Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido

Autores
Gomez, Juan Abel; Rossomando, Francisco Guido; Capraro Fuentes, Flavio Andres; Soria, Carlos Miguel
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
En la agricultura que se desarrolla en los valles cordilleranos de Argentina, el uso eficiente del agua destinada para el riego es fundamental para el desarrollo y sustentabilidad de los emprendimientos agrícolas. A fin de abordar este desafío, se propone lograr un modelo híbrido que permita representar con la mayor fidelidad posible la dinámica del contenido de agua en un suelo bajo riego por goteo, incluyendo la extracción de agua por parte de un cultivo. Para esto, se cuenta con la formulación de un modelo matemático del proceso basado en la ecuación general de flujo, la cual ha sido resuelta mediante diferencias finitas. Se incorpora a esta estructura una red neuronal de base radial (RBF) para compensar de manera off-line la salida del modelo en un punto del suelo, identificando el error de salida. Además, este estudio incorpora el diseño de un controlador de riego de tipo adaptable para dinámicas desconocidas. El diseño está basado en superficies deslizantes en combinación PI y redes neuronales, siendo el objetivo de control mantener el contenido de agua en el suelo a determinado valor de referencia establecido.
In the agriculture developed in the mountain valleys of Argentina, the efficient use of water for irrigation is essential for the development and sustainability of agricultural enterprises. In order to address this challenge, it is proposed to develop a hybrid model to represent as faithfully as possible the dynamics of water content in an irrigated soil, including water extraction by a crop. For this purpose, a mathematical model of the process is formulated based on the general flow equation, which has been solved by means of finite differences. A radial-based neural network is incorporated into this structure to compensate off-line the model output at a point on the ground, identifying the output error. In addition, this study incorporates the design of an adaptive irrigation controller for unknown dynamics. The design is based on sliding surfaces in combination with PI and neural networks, with the goal of control objective is to maintain the soil water content at reference values setting.
Fil: Gomez, Juan Abel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina
Fil: Rossomando, Francisco Guido. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina
Fil: Capraro Fuentes, Flavio Andres. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina
Fil: Soria, Carlos Miguel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina
Materia
RIEGO PRECISO
MODELO DE HUMEDAD DEL SUELO
RIEGO POR GOTEO
CONTROL PI NEURONAL
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/232241
Acceder
id CONICETDig_928cad290293ba47980b3bad2a85174c
oai_identifier_str oai:ri.conicet.gov.ar:11336/232241
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbridoReal-time neuro-adaptive PI control of soil moisture using a hybrid modelGomez, Juan AbelRossomando, Francisco GuidoCapraro Fuentes, Flavio AndresSoria, Carlos MiguelRIEGO PRECISOMODELO DE HUMEDAD DEL SUELORIEGO POR GOTEOCONTROL PI NEURONALhttps://purl.org/becyt/ford/2.2https://purl.org/becyt/ford/2En la agricultura que se desarrolla en los valles cordilleranos de Argentina, el uso eficiente del agua destinada para el riego es fundamental para el desarrollo y sustentabilidad de los emprendimientos agrícolas. A fin de abordar este desafío, se propone lograr un modelo híbrido que permita representar con la mayor fidelidad posible la dinámica del contenido de agua en un suelo bajo riego por goteo, incluyendo la extracción de agua por parte de un cultivo. Para esto, se cuenta con la formulación de un modelo matemático del proceso basado en la ecuación general de flujo, la cual ha sido resuelta mediante diferencias finitas. Se incorpora a esta estructura una red neuronal de base radial (RBF) para compensar de manera off-line la salida del modelo en un punto del suelo, identificando el error de salida. Además, este estudio incorpora el diseño de un controlador de riego de tipo adaptable para dinámicas desconocidas. El diseño está basado en superficies deslizantes en combinación PI y redes neuronales, siendo el objetivo de control mantener el contenido de agua en el suelo a determinado valor de referencia establecido.In the agriculture developed in the mountain valleys of Argentina, the efficient use of water for irrigation is essential for the development and sustainability of agricultural enterprises. In order to address this challenge, it is proposed to develop a hybrid model to represent as faithfully as possible the dynamics of water content in an irrigated soil, including water extraction by a crop. For this purpose, a mathematical model of the process is formulated based on the general flow equation, which has been solved by means of finite differences. A radial-based neural network is incorporated into this structure to compensate off-line the model output at a point on the ground, identifying the output error. In addition, this study incorporates the design of an adaptive irrigation controller for unknown dynamics. The design is based on sliding surfaces in combination with PI and neural networks, with the goal of control objective is to maintain the soil water content at reference values setting.Fil: Gomez, Juan Abel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; ArgentinaFil: Rossomando, Francisco Guido. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; ArgentinaFil: Capraro Fuentes, Flavio Andres. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; ArgentinaFil: Soria, Carlos Miguel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; ArgentinaComité Español de Automática2023-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/232241Gomez, Juan Abel; Rossomando, Francisco Guido; Capraro Fuentes, Flavio Andres; Soria, Carlos Miguel; Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido; Comité Español de Automática; Revista Iberoamericana de Automática e Informática Industrial; 20; 1-2023; 93-1031697-7912CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/doi/10.4995/riai.2022.17106info:eu-repo/semantics/altIdentifier/url/https://polipapers.upv.es/index.php/RIAI/article/view/17106info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-10-22T12:15:04Zoai:ri.conicet.gov.ar:11336/232241instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-10-22 12:15:04.659CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido
Real-time neuro-adaptive PI control of soil moisture using a hybrid model
title Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido
spellingShingle Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido
Gomez, Juan Abel
RIEGO PRECISO
MODELO DE HUMEDAD DEL SUELO
RIEGO POR GOTEO
CONTROL PI NEURONAL
title_short Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido
title_full Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido
title_fullStr Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido
title_full_unstemmed Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido
title_sort Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido
dc.creator.none.fl_str_mv Gomez, Juan Abel
Rossomando, Francisco Guido
Capraro Fuentes, Flavio Andres
Soria, Carlos Miguel
author Gomez, Juan Abel
author_facet Gomez, Juan Abel
Rossomando, Francisco Guido
Capraro Fuentes, Flavio Andres
Soria, Carlos Miguel
author_role author
author2 Rossomando, Francisco Guido
Capraro Fuentes, Flavio Andres
Soria, Carlos Miguel
author2_role author
author
author
dc.subject.none.fl_str_mv RIEGO PRECISO
MODELO DE HUMEDAD DEL SUELO
RIEGO POR GOTEO
CONTROL PI NEURONAL
topic RIEGO PRECISO
MODELO DE HUMEDAD DEL SUELO
RIEGO POR GOTEO
CONTROL PI NEURONAL
purl_subject.fl_str_mv https://purl.org/becyt/ford/2.2
https://purl.org/becyt/ford/2
dc.description.none.fl_txt_mv En la agricultura que se desarrolla en los valles cordilleranos de Argentina, el uso eficiente del agua destinada para el riego es fundamental para el desarrollo y sustentabilidad de los emprendimientos agrícolas. A fin de abordar este desafío, se propone lograr un modelo híbrido que permita representar con la mayor fidelidad posible la dinámica del contenido de agua en un suelo bajo riego por goteo, incluyendo la extracción de agua por parte de un cultivo. Para esto, se cuenta con la formulación de un modelo matemático del proceso basado en la ecuación general de flujo, la cual ha sido resuelta mediante diferencias finitas. Se incorpora a esta estructura una red neuronal de base radial (RBF) para compensar de manera off-line la salida del modelo en un punto del suelo, identificando el error de salida. Además, este estudio incorpora el diseño de un controlador de riego de tipo adaptable para dinámicas desconocidas. El diseño está basado en superficies deslizantes en combinación PI y redes neuronales, siendo el objetivo de control mantener el contenido de agua en el suelo a determinado valor de referencia establecido.
In the agriculture developed in the mountain valleys of Argentina, the efficient use of water for irrigation is essential for the development and sustainability of agricultural enterprises. In order to address this challenge, it is proposed to develop a hybrid model to represent as faithfully as possible the dynamics of water content in an irrigated soil, including water extraction by a crop. For this purpose, a mathematical model of the process is formulated based on the general flow equation, which has been solved by means of finite differences. A radial-based neural network is incorporated into this structure to compensate off-line the model output at a point on the ground, identifying the output error. In addition, this study incorporates the design of an adaptive irrigation controller for unknown dynamics. The design is based on sliding surfaces in combination with PI and neural networks, with the goal of control objective is to maintain the soil water content at reference values setting.
Fil: Gomez, Juan Abel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina
Fil: Rossomando, Francisco Guido. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina
Fil: Capraro Fuentes, Flavio Andres. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina
Fil: Soria, Carlos Miguel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina
description En la agricultura que se desarrolla en los valles cordilleranos de Argentina, el uso eficiente del agua destinada para el riego es fundamental para el desarrollo y sustentabilidad de los emprendimientos agrícolas. A fin de abordar este desafío, se propone lograr un modelo híbrido que permita representar con la mayor fidelidad posible la dinámica del contenido de agua en un suelo bajo riego por goteo, incluyendo la extracción de agua por parte de un cultivo. Para esto, se cuenta con la formulación de un modelo matemático del proceso basado en la ecuación general de flujo, la cual ha sido resuelta mediante diferencias finitas. Se incorpora a esta estructura una red neuronal de base radial (RBF) para compensar de manera off-line la salida del modelo en un punto del suelo, identificando el error de salida. Además, este estudio incorpora el diseño de un controlador de riego de tipo adaptable para dinámicas desconocidas. El diseño está basado en superficies deslizantes en combinación PI y redes neuronales, siendo el objetivo de control mantener el contenido de agua en el suelo a determinado valor de referencia establecido.
publishDate 2023
dc.date.none.fl_str_mv 2023-01
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/232241
Gomez, Juan Abel; Rossomando, Francisco Guido; Capraro Fuentes, Flavio Andres; Soria, Carlos Miguel; Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido; Comité Español de Automática; Revista Iberoamericana de Automática e Informática Industrial; 20; 1-2023; 93-103
1697-7912
CONICET Digital
CONICET
url http://hdl.handle.net/11336/232241
identifier_str_mv Gomez, Juan Abel; Rossomando, Francisco Guido; Capraro Fuentes, Flavio Andres; Soria, Carlos Miguel; Control PI neuro-adaptable en tiempo real de la humedad en el suelo usando un modelo híbrido; Comité Español de Automática; Revista Iberoamericana de Automática e Informática Industrial; 20; 1-2023; 93-103
1697-7912
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/doi/10.4995/riai.2022.17106
info:eu-repo/semantics/altIdentifier/url/https://polipapers.upv.es/index.php/RIAI/article/view/17106
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Comité Español de Automática
publisher.none.fl_str_mv Comité Español de Automática
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1846782562632990720
score 12.982451

Publicaciones similares