Buscar en Google Scholar
Registro completo de metadatos
Alvarado Tabacchi, Irene (es)
Ipanaqué Alama, William (es)
Cueva Chuquihuanca, Luis Ángel (es)
Trauco Trelles, Miguel Abraham (es)
Urbina Calderón, Anthony Aldair (es)
Vásquez Siancas, Williams Manuel (es)
Universidad de Piura. Facultad de Ingeniería. Departamento de Ingeniería Mecánica Eléctrica. (es)
Perú (es)
2021-10-18T22:21:35Z
2021-10-18T22:21:35Z
2021-10-18 (es)
2021-02 (es)
Cueva, L., Trauco, M., Urbina, A. y Vásquez, W. (2021). Control predictivo basado en Data Driven para una planta de neutralización de pH (Trabajo de investigación de bachiller en Ingeniería Mecánico-Eléctrica). Universidad de Piura. Facultad de Ingeniería. Programa Académico de Ingeniería Mecánico-Eléctrica. Piura, Perú. (es)
https://hdl.handle.net/11042/5205
El presente trabajo tiene por objetivo diseñar un Model Predictive Control (MPC), usando técnicas Data-driven aplicando la identificación de una planta de neutralización de pH basados en la estructura de un modelo Wiener con el fin de poder controlar la concentración de pH. El modelo Wiener consiste en desacoplar al proceso en un bloque lineal seguido de uno no lineal, ambos bloques se identificaron mediante técnicas de espacio de estados y Extreme Learning Machine (ELM) respectivamente, con la ayuda del software MatLab, consiguiendo FITs de 76.33% y 94.82%, luego se invierte el bloque no lineal para poder obtener al modelo linealizado. El FIT para el bloque no lineal inverso fue de 95.18%. Al implementar el MPC se obtiene un seguimiento óptimo de la variable de salida tanto para grandes variaciones de pH como para disturbios del caudal ácido usado, además, debe resaltarse que el MPC hace una optimización de la variable manipulable, optimizando de ese modo la energía de la que se dispone, a diferencia de un control PID, con el cual se hace la comparación. Se concluye que el sistema de control no tiene una dependencia directa del modelo Wiener identificado, debido a que los pesos obtenidos para el bloque no lineal son totalmente independientes del modelo no lineal inverso, por ello, la atención debe estar centrada en identificar correctamente este último. (es)
2,20 MB (es)
application/pdf (es)
Español (es)
spa (es)
Universidad de Piura (es)
Adobe Reader (es)
info:eu-repo/semantics/openAccess (es)
http://creativecommons.org/licenses/by-nc-nd/4.0/ (es)
Universidad de Piura (es)
Repositorio Institucional Pirhua - UDEP (es)
Control predictivo -- Aplicación (es)
Modelos matemáticos -- Investigaciones (es)
Ingeniería de control -- Investigaciones (es)
629.8 (es)
Control predictivo basado en Data Driven para una planta de neutralización de pH (es)
info:eu-repo/semantics/bachelorThesis (es)
Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional (es)
Luis Ángel Cueva Chuquihuanca, Miguel Abraham Trauco Trelles, Anthony Aldair Urbina Calderón, Williams Manuel Vásquez Siancas (es)
Universidad de Piura. Facultad de Ingeniería (es)
Ingeniería Mecánico-Eléctrica (es)
Bachiller en Ingeniería Mecánico-Eléctrica (es)
PE (es)
https://purl.org/pe-repo/ocde/ford#2.02.03 (es)
https://purl.org/pe-repo/renati/level#bachiller (es)
02622310
https://orcid.org/0000-0001-6033-2785 (es)
72703752
74140190
75804269
72792305
713076 (es)
https://purl.org/pe-repo/renati/type#trabajoDeInvestigacion (es)
Privada asociativa



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons