Modelado por redes neuronales de sistemas industriales no lineales

Abstract

Los métodos para el modelamiento de sistemas no lineales han tenido un cambio en los últimos años, el crecimiento exponencial de las inteligencias artificiales ha sentado un precedente en la industria que pretende generar de manera más rápida y económicamente costeable la dinámica de un sistema, haciendo así, que el uso de las redes neuronales artificiales sean una herramienta clave para dicho propósito. Actualmente se ha demostrado que las redes neuronales artificiales autorregresivas no lineales con entradas exógenas (RNA NARX) son eficaces para generar modelos que predicen valores futuros en una secuencia de datos. Algunos ejemplos de sus usos son la eliminación de ruido o generación de texto. Por esta razón, el presente proyecto pretende a través del uso de RNA NARX generar un modelo que prediga la dinámica de una planta de nivel de la compañía FESTO recolectando datos de comportamientos generados por la misma, dichos datos comprenden variables de nivel, presión, velocidad del motor y grados de apertura de la válvula. Se utilizaron las variables de presión , velocidad y grados de apertura como entradas para la red neuronal, concluyendo que ninguna de estas variables es irrelevante. Además, se hizo uso de 8 auto regresores de la variable nivel y presión como entrada y como salida el nivel. Después del entrenamiento, se validó el modelo con la planta y finalmente se obtuvo un error medio de 0.00098.