Acceso usuarios
Samuel Bustos, Evelin Banchon, José Ramírez, José Sanchez, Walter Orozco, Ivan Sanchez, Freddy Villao, Raúl Andrés Villao Vera
En este artículo se realiza el control de velocidad de los motores de inducción, utilizando Lógica Difusa como observador de estados y las Redes Neuronales Artificiales como controladores, empleando los modelos matemáticos no lineales de los motores como plantas complejas. El controlador neuronal diseñado se encuentra en el espacio de las redes neuronales artificiales del tipo perceptrón multicapa, con una capa de entrada, una escondida y una de salida. El observador difuso utilizado es de tipo Takagi y Sugeno, se considera el universo discurso en función de la varianza del ruido de la potencia del encoder, la función de pertinencia elegida es triangular con consecuentes del tipo ecuaciones diferenciales lineales, la estrategia de observación filtrada se lleva a cabo con una ley ponderada normada adaptativa. Los resultados obtenidos in silico permiten observar que la información recogida desde un encoder óptico ruidoso, empleando un estimador difuso adaptativo, disminuye la amplitud de la componente de señal ruidosa a la salida del sistema de control neuronal de velocidad.
In this article the intelligent control of the induction motors is realized, using the Fuzzy Logic as state observer and the Artificial Neural Networks as controllers using nonlinear mathematical models of the motors as complex plants.
The neural controller designed is in the space of artificial neural networks of the multi-layer perceptron type, with an input layer, a hidden layer and an output layer, The diffuse observer used is of the Takagi and Sugeno type, the discourse universe is considered as a function of the variance of the noise of the encoder power, the chosen relevance function is triangular with consequent of the linear differential equations type, the filtered observation strategy is carried out with a normalized weighted law adaptive. The results obtained in silico allow to observe that the information collected from a noisy optical encoder using an adaptive fuzzy estimator decreases the amplitude of the noisy signal component at the output of the speed neuronal control system.
