Controlador neuro fuzzy para el sistema de bola y barra

Autores
Penco, José Jorge
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
Se diseña un controlador neuro-difuso capaz de reproducir el comportamiento de un PID para estabilizar el mecanismo no lineal de bola y barra utilizado como planta didáctica en el estudio de sistemas de control. Empleando el método de generación y entrenamiento de un sistema de inferencia difuso adaptivo (ANFIS), mediante las herramientas computacionales de Matlab®, se utilizan muestras de las señales de entrada y salida obtenidas por simulación del funcionamiento de un PID convencional. Finalmente se proponen y validan diferentes estructuras de redes neuronales analizando los índices de error y la complejidad de las topologías para determinar el modelo más apropiado.
Fil: Penco, José Jorge. Universidad Tecnológica Nacional. Facultad Regional Concordia ; Argentina.
Peer Reviewed
Materia
Controlador neuro-difuso
Red adaptiva
Modelo anfis
Red neuronal
Sistema de bola y barra
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/1392
Acceder
id RIAUTN_c95286908e7a62a64866d81b99c796a6
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/1392
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Controlador neuro fuzzy para el sistema de bola y barraPenco, José JorgeControlador neuro-difusoRed adaptivaModelo anfisRed neuronalSistema de bola y barraSe diseña un controlador neuro-difuso capaz de reproducir el comportamiento de un PID para estabilizar el mecanismo no lineal de bola y barra utilizado como planta didáctica en el estudio de sistemas de control. Empleando el método de generación y entrenamiento de un sistema de inferencia difuso adaptivo (ANFIS), mediante las herramientas computacionales de Matlab®, se utilizan muestras de las señales de entrada y salida obtenidas por simulación del funcionamiento de un PID convencional. Finalmente se proponen y validan diferentes estructuras de redes neuronales analizando los índices de error y la complejidad de las topologías para determinar el modelo más apropiado.Fil: Penco, José Jorge. Universidad Tecnológica Nacional. Facultad Regional Concordia ; Argentina.Peer Reviewed2017-02-21T20:47:03Z2017-02-21T20:47:03Z2016-11info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdf25º Congreso Argentino de Control Automático (AADECA´16)978-950-99994-9-7http://hdl.handle.net/20.500.12272/1392spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/ar/Penco, Jose JorgeA.A.Atribución-NoComercial-SinDerivadas 2.5 Argentinareponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2025-10-16T10:10:47Zoai:ria.utn.edu.ar:20.500.12272/1392instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-10-16 10:10:47.67Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Controlador neuro fuzzy para el sistema de bola y barra
title Controlador neuro fuzzy para el sistema de bola y barra
spellingShingle Controlador neuro fuzzy para el sistema de bola y barra
Penco, José Jorge
Controlador neuro-difuso
Red adaptiva
Modelo anfis
Red neuronal
Sistema de bola y barra
title_short Controlador neuro fuzzy para el sistema de bola y barra
title_full Controlador neuro fuzzy para el sistema de bola y barra
title_fullStr Controlador neuro fuzzy para el sistema de bola y barra
title_full_unstemmed Controlador neuro fuzzy para el sistema de bola y barra
title_sort Controlador neuro fuzzy para el sistema de bola y barra
dc.creator.none.fl_str_mv Penco, José Jorge
author Penco, José Jorge
author_facet Penco, José Jorge
author_role author
dc.subject.none.fl_str_mv Controlador neuro-difuso
Red adaptiva
Modelo anfis
Red neuronal
Sistema de bola y barra
topic Controlador neuro-difuso
Red adaptiva
Modelo anfis
Red neuronal
Sistema de bola y barra
dc.description.none.fl_txt_mv Se diseña un controlador neuro-difuso capaz de reproducir el comportamiento de un PID para estabilizar el mecanismo no lineal de bola y barra utilizado como planta didáctica en el estudio de sistemas de control. Empleando el método de generación y entrenamiento de un sistema de inferencia difuso adaptivo (ANFIS), mediante las herramientas computacionales de Matlab®, se utilizan muestras de las señales de entrada y salida obtenidas por simulación del funcionamiento de un PID convencional. Finalmente se proponen y validan diferentes estructuras de redes neuronales analizando los índices de error y la complejidad de las topologías para determinar el modelo más apropiado.
Fil: Penco, José Jorge. Universidad Tecnológica Nacional. Facultad Regional Concordia ; Argentina.
Peer Reviewed
description Se diseña un controlador neuro-difuso capaz de reproducir el comportamiento de un PID para estabilizar el mecanismo no lineal de bola y barra utilizado como planta didáctica en el estudio de sistemas de control. Empleando el método de generación y entrenamiento de un sistema de inferencia difuso adaptivo (ANFIS), mediante las herramientas computacionales de Matlab®, se utilizan muestras de las señales de entrada y salida obtenidas por simulación del funcionamiento de un PID convencional. Finalmente se proponen y validan diferentes estructuras de redes neuronales analizando los índices de error y la complejidad de las topologías para determinar el modelo más apropiado.
publishDate 2016
dc.date.none.fl_str_mv 2016-11
2017-02-21T20:47:03Z
2017-02-21T20:47:03Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str acceptedVersion
dc.identifier.none.fl_str_mv 25º Congreso Argentino de Control Automático (AADECA´16)
978-950-99994-9-7
http://hdl.handle.net/20.500.12272/1392
identifier_str_mv 25º Congreso Argentino de Control Automático (AADECA´16)
978-950-99994-9-7
url http://hdl.handle.net/20.500.12272/1392
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Penco, Jose Jorge
A.A.
Atribución-NoComercial-SinDerivadas 2.5 Argentina
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Penco, Jose Jorge
A.A.
Atribución-NoComercial-SinDerivadas 2.5 Argentina
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1846146084503552000
score 12.712165

Publicaciones similares