Vous êtes sur la page 1sur 4

Universidad de las Fuerzas Armadas. Salazar, Ivn. Sistemas de Control Hbridos.

Sistemas de Control Neuroborroso Aplicado al


Proceso de Taladrado de Alto Rendimiento.
Salazar, Ivn.
ivantonios@hotmail.com
Universidad de las Fuerzas Armadas ESPE
Departamento de Energa y Mecnica

computacionales avanzados, como software de
ResumenEl presente trabajo presenta el diseo de un procesamiento matemtico. [2]
sistema Neuroborroso para el modelado y control en red de un En el presente trabajo presenta la combinacin de
proceso de taladrado de alto rendimiento. El sistema
Neuroborroso empleado en el estudio es conocido como las redes neuronales con lgica borrosa,
ANFIS (Sistemas Adaptativos de Inferencia Neuro-Difusa), en combinando las ventajas de las mismas. La lgica
el cual las reglas borrosas se obtienen a partir de os daros de borrosa es una posibilidad de convertir una
entrada y salida. El diseo del sistema de control es realizado estrategia lingstica de control basada en los
por modelo interno. Con la implementacin del sistema de conocimientos de expertos. Por otra parte, las redes
control se pretende aumentar la tasa de arranque de material y
garantizar el aprovechamiento de la vida til de la herramienta
neuronales pueden realizar un procesamiento
de corte paralelo, aceptar entradas procedentes de diferentes
sensores, adems de aprender funciones no lineales.
ndice de TrminosSistemas Neuroborrosos, control [3]
por modelo interno, taladrado de alto rendimiento
II. PROCESO DE TALADRADO DE ALTO
RENDIMIENTO
I. INTRODUCCIN El taladrado es uno de los procesos de
La aplicacin de tcnicas de Inteligencia Artificial manufactura ms utilizados en la fabricacin de
al control de procesos se ha incrementado en los componentes, moldes y matrices en los diferentes
ltimos aos, ya que las mismas son capaces de sectores industriales. Debido al mercado exigente
generar resultados ptimos. El uso masivo de las las empresas tienen como objetivo principal la
tcnicas de Inteligencia Artificial en el control de optimizacin de todos los procesos, y con ello
procesos se ha llevado a cabo debido a que las reducir considerablemente los tiempos empleados
tcnicas clsicas no han generado los resultados en la fabricacin y aumentar la calidad de los
deseados para el sistema. Cabe mencionar que los productos. En el proceso de taladrado la reduccin
controladores clsicos se deterioran en gran medida del tiempo de produccin est directamente
debido a presencia de incertidumbre y de no relacionado con una mayor tasa de arranque de
linealidades. [1] material y con el aprovechamiento de la mxima
vida til de la herramienta de corte. Un proceso de
Los procesos de mecanizado estn inmersos en la taladrado de alto rendimiento es considerado
serie de procesos de difcil modelado a travs de cuando se trabaja a altas velocidades de corte con
tcnicas clsicas, debido a que son procesos las consideraciones de la dureza del material, la
extremadamente complejos, no lineados, cargados herramienta y la maquinaria. [1]
de incertidumbre y con comportamientos
imposibles de describir por herramientas de De todas las variables que influyen en un proceso
modelado convencionales. Por lo tanto, se necesita de mecanizado, la fuerza de corte es la ms
de tcnicas de Inteligencia Artificial, haciendo una importante para el estudio. La fuerza de corte se
sinergia entre todas, y uniendo los mtodos puede mantener de forma constante modificando la
velocidad de avance de la herramienta de corte

Automatizacin Industrial Mecatrnica


Universidad de las Fuerzas Armadas. Salazar, Ivn. Sistemas de Control Hbridos. 2

sobre el material. Incrementar el arranque de cuadrados tienen parmetros ajustables, mientras


material se lo puede realizar maximizando la fuerza que los nodos circulares son nodos fijos. [1]
de corte, pero as mismo producir un mayor
desgaste de la herramienta de corte.

Por lo tanto, con el anlisis del proceso de


taladrado y sus variables ms importantes a
considerar se considera como un sistema de una
entrada y una salida (SISO). La velocidad de avance
de la herramienta (f) es considerada como la entrada
y la fuerza media de corte (F) como salida.
El proceso taladrado en el presente estudio se lo
representa mediante un modelo lineal con una
funcin de transferencia de tercer orden. [1]
Figura 1: Arquitectura del sistema ANFIS

El sistema ANFIS utiliza como estrategia de


aprendizaje la retro-propagacin o propagacin
hacia atrs de los errores para determinar el
III. SISTEMA NEUROBORROSO
antecedente de las reglas. El consecuente de la regla
Las tcnicas de control borroso y neuronal pueden se estima por medio del mtodo de los mnimos
combinarse entre s, puesto que son cuadrados. [1]
complementaros. Los sistemas borrosos
proporcionan una buena herramienta de control para IV. CONTROL POR MODELO INTERNO BASADO
los sistemas complejos, pero no tienen un mtodo EN ANFIS
sistemtico que permita ajustar sus parmetros El control por modelo interno incluye la
como funciones de pertenencia y creacin de reglas utilizacin explcita de modelos, y surge a
de forma autnoma. En cambio, la red neuronal principios de los aos ochenta de la mano de
tiene la capacidad de aprendizaje y adaptacin, pero Morari. Utiliza un esquema de control de lazo
como controlador no es muy extendido puesto que cerrado en el que intervienen un modelo directo
es difcil entender y modificar la red de manera (GM) del proceso a controlar (GP) situado en
apropiada. [2] paralelo a ste, as como un modelo inverso (GM).
Las perturbaciones son representadas por d.
El sistema ANFIS es uno de los primeros sistemas
Neuroborrosos conocidos. Es un tipo de red
neuronal cuyas neuronas tienen incorporados el
sistema de lgica borrosa de Takagi-Sugeno. Integra
las redes neuronales, o sea que es adaptativo,
tolerante a fallos, distribuido, aprende por la
experiencia y con capacidad de generalizacin; con
los principios de lgica difusa, heredando su
sistema de inferencia correspondiente al conjunto de
reglas difusas, y aprovechando as los beneficios de Figura 2: Esquema de control por modelo interno.
ambos. [1]

La arquitectura de ANFIS dispone de cinco capas


como se puede observar en la Figura 1. Los nodos

Automatizacin Industrial Mecatrnica


Universidad de las Fuerzas Armadas. Salazar, Ivn. Sistemas de Control Hbridos. 3

Este tipo de control ha generado una mayor


adaptacin porque tiene una gran capacidad para
hacer frente a las perturbaciones y su
comportamiento robusto. [1]

El filtro GF est en el controlador con el afn de


reducir la ganancia de alta frecuencia y mejorar la
robustez del sistema. Adems, sirve para suavizar
los cambios rpidos y bruscos en las seales. [1]

Un esquema de Control por Modelo Interno


puede implementarse usando un sistema ANFIS. Es
necesario un sistema ANFIS para que aprenda la Figura 3: Funciones de pertenecia modelo directo ANFIS.
dinmica del proceso a travs de datos entrada-
salida obteniendo el modelo directo. Adems, otro Funciones Takagi-Sugeno de salida:
Fuerza Media (baja)= -62.3f + 6786 N
sistema ANFIS que es entrenado para aprender de Fuerza Media (alta)= -322.9f + 3.2*10-4 N
manera inversa el proceso y funcionar como Regla 1: Si Velocidad de Avance es baja, entonces
controlador lineal obteniendo el modelo inverso. [1] Fuerza Media es baja
Regla 2: Si Velocidad de Avance es alta, entonces
Las variables considerado son la velocidad de Fuerza Media es alta
avance como entrada y la fuerza de corte media
como salida, los datos utilizados fueron obtenidos
de manera experimental. Para un mejor ajuste del
modelo se introduce un conjunto de 133 datos de
entrenamiento al sistema Neuroborroso. Luego, se
ajusta el modelo creado anteriormente,
introduciendo un conjunto de 128 datos de prueba
distintos al primero en el sistema Neuroborroso. [1]

El resultado ptimo para los modelos directos e


inversos se obtiene con dos funciones de
pertenencia en la fase de emborrado, las cuales son
de tipo Gauss, y con reglas de primer orden. Figura 4: Funciones de pertenencia modelo inverso
ANFIS.
Los parmetros de entrenamiento realizado por la
Funciones Takagi-Sugeno de salida:
red fueron de 100 iteraciones del algoritmo, modo Fuerza Media (baja)= -0.005F + 99.2 mm/min
de entrenamiento hbrido y tamao del paso de 0.01. Fuerza Media (alta)= -0.02F+ 113.9 mm/min
El software Matlab representa una herramienta de Regla 1: Si Fuerza Media es baja, entonces
gran ayuda mediante el que se obtiene los modelos. Velocidad de Avance es baja
Regla 2: Si Fuerza Media es alta, entonces
El tiempo de entrenamiento de los modelos fue de
Velocidad de Avance es alta
0.14 segundos. Este tiempo depende de la
computadora donde se realice el modelamiento. El V. SIMULACIN
entrenamiento realizado fue de tipo offline. [1]
Creados los modelos Neuroborrosos directo e
inverso se simula el comportamiento del sistema.

Automatizacin Industrial Mecatrnica


Universidad de las Fuerzas Armadas. Salazar, Ivn. Sistemas de Control Hbridos. 4

El controlador Neuroborroso nos permite asegurar


la estabilidad del sistema para la seleccin de las
reglas del conjunto borroso.

La simulacin en el trabajo presenta una gran


optimizacin del proceso, brindando gran
estabilidad en tiempos acordes a la exigencia de los
estndares de produccin.

VII. REFERENCIAS

[1] A. Gajate y R. Haber, Control Neuroborroso en Red.


Figura 5: Respuesta del sistema ante escaln. Aplicacin al Proceso de Taladrado de Alto, Revista
Iberoamericana de Automtica e Informtica Industrial,
vol. VI, n 1, pp. 31-38, 2009J.
[2] J. Fraile, Diseo de un estabilizador de sistemas de
potencia neuro-borroso adaptativo ajustado mediante
algoritos genticos., Universidad Politcnica de Madrid,
vol. I, n 2, 2003.
[3] M. Strefezza, Diseo de un Controlador Neuro-Borroso
coon un algoritmo de aprendizaje Acelerado., SBAI, vol.
II, pp. 20-25, 1999.

Figura 6: Accin de control.

VI. CONCLUSIONES

Las tcnicas de inteligencia artificial es el proceso


de taladrado de alto rendimiento trata de aprovechar
la experiencia de operadores para incorporarlas en
los sistemas de control reduciendo la complejidad
del sistema.

Los sistemas de control Neuroborrosos permiten


combinar las ventajas de las Redes Neuronales y la
Lgica Borrosa

El control aplicado en el trabajo es muy eficiente,


ya que se puede obtener los modelos Neuroborrosos
a partir de datos experimentales de entrada y salida
y no requiere de un modelo matemtico exacto del
proceso para el diseo del sistema de control.

Automatizacin Industrial Mecatrnica