Control Neuronal Combinado para Generar Espectros de Oleajes

Se presenta un método novedoso para controlar la obtención de espectros de energía de oleajes, de gran utilidad en los laboratorios de investigación y desarrollo de Hidráulica Marítima. El elemento final de control o manipulador es un motor eléctrico lineal conectado a un servo-control el cual es su...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Revista iberoamericana de automática e informática industrial 2013-10, Vol.10 (4), p.413-422
Hauptverfasser: Fernández, Luis P. Sánchez, Hernández, José J. Carbajal, Pérez, Luis A. Sánchez, Charles, Roberto Herrera
Format: Artikel
Sprache:spa
Schlagworte:
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:Se presenta un método novedoso para controlar la obtención de espectros de energía de oleajes, de gran utilidad en los laboratorios de investigación y desarrollo de Hidráulica Marítima. El elemento final de control o manipulador es un motor eléctrico lineal conectado a un servo-control el cual es supervisado mediante una computadora. El algoritmo de control automático se realiza con un esquema neuronal combinado, compuesto por una red neuronal artificial “feed-forward” y un controlador proporcional integral. El sistema computacional implementado incluye características de autoaprendizaje, materializado en el re-entrenamiento en línea de la red neuronal lo cual hace posible adaptarse a cambios en los parámetros del “proceso controlado” y a perturbaciones, altamente influyentes en el espectro de energía que impacta una obra hidráulica objeto de estudio. A novel method is presented to control the generation of wave energy spectrum, useful in research and development laboratories of Maritime Hydraulic. The final control element is a linear electric motor connected to a servo-control which is monitored by a computer. The automatic control algorithm is performed with a combined neural scheme. It consists of an artificial neural network “feed-forward” and a proportional integral controller. The computer system includes self-learning based on an online training of the neural network. It makes possible to adapt to changes in the parameters of the “controlled process” and disturbances that impact the studied hydraulic work.
ISSN:1697-7912
1697-7920
DOI:10.1016/j.riai.2013.05.013