/35 Control Inteligente Construccion de modelos fuzzy aplicando algoritmos geneticos Fuente: Mariela Muñoz Añasco, “Diseño de un sistema de control basado en patrones de células madres y clonación artificial aplicado a un proceso de automatización”. Trabajo desarrollado para optar al titulo de Maestria, 2010
/35 Contenido 2 El problema La construccion del modelo fuzzy
/35 EL PROBLEMA 3
/35 Identificación del proceso. 4 El ensamble de ejes homocinéticos
/35 Modelo de la planta 5
/35 Relaciones no lineales en la planta 6 Variables de la operación ETAPASFUERZAVELOCIDAD VELOCIDAD ANGULAR Ubicación.BajaAltaCero Rotación de Junta Fija. Baja Diferente de cero Ensamble.AltoBajaCero.
/35 Resultados obtenidos 7 Respuesta del Sistema Difuso
/35 LA CONSTRUCCION DEL MODELO FUZZY 8
/35 Fase I 9 Agrupamiento Estimación del número de clústeres y sus centros. Definición de las funciones de pertenencia. Definición de los parámetros de las funciones de pertenencia. Sistema fuzzy inicial
/35 Fase II 10 Estructura del cromosoma. A 11 A 21 … A e1 B 11 … B s1 Antecedentes Consecuentes Un cromosoma representa un sistema fuzzy completo. La población se somete a evolucion Obtención del Genoma.
/35 Fase II 11 Codificación del cromosoma. Para las funciones de membresía gauss2mf, la función tiene cuatro parámetros [σ1 c1 σ2 c2] Desplazamiento Velocidad Angular ANTECEDENTE CONSECUENTE
/35 Fase II 12 Evolución del Genoma Función Fitness: una medida del error Se genera una nueva poblacion de sistemas difusos Se calcula el error frente a los datos de la planta Se ordena los sistemas según el error para comparar con el mejor anterior Se averigua si hay ahora un nuevo mejor. Se guarda el mejor
/35 Fase II 13 Evolución del Genoma Genoma Evolucionado
/35 14 Diseño de un sistema de control basado en patrones de células madres y clonación artificial aplicado a un proceso de automatización Fuente Trabajo desarrollado por Mariela Muñoz Añasco (Mg.). Para optar al titulo de Maestria, Septiembre 2010