Ingeniería de Control y Automatización
Permanent URI for this collectionhttp://98.81.228.127/handle/20.500.12404/767
Browse
1 results
Search Results
Item Modelado y control basado en redes neuronales artificiales de una planta piloto de desalinización de agua de mar por ósmosis inversa(Pontificia Universidad Católica del Perú, 2016-04-20) Carrasco Banda, Neil Neizer; Rivas Pérez, RaúlEn este trabajo de tesis se parte de la hipótesis de que: es posible aumentar la eficiencia de las plantas desalinizadoras de agua de mar utilizando sistemas de control inteligente, conformados por controladores multivariables fundamentados en redes neuronales artificiales y modelos matemáticos multivariables basados en las leyes de conservación de la materia y energía. Se empieza describiendo las tecnologías empleadas a nivel industrial para la desalinización de agua, y se continúa con una revisión del estado del arte del modelado y control de las plantas desalinizadoras que se basan en ósmosis inversa. Luego, teniendo en cuenta la polarización de la concentración y utilizando el modelo de solución-difusión para cuantificar el transporte de las sales y del solvente a través de la membrana, se plantean las ecuaciones de balance de materia y energía en la unidad de ósmosis inversa de una planta desalinizadora de agua de mar, obteniéndose un modelo matemático no lineal multivariable. Al validar el modelo con datos experimentales se verifica un buen grado de ajuste. Más adelante, se linealiza el modelo obtenido (alrededor de sus condiciones normales de operación) para conseguir una representación en el espacio de estados, que es utilizada en el diseño de un neurocontrolador dinámico. Se valida el desempeño del controlador diseñado frente a cambios en la referencia, presencia de ruido y rechazo a perturbaciones, encontrándose en todos los casos un desempeño satisfactorio. Posteriormente se realiza un estudio comparativo del desempeño del controlador neuronal diseñado frente a controladores PID, verificándose con bastante claridad la superioridad del controlador neuronal, especialmente en las situaciones en las que cambian significativamente las dos variables controladas a la vez. Se concluye la memoria de tesis haciendo una propuesta de implementación práctica del sistema de control diseñado, que sugiere el uso de una aplicación cliente/servidor OPC con el controlador neuronal implementado en Simulink (en una PC) y la comunicación con la planta a través de un PLC.