Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.itm.edu.co/jspui/handle/itm/200
Tipo documento: masterThesis
info:eu-repo/semantics/masterThesis
info:eu-repo/semantics/publishedVersion
Título : Identificacion y control de sistemas estocasticos con observaciones incompletas mediante modelos neurodifusos
Autor : Davila Gomez, Amalia
metadata.dc.contributor.advisor: Delgado Trejos, Edilson
Ortiz Valencia, Paula Andrea
Pena Palacio, Alejandro
Autor : Delgado Trejos, Edilson
Ortiz Valencia, Paula Andrea
Pena Palacio, Alejandro
Davila Gomez, Amalia
Resumen : En la práctica, los sistemas físicos obedecen a una dinámica multivariada e interactuante, que fácilmente es influenciada, perturbada o integrada por incertidumbres de diversas clases, las cuales inducen naturaleza estocástica al proceso global y algunas veces llegan a afectar la completitud de los datos. En esta tesis se presenta una metodología para la identificación y control de sistemas estocásticos con observaciones incompletas mediante modelos neuro-difusos. En particular, se desarrolla el análisis de la dinámica de un vehículo operado remotamente (ROV, Remotely Operated Vehicle) para aplicaciones submarinas, con el fin de determinar el modelo matemático y obtener simulaciones de la respuesta natural del sistema. Adicionalmente, se emplea un mecanismo de identificación del proceso mediante un modelo neuronal y otro neuro-difuso, los cuales se integran con un esquema de reducción de perturbaciones estocásticas para sobreponer las observaciones incompletas que residan en el proceso operativo. Finalmente, se propone un modelo neuro-difuso (ANFIS, Adaptive neuro fuzzy inference system) para controlar el sistema y se compara con el desempeño de una red neuronal con múltiples elementos Adaline (MADALINE, Multiple Adaline) con el fin de analizar las ventajas que ofrece la inclusión de conocimiento mediante reglas de inferencia difusa. Los resultados experimentales mostraron que se logró la controlabilidad del sistema llevándolo a un estado globalmente atractivo en el sentido de Lyapunov. Se pudo concluir que gracias a la capacidad de adaptación y contenencia de conocimiento lingüístico de los modelos neuro-difusos, el desempeño de control tuvo mayor rendimiento en términos de precisión y robustez, al compararlo con el modelo neuronal en aplicaciones operativas del ROV. Se destaca además la facilidad que tienen los modelos neuro-difusos para ser ampliamente potenciados mediante la integración de otros esquemas de procesamiento, dados los asuntos que quedaron pendientes en relación al error de estado estable y las perturbaciones ocasionadas por la interacción de los componentes.
Palabras clave : Procesos estocasticos
Teoria de sistemas
Sistemas de inferencia neurodifusos
Redes neuronales
metadata.dc.format.extent: 103 p
URI : https://repositorio.itm.edu.co/jspui/handle/itm/200
Aparece en las colecciones: Maestría en Automatización y Control Industrial (tesis)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
DavilaGomezAmalia2012.pdfTesis2,53 MBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.