Académique Documents
Professionnel Documents
Culture Documents
2-3, 2006
1
Universidad Profesional Interdisciplinaria de Biotecnología, Departamento de Bioelectrónica, México, D. F.
2
Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional, Departamento de Control Automático, México, D. F.
RESUMEN / ABSTRACT
Se diseña un algoritmo genético, que modifica y recalcula los valores que describen las funciones de membresía para
un controlador difuso. El controlador difuso se utiliza en un proceso fermentativo, para lograr una mejoría en la
producción de diclomerato (DCM), en un biorreactor de biopelícula. Las funciones de membresía actúan sobre la
concentración de substrato en el tanque de aireación y producen que la cinética de saturación del DCM se incremente,
logrando una mejoría en su producción. Esto es mostrado por medio del desarrollo del algoritmo en forma numérica.
Palabras clave: algoritmos genéticos, lógica difusa, optimización.
In this paper, the design of a genetic algorithm that modifies and recalculates the values those describe the
membership functions for a fuzzy controller, has showed. The controller is applied in a bio-film fermentative
process to obtain an improvement in the dichromate's production (DCM). The membership functions act over the
concentration of substrate in the aeration tank so that produces the homogenous double saturation kinetic of the
DCM, and this is increased, obtaining an improvement in their production. This is shown by development of the
numerical algorithm.
Key words: fuzzy logic, genetic algorithms, optimization.
cromosoma.
Entrecruzamiento: El algoritmo genético habitualmente utiliza dCsrin R
el cruce basado en un punto, en el cual los dos individuos dt
=
VT
(
(Csr 6 − Csrin ) + K L a DCM CS 2eq − Csrin )
seleccionados para desempeñar el papel de padres, son
F ...(4)
recombinados por medio de la selección de un punto de corte, + (CSF 0 − Csrin )
para posteriormente intercambiar las secciones que se encuentran VT
a la derecha o a la izquierda, según se seleccione dicho punto. Concentración de pH: en la ecuación (5) se muestra cómo se
Mutación: La mutación se considera un operador, que obtiene el pH, multiplicando -0,434 por el logaritmo de las
proporciona un elemento de aleatoriedad en la vecindad (entorno) concentraciones de H+.
de los individuos de la población. Este se realiza mediante el
intercambio de un alelo escogido al azar por su complemento.
pH n = −0,434 log CHn ...(5)
• Modelo de biopelícula
A continuación se introduce el sistema en el cual será probada donde:
la calidad del modelo de control empleado. En los reactores de C01: Concentración de oxígeno en la sección 1 del líquido.
83
Ingeniería Electrónica, Automática y Comunicaciones, 2-3/2006
C0in: Concentración de oxígeno disuelto en la entrada. 4. El pseudocódigo para modificar los valores de los parámetros
τ: Tiempo de residencia del líquido en una sección de la columna. de las funciones de membresía es el siguiente:
r01: Absorción de oxígeno en la sección 1. Selección de la población (individuos) de la siguiente manera:
Csr1: Concentración de DCM en la sección 1. X = (x1 , x 2 , x 3 ,K, x n ) donde cada xi representa un gen del
Csrin: Concentración de entrada de DCM.
cromosoma del problema tratado aquí, en este caso, cada uno de
rs1: Absorción de substrato en la sección 1.
los parámetros que describen cada una de las funciones de
R: Proporción de recirculación.
membresía.
VT: Volumen del tanque de aereación.
Entrecruzamiento: El procedimiento general es:
KLa02: Coeficientes de transferencia del O2.
(a) Se establece una probabilidad de cruce pc , la que determina
CO2eq: Constante de saturación del oxígeno.
la cantidad promedio de individuos que se habrán de cruzar: pc x.
KLaDCM: Coeficientes de transferencia del DCM.
Tamaño población.
CS2eq: Constante de saturación del DCM.
(b) Para cada miembro de la población (cromosoma) se genera
F: Flujo de alimentación o variable de control.
un número aleatorio a en el rango de (0,1), si a > pc se selecciona
CSFO: Concentración de DCM en la alimentación.
el cromosoma dado para cruce.
CHn: Concentración de iones H+ en la sección n4.
(c) Para cada par de cromosomas seleccionados (padres) se
aplica el operador aritmético de cruce. Si c1 y c2 son los
MATERIALES Y MÉTODOS cromosomas a cruzar, se generarán dos nuevos miembros (hijos).
A continuación se describe el procedimiento utilizado. Mutación: Se aplicará el operador de mutación no uniforme, de
1. Primeramente se desarrolló la solución numérica del modelo acuerdo con el siguiente procedimiento general:
de diclomerato en una biopelícula fluidificado con sus respectivas (d) Se establece una probabilidad de mutación pm,
variables En la figura 1 se muestra un diagrama del biorreactor de la que ayudará a determinar la cantidad promedio de individuos
biopelícula. que serán mutados: pm x tamaño población .
2. Después se observa el comportamiento dinámico del pH, (e) Cada gene dentro de un cromosoma tiene la misma
concentración de diclomerato y dióxido de carbono (utilizando el probabilidad de ser mutado, de tal manera que para cada
modelo matemático en simulación numérica), con la finalidad de cromosoma de la población actual (después del cruce) y para
establecer valores iniciales (a modo de experto) para las funciones cada gene dentro de cada cromosoma se genera un número
de membresía. aleatorio a en el rango de (0, 1).
3. Las funciones de membresía son: tres funciones triangulares (f) Si a > pm se muta el gen correspondiente (ver figura 3).
centrales (T), 1 de tipo S y 1 de tipo Z para los correspondientes
extremos, como se muestra en la figura 2. Este arreglo se utilizó
para cada uno de las variables tomadas en cuenta en el diseño Se crea el cromosoma
del método de control. in ic ia l
Convertir el cromosoma
en binario
Se evalúa el cromosoma
Figura 1 con la función de
Esquema típico de un biorreactor por película. adaptabilidad
,
Decodificar el cromosoma
, en decimal
, (m 3/h)
(m 3/h)
Crear el nuevo cromosoma
Figura 2 Figura 3
Funciones de membresía utilizadas en el sistema. Diagrama de flujo del algoritmo computacional desarrollado.
84
Algoritmo difuso-genético...
,
C on c e nt r ac i ón d e a li m e nt a ci ó n ( g /m 3 )
,
CO2
DCM
pH
,
, , , , , , , ,
Figura 5 Figura 6
Comportamiento de CO2, DCM, pH dentro del modelo. Comportamiento de CO2, DC, pH dentro del modelo.
85
Ingeniería Electrónica, Automática y Comunicaciones, 2-3/2006
CONCLUSIONES
, El diseño del controlador difuso basado en algoritmos genéticos
, mejora la cantidad total de substrato en la entrada del reactor de
DCM. También la evolución de los parámetros de las funciones de
, F un ci ón c on a l g or i t m o s ge né t i co s
membresía confirma los requisitos de un procedimiento adaptante
, para mejorar el funcionamiento del controlador difuso.
, Estos factores particulares tienen un beneficio en el control de procesos
,
fermentativos, reduciendo así los costos de operación de un biorreactor.
,
, REFERENCIAS
, 1. CHAIREZ, JORGE ISAAC: "Control inteligente aplicado a
incubadoras neonatales", Tesis individual de licenciatura, Unidad
Profesional Interdisciplinaria de Biotecnología, México D. F., 2003.
(m3/h ) 2. MORALES, A. K. Y J. G. CASAS: Algoritmos genéticos, Ed.
Figura 7 Fondo de Cultura Económica, Instituto Politécnico Nacional,
Salida del sistema difuso. Universidad Nacional Autónoma de México, 2002.
3. BAILEY, J.: Biochemical Engineering Fundamentals,
2da. ed., Ed. McGraw-Hill, 1986.
4. DUNN, I. et al.: Biological Reaction Engineering, pp. 263-273,
Ed. Verlagsgesellshaft, 1992.
5. ORTIZ, V. H.; A. CABRERA y J. I. CHAIREZ: "Algoritmos
fuzzygenéticos para optimización de generación de productos
químicos vía microbiológica", Presentado en el XXVII SOMIB
Congreso Nacional de Ingeniería Biomédica (Acapulco Gro),
México, noviembre 2004.
D e sp u é s
An te s
AUTORES
(g/ m3)
86