Redes neuronales aplicadas al control de procesos

Resumen

El propósito de esta tesis es investigar la aplicación de las redes neuronales a los sistemas dinámicos de control. Esta tecnología computacional permite ofrecer una alternativa para el complejo modelado y control de los sistemas dinámicos. Ya se sabe, que estos sistemas son difíciles de abordar con las técnicas clásicas existentes. Debido a que las redes neuronales son inherentemente no lineales y a su topologia, les permite abordar problemas referentes a sistemas con características dinámicas lineales y no lineales. En términos prácticos, las redes neuronales permiten hallar una buena solución al problema de modelado y control en general de los sistemas dinámicos. Un aporte de esta tesis es la propuesta de un modelo de red basado en una nueva neurona con función de activación cuadrática para sus entradas. Lo que permite crear funciones de discriminación mas complejas que las implementadas con las neuronas básicas, dándole a la red una mayor habilidad para encontrar de manera mas exacta, las funciones que describen el funcionamiento de un sistema dinámico. Para el aprendizaje de esta nueva red, se desarrolla matemáticamente una extensión del popular algoritmo de retropropagacion del error (backpropagation) para adaptarlo a las neuronas cuadráticas. El algoritmo se ha validado mediante simulaciones de problemas de identificación y control de procesos, con diferentes características dinámicas. Se aportan nuevas soluciones referentes a la utilizacion de las redes neuronales en aplicaciones de control para plantas con grandes retardos, que denominamos control por síntesis directa. Las redes neuronales son un tópico nuevo en aplicaciones de control no lineal, por lo cual, se pretende exponer una metodología para el diseño de sistemas de control. Esto facilitara a los futuros diseñadores una herramienta orientativa que le permita el diseño de sistemas de control utilizando las redes neuronales. Finalmente, se prese