manchas solares

3 Control Supervisado

4 Control Supervisado Aun existen numerosas aplicaciones del control en la práctica, en las cuales un operador humano juega un papel esencial Un operador experimentado puede enfrentar eficazmente ambientes y dinámicas de la planta variables en el tiempo, a partir de la información obtenida de la realimentación A la inversa, un controlador convencional a menudo puede fallar en esta situacion. Es deseable, en estos casos, construir un controlador que imite la inferencia y decisión que se generan en el procedimiento del humano experto.

5 Control Supervisado En muchos casos, podemos tener un controlador deseado con parejas finitas de datos de entrada-salida disponibles

6 Control hibrido Aprendizaje off-line Una aproximacion a la ley de control deseadd Aprendizaje on-line Mejora el control proporcionado por el PID

7 Control Adaptativo con modelo de referencia (MRAC)

8 Control con modelo de referenciaEl control con modelo de referencia intenta lograr que la salida de la planta tienda asintoticamente a la salida del modelo de referencia.

9 El control adaptativo El error de seguimiento se evalua de acuerdo a algun indice de desempeño Los pesos se ajustan on-line

10 El control adaptativo Control adaptativo indirectoControl adaptativo directo

11 Control Adaptativo con modelo de referencia (MRAC)Controller Model Adjustment Mechanism Plant Controller Parameters ymodel u yplant uc

12 Control Adaptativo con modelo de referencia (MRAC)

13 Control por modelo de Interno

14 Control por modelo de InternoEl IMC juega el papel de un controlador feedforward y puede cancelar la influencia de los disturbios no medidos

15 Control por modelo de InternoEl modelo de la planta con NN se entrena off-line. Durante la operacion on-line , el error se se pasa al controldador con NN

16 Control predictivo

17 Control predictivo

18 Control predictivo

19 Fuentes Xiao-Zhi Gao, Soft computing methods for control and instrumentation. Thesis for the degree of Doctor of Science in Technology. Institute of Intelligent Power Electronics Publications, Espoo, May 1999 Publication 2

20 FIN FIN