Conclusiones: Los resultados obtenidos hasta ahora mediante simulación, demuestran que con esta técnica se mejora la eficiencia y se disminuye el consumo.

Presentación del tema: "Conclusiones: Los resultados obtenidos hasta ahora mediante simulación, demuestran que con esta técnica se mejora la eficiencia y se disminuye el consumo."— Transcripción de la presentación:

1 Conclusiones: Los resultados obtenidos hasta ahora mediante simulación, demuestran que con esta técnica se mejora la eficiencia y se disminuye el consumo de combustible en un vehículo híbrido que combina un motor eléctrico con un motor de combustión. Con solo eliminar el motor de combustión se ganan ventajas, si además la estrategia de control se hace en base a un sistema de inferencia borrosa se mejora la eficiencia, el rendimiento y el tiempo medio de vida de los elementos almacenadores de energía. Control Borroso de un Vehículo Híbrido con Pila de Combustible Francisca Segura Manzano francisca.segura@diesia.uhu.es José Manuel Andújar Márquez andujar@diesia.uhu.es Los algoritmos de optimización basados en la lógica borrosa se vienen aplicando a diversos campos de la investigación. En el sector de la automoción, y más concretamente en el ámbito de los vehículos de emisión cero, la importancia de la estrategia de control de la distribución de potencia radica en que de ella dependen aspectos como el funcionamiento óptimo de cada fuente de energía, el consumo de combustible o la eficiencia en el proceso de recarga de los elementos almacenadores de energía. Modelización y Control Un sistema de inferencia borrosa no solo puede tomar información lingüística del conocimiento experto de un humano, sino que también puede adaptarse usando datos numéricos (pares de entrada/salida) para alcanzar un mejor funcionamiento. Esto proporciona al sistema de inferencia borrosa una ventaja sobre las redes neuronales, ya que éstas no pueden tomar directamente información lingüística. Con el desarrollo de la lógica borrosa, han ido apareciendo nuevos tipos de modelos. El objetivo de crear nuevos modelos es mejorar su precisión, dimensionalidad y simplificar la estructura. La necesidad de crear nuevos modelos se debe también a la gran variedad de sistemas reales, los diferentes grados de información que se tiene de estos sistemas y la variedad de formas en que se presenta dicha información. La principal ventaja de los modelos borrosos respecto a los modelos matemáticos convencionales es la posibilidad de ser elaborados a partir de una cantidad de información menor sobre el sistema. Esta información puede ser inexacta, es decir de carácter borroso o difuso. Los modelos Takagi-Sugeno (TS), también llamados Takagi-Sugeno- Kang (TSK), difieren de los modelos tipo Mandani en la forma de sus reglas. En el caso de un modelo Mandani las reglas tienen la forma: IF (x is A) THEN (y is B) (donde A, B son conjuntos borrosos de tipo “pequeño”, “cerca”, “poco”... ). Control Borroso de un Vehículo Híbrido con Pila de Combustible Conectados todos los componentes eléctricos y mecánicos, es necesario establecer un sistema de control que supervise en cada instante el estado de los componentes y asegure el suministro de potencia al motor. Realizar la necesaria estrategia de control no es tarea fácil. Los motivos son la complejidad y la no linealidad de la planta. El grado de complejidad se debe a la diversidad de componentes (electroquímicos, eléctricos y mecánicos) y al elevado número de variables de entrada/salida (temperatura, presión, tensión, intensidad, potencia, par, velocidad, etc.) Todo esto justifica la aplicación de la lógica borrosa en el diseño de un controlador borroso que asegure el reparto energético mientras que todos los componentes trabajan en el punto de máxima eficiencia. En la figura 1 se muestra un esquema de la conexión al controlador de los componentes que intervienen en la generación, distribución, consumo y almacenamiento de energía. La figura 2 recoge la disposición física de los componentes. Figura 1 Sin embargo, en el caso de un modelo TS las reglas tienen la forma: IF (x is A) THEN (y =f(x)) Nótese que la conclusión es una función f(x), no un conjunto borroso. Esta función puede ser no lineal. Nuestro grupo ha desarrollado una técnica de modelización que permite, a partir de datos de entrada/salida de un sistema, obtener su modelo neuroborroso, el cual, además, queda implementado en forma de ecuación de estado. Esto permite abordar de forma directa, estrategias de control sobre el sistema. El control borroso es una de las áreas más importantes de aplicación de la lógica borrosa. Algunas propuestas para la síntesis de controladores borrosos son las siguientes: 1) a partir del conocimiento de un experto, 2) modelando la acción de un experto con un controlador (en base a controlar señales generadas por un experto). 3) de acuerdo a un modelo de una planta sujeta a un control. Los métodos 1 y 2 no usan modelos de plantas porque se han basado en el conocimiento de la experiencia de un experto. Son muchos los campos donde los modelos matemáticos de plantas controladas pueden ser reemplazados por la experiencia de un experto (vehículos, aeroplanos, procesos industriales,etc.) Nuestro grupo trabaja en el control borroso de un vehículo híbrido alimentado por una pila de combustible además de otros elementos auxiliares como son una batería y un supercondensador. Con estas tres fuentes de energía se consigue proporcionar al motor el nivel de potencia exigido independientemente del perfil de conducción. Figura 2 Manuel Jesús Vasallo Vázquez manuel.vasallo@diesia.uhu.es Grupo de Investigación Control y Robótica TEP-192 E.P.S. La Rábida Dpto. Ingeniería Electrónica, Sistemas Informáticos y Automática