6 3Reconocimiento de Texturas Binarias Ruidosas Usando la Transformada de Cúmulos CoordinadosUn Nuevo Algoritmo para el Cálculo de Flujo Óptico y su Aplicación al Registro de Imágenes 
Home Page  

  • SciELO

  • SciELO


Computación y Sistemas

 ISSN 2007-9737 ISSN 1405-5546

RUZ HERNANDEZ, José Antonio; SUAREZ CERDA, Dionisio A.; SHELOMOV, Evgen    VILLAVICENCIO RAMIREZ, Alejandro. Control Predictivo Basado en un Modelo Neurodifuso Auto-Regresivo Aplicado al Proceso de Arranque del Degenerador de Vapor de una Unidad Termoeléctrica. Comp. y Sist. []. 2003, 6, 3, pp.204-212. ISSN 2007-9737.

En este trabajo se presenta una aplicación de técnicas de inteligencia artificial al mejoramiento de la operación de una unidad termoeléctrica. El desarrollo llevado a cabo aprovecha la capacidad de aprendizaje a partir de experiencias, que ofrecen los sistemas basados en inteligencia artificial. Usando datos experimentales, se obtiene un modelo neurodifuso del comportamiento del arranque de un generador de vapor. Posteriormente, este modelo se combina con un algoritmo de control predictivo para construir una estrategia de control para la etapa de calentamiento del generador de vapor, la cual permite ofrecer a los operadores de la unidad termoeléctrica la información requerida para llevar a cabo de manera eficiente el calentamiento. La información generada por la estrategia de control no se aplica directamente en un esquema de control automático, sino que se ofrece al operador y éste decide en última instancia su aplicación. Por la manera como es empleada la información generada, la estrategia toma en cuenta las limitaciones y las costumbres de los operadores. Las pruebas en simulación llevadas a cabo muestran la factibilidad de la estrategia y el buen desempeño que se obtiene a través de la aplicación de cualquiera de las tres variantes de control predictivo ofrecidas.

: Control predictivo; optimización; ANFIS; modelo auto-regresivo; generador de vapor; central termoeléctrica.

        ·     ·     · ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License