Compartir
Titel
Modelado y control Neuroborroso de sistemas complejos. Aplicación a procesos de mecanizado de alto rendimiento
Autor(es)
Director(es)
Schlagwort
Tesis y disertaciones académicas
Universidad de Salamanca (España)
Academic dissertations
Inteligencia artificial
Artificial Intelligence
Fecha de publicación
2010-06-03
Resumen
[EN] This work presents a methodology for the design and implementation of an intelligent control system and an intelligent monitoring system. This methodology is successfully applied to highly complex processes. To that end, it proposes a procedure based on the neurofuzzy modeling of the process in question. The models are obtained through an identification process which uses representative input-output data of the system to be studied. Once models which describe the dynamic process have been obtained, these are used as the basis of the monitoring and control systems.
In the case of design and implementation of neurofuzzy control systems, it proposes a
procedure for obtaining a neurofuzzy model of the process dynamics (direct dynamic) and a neurofuzzy model of its inverse dynamics. These models are used according to the internal model control paradigm to control the complex process. Thus, it designs and implements a neurofuzzy control system based on the internal model control paradigm to control the cutting force in a drilling process (complex electrochemical process) by modifying the feed rate of the tool.
Moreover, in the case of neurofuzzy monitoring of complex systems, it proposes a
procedure to obtain a neurofuzzy model which relates directly measured process parameters through sensors with a range of phenomena difficult to measure on-line. Thus, the monitoring system is implemented on the basis of the obtained neurofuzzy model. The proposed procedure for developing a neurofuzzy monitoring system, it has been applied to monitoring cutting tool wear in a turning process (complex physical-mechanical process). The information obtained from cutting forces sensors, acceleration (vibration) sensors, acoustic emission sensors and using the operating time, it has developed a neurofuzzy model to estimate the flank wear of the cutting tool.
Both in the monitoring system design and in the design and implementation of the control system, it has used different neurofuzzy modeling strategies: an inductive strategy and another transductive strategy. Through the inductive strategy, it has obtained global models representing the entire dynamic process. Instead, through transductive strategies, it has obtained local models to study the particular situation. The strategies used have been ANFIS, TNFIS and TWNFI-i.
The use of neurofuzzy models (transductive and inductive) to control and monitoring
machining processes stems from the nature of these processes, i.e., its complexity. The
nonlinear behavior and the presence of uncertainties (difficult to modeling) both in drilling as in turning processes open the door to the use of these techniques. The advantage of the proponed method is that it eliminates the need for an accurate mathematical model of the complex process to design/adjust the control/monitoring system. The results obtained with neurofuzzy modeling, control and monitoring systems have been very significant results and they are based on real experiments carried out in industrial environments. Moreover, from the technical point of view, significant benefits were obtained such as increasing material removal rate, effective utilization of the cutting tool life, increasing safety for the process (operator, machine and workpiece) and better control of downtimes due to breakage of the cutting tool. [ES] Este trabajo presenta una metodología para el diseño y la implementación de un sistema de control inteligente y de un sistema de monitorización inteligente. Esta metodología se aplica con éxito a procesos de gran complejidad. Para ello, se propone un procedimiento basado en el modelado neuroborroso del proceso en cuestión. Los modelos se obtienen a través de un proceso de identificación en el cual se utilizan datos entrada-salida representativos del sistema a estudiar. Una vez se han obtenido los modelos que describen la dinámica del proceso, éstos se utilizan como base de los propios sistemas de monitorización y control.
Para el caso del diseño e implementación de sistemas de control neuroborroso se propone un procedimiento para obtener un modelo neuroborroso de la dinámica del proceso (dinámica directa) y un modelo neuroborroso de su dinámica inversa. Estos modelos son utilizados según el paradigma del control por modelo interno para efectuar en último término el control del proceso complejo. De este modo, se diseña e implementa un sistema de control neuroborroso basado en el paradigma del control por modelo interno, para el control de la fuerza de corte en un proceso de taladrado (proceso electromecánico complejo) a través de la modificación de la velocidad de avance de la herramienta.
Por otro lado, para el caso de la monitorización neuroborrosa de sistemas complejos, se plantea un procedimiento para obtener un modelo neuroborroso mediante el cuál se relacionan parámetros del proceso medidos directamente a través de sensores con otra serie de fenómenos de difícil medición on-line. De este modo, el sistema de monitorización se implementa sobre la base del modelo neuroborroso obtenido. El procedimiento propuesto para el desarrollo del sistema de monitorización neuroborrosa se ha aplicado a la monitorización del desgaste de la herramienta de corte en un proceso de torneado (proceso físico-mecánico complejo). Mediante la información obtenida a través de los sensores de fuerzas de corte, de aceleración (vibraciones), de emisión acústica y utilizando el propio tiempo de operación se ha desarrollado un modelo neuroborroso para la estimación del desgaste del flanco de la herramienta de corte.
Tanto en el diseño del sistema de monitorización como en el diseño e implementación del sistema de control se han utilizado estrategias de modelado neuroborroso distintas: una estrategia inductiva y otra transductiva. A través de la estrategia inductiva se han obtenido modelos globales que representan toda la dinámica del proceso. Por contra, a través de las estrategias transductivas se han obtenido modelos locales de la situación particular a estudiar. Las estrategias utilizadas han sido ANFIS, TNFIS y TWNFI-i.
El empleo de modelos neuroborrosos (transductivos e inductivos) para el diseño de sistemas de control y monitorización de procesos de mecanizado tiene su origen en la propia naturaleza de estos procesos, es decir, su complejidad. El comportamiento no-lineal y la existencia de ciertas incertidumbres de difícil modelado que se dan tanto en procesos de taladrado como en procesos de torneado abren las puertas a la utilización de estas técnicas. La ventaja del método propuesto es que elimina la necesidad de disponer de un modelo matemático exacto del proceso complejo para el diseño/ajuste del sistema de control y/o monitorización. Los resultados obtenidos con los sistemas de modelado, control y monitorización neuroborrosos han sido muy positivos, y se han sustentado en experimentos reales desarrollados en entornos industriales. Además, desde el punto de vista técnico, se han obtenido importantes ventajas tales como el aumento en la tasa de arranque de material, el aprovechamiento efectivo de la vida útil de la herramienta de corte, un aumento de la seguridad para el proceso (operario, máquina y pieza) y, en general, una disminución de los tiempos de parada debidos a la rotura de la herramienta de corte.
URI
DOI
10.14201/gredos.76447
Aparece en las colecciones