Identificación de un sistema de separación bifásica en una estación de recolección de crudo a través de técnicas de inteligencia artificial

Oscar Eduardo Gualdrón
Ludwing Darío García Mateus
Kelvin De Jesús Beleño Sáenz


DOI: http://dx.doi.org/10.15665/rp.v12i2.285

Resumen


En este artículo se presenta el modelamiento de un sistema de separación bifásica que hace parte de una etapa de
recibo inicial en una estación de recolección de crudo, a través de técnicas de identificación basadas en inteligencia
artificial. Adicional a la identificación del sistema realizada por dos técnicas diferentes, el modelo obtenido
se emplea para realizar la sintonización del lazo de control formado por este y por un controlador de tipo Fuzzy
basado en conocimiento experto.


Palabras clave


Técnicas de Identificación; Fuzzy; Separador de dos fases; Modelado.

Texto completo:

PDF

Referencias


A. P. Lorandi, “Controladores PID y Controladores Difusos”,

Revista de ingeniería industrial, 5(1), 2011.

H. R. Chamorro, “Diseño y Simulación de un Controlador

PD difuso para el control de velocidad de un motor de

inducción”, Ingeniería & Desarrollo, Ediciones Uninorte,

A. S. Guerrero, Identificación de un modelo dinámico

del generador de vapor de la caldera para la planta Termo-

Tasajero COLGENER, Universidad de Pamplona, Facultad

de Ingenierías y Arquitectura, Maestría en Controles

Industriales, 2012.

C. A. Arias, Diseño de un sistema de control tolerante

a Condiciones anormales de operación basado en conocimiento

para evitar la cavitación en una bomba centrifuga

de un lazo de control de nivel industrial, Maestría en controles

industriales, universidad de Pamplona, 2012.

A. J. Serrano, Redes Neuronales Artificiales, Escuela Técnica

Superior de Ingeniería, Universidad de Valencia, 2010.

A. Creus, Instrumentación Industrial, Editorial Alfa-

Omega, 1999.

W. Castillo, Propiedades De Un Enfoque Difuso Para

Particionamiento Con Datos Bimodales, Revista de matemática:

Teoría y aplicaciones, Universidad de Costa Rica,

J. Martinez, On-line signature verification based on genetic

algorithms and neural-network-driven fuzzy reasoning.

IEEE Xplore. Online. Proc. of the 7th MICAI, 2008.

J. F. Botia, C. V. Isaza, T. Kempowsky, M. Le lann, J.

Aguilar, “Automaton based on fuzzy clustering methods

for monitoring industrial processes”, Engineering Applications

Of Artificial Intelligence, 26 (4), 1211 - 1220, 2013.

E. N. Sanchez, Neural identification and control of linear

induction motors, Estados Unidos Journal Of Intelligent

&Amp; Fuzzy Systems, IOS Press, 2005.

F. E. Pineda, “Herramienta de Identificación de sistemas

no lineales, utilizando clústeres difusos con salida en

SS”, Revista Clepsidra, 2010.

A. Alzate, J. J. Gutierrez, A. Escobar, Identificación de

sistemas usando clusters, Scientia Et Technica, Editorial

Universidad Tecnológica de Pereira, 2000.

E. Gómez, “Aplicación del modelo neurodifuso ANFIS

Vs Redes Neuronales, al problema predictivo de caudales

medios mensuales del río Bogotá en Villa Pinzón”,

Revista Tecnura, 14 (27), 2010.

F. Izaurieta, C Saavedra, Redes Neuronales Artificiales,

Departamento de Física, Universidad de Concepción

Chile, 2000.

E. C. Zapata, R. A. Smith, J. D. Velasquez, “Modelamiento

de Series de Caudal Usando ANFIS”, Revista Avances

en Recursos Hidráulicos, 2004.


Enlaces refback

  • No hay ningún enlace refback.


Licencia Creative Commons
Este trabajo esta licenciado bajo una Licencia Internacional Creative Commons Atribución-NoComercial-SinDerivados 4.0.

 

ISSN : 1692-8261 Versión impresión
ISSN : 2216-1368 Versión Web

RedesRepositorio UACRedes Sociales
 


Licenciada bajo: