Control no lineal tolerante a fallos basados en técnicas de optimización y aprendizaje automático

  1. SALUDES RODIL, SERGIO
Dirigida por:
  1. María Jesús de la Fuente Aparicio Director/a

Universidad de defensa: Universidad de Valladolid

Fecha de defensa: 04 de junio de 2007

Tribunal:
  1. José Ramón Perán González Presidente/a
  2. Fernando Tadeo Secretario/a
  3. Juan Luis Castro Peña Vocal
  4. Pastora Isabel Vega Cruz Vocal
  5. Joaquim Armengol Llobet Vocal

Tipo: Tesis

Teseo: 208044 DIALNET

Resumen

Este trabajo se desarrolla en el ámbito del control no lineal tolerante a fallos. A lo largo de él se han desarrollado versiones no lineales de dos arquitecturas de control: El control por modelo interno (IMC) y el control predictivo basado en modelo (CPBM). Los controladores citados se caracterizan por incorporar un modelo de la planta y, en el caso del IMC, un modelo de la dinámica de la inversa de la planta. Para conseguir las versiones no lineales de los controladores referidos, los modelos que éstos utilizan se han realizado mediante modelos no lineales. Estos modelos no lineales se han obtenido utilizando sistema neurodifusos adaptativos (ANFIS), redes neuronales y SVM (Support Vector Machines). Aunque el desarrollo de sistemas de detección de fallos no es el objetivo principal de esta tesis, se presenta un método para la detección de fallos entendidos éstos como novedades. El método de detección de novedades utilizado se basa en SVM. Los métodos de tolerancia a fallos desarrollados en este trabajo se basan en técnicas de optimización y de aprendizaje automático. En el caso del IMC la tolerancia se consigue modificando el modelo de la dinámica inversa de la planta, de manera que el modelo obtenido después de la acomodación sea un modelo fiel de la inversa de la planta con fallo. También se consigue la acomodación del fallo mediante la compensación de la señal de control calculada por el controlador. En el caso del control predictivo, la tolerancia a los fallos en la planta se consigue modificando el modelo de la planta. El modelo, realizado mediante una SMV, es reentrenado en línea de manera que el controlador cuente en todo momento con un modelo fiel de la planta, aunque ésta se encuentre en una situación de fallo previamente desconocida. En el caso de los fallos en los sensores, éstos se acomodan substituyendo la señal del sensor con fallo por la salida de un modelo. Si los fallos son en los actuadores, se reconfigura el controlador para que no utilice la variable manipulada afectada por el fallo.