2026-09-14T21:26:28Zhttps://gredos.usal.es/oai/requestoai:gredos.usal.es:10366/685262025-04-30T21:54:28Zcom_10366_4827com_10366_4843col_10366_4828
Gestión del Repositorio Documental de la Universidad de Salamanca
advisor
Vega Cruz, Pastora Isabel
advisor
Haber Guerra, Rodolfo E.
author
Gajate Martín, Agustín
2009-12-09T09:41:35Z
2009-12-09T09:41:35Z
2009
http://hdl.handle.net/10366/68526
[ES]Este trabajo presenta una metodología para el diseño y la implementación de un sistema neuroborroso para el modelado y control de
procesos basado en el paradigma del control por modelo interno. En este caso, se presenta la aplicación al control de la fuerza de corte en un proceso electromecánico complejo: el taladrado de alto rendimiento.
Primeramente, el sistema neuroborroso se entrena para aprender la dinámica directa del proceso de taladrado de alto rendimiento a través de datos entrada/salida, creando un modelo directo del proceso. Del mismo modo,
otro sistema neuroborroso se entrena para modelar la dinámica inversa del
propio proceso. Posteriormente, una vez se han generado los modelos directo e inverso, se introducen en un esquema de control por modelo interno para controlar la fuerza de corte de un proceso de taladrado de
alto rendimiento a través de la modificación de la velocidad de avance de la herramienta. El sistema neuroborroso considerado en este estudio es el conocido como Adaptive Network based Fuzzy Inference System (ANFIS), en el
que las reglas borrosas se obtienen a partir de datos del propio proceso.
Se ha optado por el empleo de técnicas neuroborrosas para el modelado y control de este proceso de mecanizado debido a la complejidad del mismo, a su comportamiento no-lineal y a la existencia de ciertas incertidumbres de difícil modelado. Además, se elimina la necesidad de disponer de un modelo matemático exacto para diseñar/ajustar el sistema de control. Los resultados obtenidos son positivos tanto en la simulación como en la aplicación al control de la fuerza de corte. Desde el punto de vista técnico, se aumenta la tasa de arranque de material y al mismo tiempo se
garantiza un aprovechamiento efectivo de la vida útil de la herramienta de corte. Debido a restricciones del propio proceso, el control del mismo se ha llevado a cabo a través de redes de comunicación industriales (Profibus y Ethernet).El buen comportamiento del sistema de control neuroborroso en red basado en control por modelo interno se ha verificado por medio de varias cifras de mérito o índices de comportamiento.
spa
Attribution-NonCommercial-NoDerivs 3.0 Unported
Inteligencia artificial
Sistemas neuroborrosos
Control de procesos
Modelado
Procesos de mecanizado
Taladro
Modelado y control neuroborroso de procesos de taladrado de alto rendimiento
info:eu-repo/semantics/masterThesis
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
URL
https://gredos.usal.es/bitstream/10366/68526/1/TM_Modelado_Control_Neuroborroso_procesos_TAR.pdf
File
MD5
c2f2ecd862a27c26c2160fcc52603328
2038234
application/pdf
TM_Modelado_Control_Neuroborroso_procesos_TAR.pdf