Usted está aquí: Líneas de investigación Control Avanzado

LÍNEAS DE INVESTIGACIÓN

Control Avanzado

Objetivos

El principal objetivo de esta línea es el diseño e implementación de estrategias de control avanzado basado en modelos de los procesos tanto numéricos como heurísticos, estudiando aspectos relacionados con el modelado, la identificación y la simulación de los mismos. La aplicación de estas técnicas se lleva a cabo en las industrias de procesos y Plantas Depuradoras de Aguas Residuales (EDAR) con el objetivo de optimizar su operación y control.

Específicamente, se está trabajando en los siguientes campos:

  • Identificación para control
  • Control predictivo basado en técnicas de Inteligencia Artificial
  • Control robusto

 

Aportaciones teóricas

Identificación para control

Actualmente se investiga en el uso de técnicas de softcomputing en el contexto de la identificación para el control. Concretamente, se proponen estructuras de modelos de caja negra basados en redes neuronales recurrentes, sistemas borrosos y sistemas neuroborrosos, múltiples modelos, etc. y metodologías para la identificación de sus parámetros. La validación de los modelos obtenidos se lleva a cabo en diferentes contextos como en predicción, control, estimación de estados, optimización de la operación, etc.

Control predictivo basado en técnicas de Inteligencia Artificial

Las formulaciones planteadas aquí se basan en el uso de esquemas de Control Predictivo basado en modelos neuronales y neuroborrosos. Concretamente se ha trabajado en representaciones en variables de estado del sistema, estudiando aspectos relacionados con la estabilidad y el análisis de la respuesta temporal en función de las características del modelo.

En la actualidad se están investigando soluciones de Control Predictivo en lazo cerrado y métodos de sintonía automática basada en la optimización de índices dinámicos y algoritmos robustos basados en normas.

Control robusto

En esta línea, se proponen metodologías basadas en la optimización de normas (L1 y l1 fundamentalmente) y criterios de sensibilidad mixta con restricciones en las variables del proceso, y estructuras de dos grados de libertad a fin de conseguir la separación de propiedades en LA y LC del sistema resultante. Asimismo, se trabaja con metodologías basadas en múltiples modelos para asegurar la estabilidad robusta de los controladores predictivos propuestos.

 

Aplicaciones industriales
y sistemas experimentales

La evaluación de los métodos se lleva a cabo en:

  • Plantas de referencia reales (EDAR de Salamanca, fábrica azucarera de SGAE de Benavente)
  • Plantas piloto (control de pH)
  • Plantas de referencia simulada

 

Desarrollo de software

  • Sistema de supervisión y optimización de fábricas azucareras (SGAE)
    Integración de CPN en el software de supervisión y control de la fábrica azucarera de Benavente (Zamora) de SGAE
  • Desarrollo de una interfaz para la integración del módulo de control Predictivo Neuronal (CPN)
    Sistema industrial de Control Predictivo HITO (Herramienta integrada para la Total Optimización)
    Comercialización en curso por INITEC, CPI y SGAE (PATENTE: 1998/47/13143)
  • Integración de estructuras de dos grados de libertad y compensadores con propiedades de robustez en el programa de control por ordenador REGULA
  • Desarrollo de herramientas para el diseño asistido por ordenador de sistemas de control y su validación en el entorno Matlab/simulink tanto para identificación como para control avanzado

 

Usted está aquí: Líneas de investigación Control Avanzado