UNIVERSIDAD NACIONAL DE SAN ANTONIO ABAD DEL CUSCO FACULTAD DE: INGENIERA ELCTRICA, ELECTRNICA, MECNICA Y MINAS.

CARRERA PROFESIONAL DE: INGENIERA ELECTRCA.

PROYECTO DE TESIS
PROPUESTA DEL CONTROL DIRECTO DE PAR Y FLUJO DE UN MOTOR DE INDUCCION TRIFASICO CON ENFASIS DE INTELIGENCIA ARTIFICIAL NEURO-DIFUSO

ASIGNATURA: DOCENTE ALUMNO : :

seminario de tesis Dor. Luis Mendoza Quispe Gilbert Lpez Huamanrayme 073071-I

SEMESTRE 2012-II Cusco, 10 Diciembre del 2012

UNSAAC

INGENIERIA ELECTRICA

INDICE
1.1 1.2 1.2 2. TTULO........................................................................................................... 3 RESPONSABLE ............................................................................................. 3 MBITO GEOGRFICO ................................................................................. 3

EL PROBLEMA ..................................................................................................... 3 2.1 2.2 2.3 2.4 2.5 PLANTEAMIENTO DEL PROBLEMA ............................................................. 3 FORMULACIN DEL PROBLEMA ................................................................. 4 OBJETIVOS ................................................................................................... 4 JUSTIFICACIN DEL ESTUDIO .................................................................... 4 ALCANCES .................................................................................................... 7

3.

MARCO TEORICO ................................................................................................ 7 3.1 3.2 3.3 3.4 3.5 ANTECEDENTES DEL PROBLEMA .............................................................. 7 BASES TERICAS ........................................................................................ 8 HIPTESIS .................................................................................................. 21 VARIABLES E INDICADORES ..................................................................... 21 BIBLIOGRAFIA BASE .................................................................................. 22

4.

METODOLOGIA .................................................................................................. 23 4.1 4.2 4.3 4.4 POBLACIN Y MUESTRA ........................................................................... 23 TCNICAS DE RECOLECCIN DE DATOS................................................ 23 PROCESAMIENTO Y EVALUACIN DE DATOS ........................................ 23 TECNICAS DE ANALISIS DE DATOS.......................................................... 24

5. 6.

CONTENIDO PRELIMINAR................................................................................. 24 ADMINISTRACIN DEL TRABAJO..................................................................... 26 6.1 6.2 CRONOGRAMA DE EJECUCION ................................................................ 26 PRESUPUESTO .......................................................................................... 26

7.

ANEXOS.............................................................................................................. 27 7.1 7.2 CERTIFICACION DE ORIGINALIDAD DEL CASO ....................................... 27 PLANOS BASICOS DE MONTAJE .............................................................. 27

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

UNSAAC

INGENIERIA ELECTRICA

MARCO REFERENCIAL 1.1 TTULO

PROPUESTA DEL CONTROL DIRECTO DE PAR Y FLUJO DE UN MOTOR DE INDUCCION TRIFASICO CON ENFASIS DE INTELIGENCIA ARTIFICIAL NEURO-DIFUSO

1.2 RESPONSABLE
EST. Gilbert Lpez Huamanrayme

1.2 MBITO GEOGRFICO

El tema de tesis se desarrollara en el mbito geogrfico del cusco

2. EL PROBLEMA 2.1 PLANTEAMIENTO DEL PROBLEMA

Para mejor entendimiento del problema se muestra a continuacin el rbol de problema.
MEJOARMIENTO DEL CONTROL DE UN MOTOR DE INDUCCION TRIFASICO POR CONTROL DIRECTO DE PAR Y FLUJO UTILIZANDO INTELIGENCIA ARTIFICIAL NEURO-DIFUSO EFECTO Inestabilidad de en el funcionamiento de la mquina de induccin ente prestaciones dinmicas. EFECTO Generacin armnicos corriente, flujo torque. EFECTO Perdidas intermitentes en el circuito magntico del motor de induccin.

EFECTO Se establece un flujo magntico constante produciendo una respuesta lenta de par electromagntico.

de de y

SINTOMAS Las maquinas elctricas en un pas industrializado constituyen un 60% en el consumo de energa y es de recurrir a aun control ptimo para su mejor desempeo y as mejorar las prestaciones de la mquina.

PROBLEMA Respuesta transitoria pobre e insatisfactoria ante prestaciones dinmicas de la mquina y poca adaptabilidad, perdida de energa intermitente y disminucin de tiempo de vida

SINTOMAS En la mayora de los casos, el 75% de motores deteriorados son a causa del tipo de sistema de control, pues reduce en un 20% de la vida til si el controlador fuera escalar.

CAUSA Motores con control escalar con poca capacidad ante adversidades dinmicas . del motor

CAUSA Control de motores con conmutador u ondulador de inversores no ptimos cuando se trabaja a altas frecuencias y bajas frecuencias

CAUSA Motores con controladores de histresis y tablas de conmutacin en casos de control DTC si inteligencia artificial

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

UNSAAC

INGENIERIA ELECTRICA

2.2 FORMULACIN DEL PROBLEMA

Por lo planteado anteriormente, debido a la necesidad de nuevos mtodos de control. De qu manera se puedo mejorar el control de un motor de induccin trifsico por control directo de par y flujo magntico utilizando inteligencia artificial neuro difusa?

2.3 OBJETIVOS 2.3.1 OBJETIVOS ESPECIFICOS

Proponer el control de un motor de induccin trifsico a travs de control directo de par y flujo utilizando inteligencia artificial neutra difusa.

2.3.2 OBJETIVOS ESPECFICOS

a) Emplear control directo de par (DTC) y flujo magntico a un motor de induccin trifsico. b) Emplear la aplicacin de inteligencia artificial neuro-difuso para el control de motores de induccin trifsico por control directo de par y flujo con. c) Mejorar el control de motores de induccin a travs del par electromagntico y flujo magntico con la utilizacin de un controlador basado en los principios de la inteligencia en redes neuronales y sistemas de lgica difusa. d) Investigar sobre controladores ms eficiente para control de motores con la aplicacin de un sistema neuro-difuso cuya estructura o arquitectura sea razonablemente y eficiente.

2.4 JUSTIFICACIN DEL ESTUDIO

Los problemas expuestos en el rbol de problemas en la pgina anterior, sin duda justifican la realizacin de una investigacin que mejore el desempeo del sistema bajo distintas condiciones de operacin y que al mismo tiempo permita el control ptimo del par y flujo magntico del motor de induccin. En este trabajo se propone un esquema de control donde se aproveche las ventajas que presentan las tcnicas inteligentes.
SEMINARIO DE TESIS Gilbert Lpez Huamanrayme 4

UNSAAC

INGENIERIA ELECTRICA Aunque por ms de cinco dcadas se han desarrollado estrategias de control basadas en herramientas convencionales (principalmente matemticas), las tcnicas inteligentes que tratan de imitar el razonamiento humano han demostrado ser tiles para controlar sistemas cuyos modelos son complejos y con estrictos

requerimientos tales como altas no linealidades, cambios abruptos en su desarrollo dinmico, entre otros. Para tales sistemas, es sabido que los convencionales en ocasiones no han podido cumplir con tales requerimientos, por tal razn existe la necesidad de desarrollar sistemas de control altamente inteligentes. Las investigaciones recientes de sistemas de control con redes neuronales y/o control difuso ofrecen una nueva y prometedora direccin para un mejor entendimiento e incluso una mejor solucin de los problemas y retos que presenta el control automtico. En los ltimos aos se ha demostrado que los sistemas inteligentes tienen el potencial para manejar modelos complejos y no lineales principalmente debido a sus atractivas caractersticas: habilidad de aprendizaje, adaptabilidad, procesamiento masivo de informacin con estructuras relativamente sencillas, etc. Por lo anterior, a medida que la ciencia avanza a este respecto, es posible creer que el futuro del control automtico se sentar sobre los sistemas inteligentes los cuales den mayor seguridad y confiabilidad en los procesos industriales minimizando al mismo tiempo su complejidad. La razn por la que plan de tesis apunta a un sistema de inteligencia artificial es porque las redes neuronales y la lgica difusa son un complemento ideal para aun sistema optimo y eficaz en el control de motores. A continuacin en la TABLA N1, se muestra la complementariedad funcional de los modos de control.

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

UNSAAC

INGENIERIA ELECTRICA

TABLA N1: tabla de comparaciones de los desempeos funcional de los tres mtodos de control. De la tabla TABLA N1, se puede inferir que es de mejorar el sistema si es que se integraban ambos mtodos de control, control difuso (FS) y redes neuronales (NN). En lo referido al precio de controlar un motor de induccin trifsico, con el pasar de los aos a medida que la tecnologa avanza, el costo de adquirir sistemas modernos de control se hace rentable y el tamao de los dispositivos disminuye como se muestra en la TABLA N2.

TABLA N2: costo y tamao de un convertidor de frecuencia para un motor de induccin trifsico, segn los aos.
SEMINARIO DE TESIS Gilbert Lpez Huamanrayme 6

UNSAAC

INGENIERIA ELECTRICA

Es de resaltar, por que la preferencia de controlar los motores de induccin y no una mquina de corriente directa, la razn est en la TABLA N3, mostrada a continuacin.

TABLA N3: comparacin del rendimiento de motores de induccin y motores de corriente continua cada una de 10HP.

2.5 ALCANCES
El alcance del trabajo es en todas la industrias que trabajan con motores de induccin, pues el trabajo realizado puede ser aplicada en cualquier sector del Per y tambin fuera de la misma, pero las pruebas a desarrollarse de har en la ciudad del cusco, por lo cual el trabajo tendr datos y resultados en la ciudad del Cusco pero aplicable en cualquier con fin que utilice mquinas de induccin con esta tecnologa.

3. MARCO TEORICO 3.1 ANTECEDENTES DEL PROBLEMA

En el amplio mundo la teora de control de mquinas de induccin trifsicas, se ha hecho trabajos de investigacin mltiple, una de ellas es la teora de control vectorial de motores de induccin. En la actualidad el control de mquinas elctricas lo gobierna la tecnologa del semiconductor, a travs de los famosos dispositivos de electrnica de potencia IGBTs, GTO, tecnologa del tiristor de potencia, etc., dndole a la teora de control de mquinas de
SEMINARIO DE TESIS Gilbert Lpez Huamanrayme 7

UNSAAC

INGENIERIA ELECTRICA induccin trifsica, un panorama sin fin de conocimiento de control de motores de induccin, tenindose una gamma de formas de controlar como son: controlador PID, control por modulacin por

vectores espaciales (SVM), modulacin por ancho de pulso (PWM), inteligencia artificial, etc. La inteligencia artificial desde los aos 1960 por Hebert Simon Allen Newell Y Marvin Misnky, fueron expuestas las ideas bsicas al

mundo cientfico, pero dio un giro negativo en la historia de la ciencia, no obstantante, ya en el siglo XXI, la inteligencia artificial volvi con un panorama sorprendente sobre sistemas modernos de control de procesos, prediccin, estimacin, etc., dando un giro importante en la historia de la ciencia multidisciplinaria. Tambin incidi bastante en el mundo del control de motores de induccin, pues los modernos controladores poseen sistemas inteligentes integradas, utilizado como controladores de control vectorial y control de campo orientado.

3.2 BASES TERICAS

Control por modulacin por vectores espaciales (SVM) La finalidad de la modulacin vectorial aplicado a las mquinas asincrnicas es lograr un tipo de control lineal, independizando a la corriente que produce el flujo magntico, de la corriente que produce el Par del motor. De esta manera se obtendr un control lineal similar al de la mquina de CC, que posee dos bobinados desacoplados y por tanto la corriente del campo magnetizante se controla en forma

independiente de la corriente de armadura. Para lograr esto, debido a que las mquinas asincrnicas no poseen dos bobinados desacoplados, se recurre a crear una referencia circuital ficticia y equivalente, de dos bobinados dispuestos en cuadratura (a 90 elctricos) en el estator, en reemplazo de los tres bobinados reales, lo cual se obtiene transformando el sistema trifsico de corrientes estatricas en un sistema bifsico de corrientes en cuadratura, no estacionario, que gira sincrnicamente

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

UNSAAC

INGENIERIA ELECTRICA con el campo magntico del rotor. En consecuencia estas dos corrientes representan a los dos bobinados desacoplados y por lo tanto podrn controlarse en forma independiente. En este nuevo sistema de referencia las dos corrientes estatricas son procesadas como vectores rotantes, de ah el nombre de Control Vectorial o Modulacin del Vector Espacial (SVM) o Control de Campo Orientado (FOC). Por uno de los bobinados (eje d) circula la corriente que produce el flujo magnetizante y por el otro (eje q) la corriente que produce el Par del motor (FIGURA N 1). La transformacin se basa en que cualquier magnitud trifsica (tensin, corriente, flujo, etc) puede representarse por un vector espacial, que gira con velocidad angular w, como se demuestra en el Apndice. El primer cambio de tres ejes fijos a dos ejes fijos, se logra con la Transformacin de Clarke. El segundo cambio, (ejes d q: Direct-Quadrature ) es la Transformacin de Park, dispone que los dos ejes giren a la misma velocidad w del vector espacial, logrndose as que entre el vector y estos ejes no exista movimiento relativo y por tanto las proyecciones del vector sobre dichos ejes se mantienen constantes y solo se cambian cuando cambia el vector. Esta transformacin tiene validez debido a que las fuerzas magneto motrices del motor en ambos sistemas son idnticas y por tanto los parmetros de la mquina no son alterados.

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

UNSAAC

INGENIERIA ELECTRICA

FIGURA N 1: equivalente ficticio de un devanado trifsico a uno bifsico. Modelo matemtico: Modelamiento en rgimen estable

Modelamiento en espacio de estados:

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

10

UNSAAC Matrices de conversin de coordenadas

INGENIERIA ELECTRICA

Matriz de trasformada Clarke para sistema bifsico

Matriz de Transformada Park para sistema bifsico mvil

Control directo de par (DTC) La idea bsica del control directo del par pasa por calcular los valores instantneos del par y del flujo a partir de las variables del estator de la mquina. El par y el flujo se controlan directamente y de forma independiente mediante la seleccin ptima de los estados de conmutacin del inversor y limitando los errores del flujo y del par mediante controladores de histresis del flujo y del par. En la figura 8.1 se muestra el diagrama del bloque bsico para obtener el control directo del par. La estrategia del control directo del par es clara. El par del motor se controla de forma efectiva mediante la rotacin del vector del flujo del estator utilizando estados de conmutacin adecuados. Por otra parte, y al mismo tiempo, se controla la magnitud del vector del flujo de estator de igual forma, es decir, con la utilizacin de diversos estados de conmutacin del inversor adecuados. El valor de estos estados
SEMINARIO DE TESIS Gilbert Lpez Huamanrayme 11

UNSAAC

INGENIERIA ELECTRICA puede cambiarse dependiendo de los requisitos de la consigna del flujo. Los detalles del funcionamiento pueden observarse con la ayuda de las FIGURA N 2 ,los valores calculados del par y del flujo se comparan con sus consignas. Los errores entran en los controladores de histresis, y sus salidas son seales lgicas de valores discretos +1,0 que se aplican a la tabla de conmutacin que elige uno de los ocho estados posibles del vector espacial de la tensin del inversor.

FIGURA N 2: diagrama de bloque del sistema DTC

Modelo matemtico: En el modelo matemtico del DTC, no existe la modificacin ni transformacin de las ecuaciones de equilibrio de la mquina, solo se rigen por la percepcin de valores censados por los supervisores de valores de la mquina, todos estos datos son controlado por los controladores que hay en el sistema de control DTC. A continuacin se muestra a las tablas de conmutacin de torque y flujo.

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

12

UNSAAC

INGENIERIA ELECTRICA TABLA N2: funcionamiento del controlador de velocidad

TABLA N3: funcionamiento del controlador de torque

Lgica difusa La metodologa que hace uso de conjuntos difusos definidos por funciones de membresa en expresiones lgicas es llamada Lgica Difusa. sta, es una metodologa que proporciona una manera simple y elegante de obtener una conclusin a partir de informacin de entrada vaga, ambigua, imprecisa, con ruido o incompleta, en general la lgica difusa imita como una persona toma decisiones basada en informacin con las caractersticas mencionadas. Una de las ventajas de la lgica difusa es la posibilidad de implementar sistemas basados en ella tanto en hardware como en software o en combinacin de ambos. El concepto de Lgica Difusa fue concebido por Lotfi Zadeh, profesor de la Universidad de California en Berkley, quien inconforme con los conjuntos clsicos (crisp sets) que solo permiten dos opciones, la pertenencia o no de un elemento a dicho conjunto, la present como una forma de procesar informacin permitiendo pertenencias parciales a unos conjuntos que en contraposicin a los clsicos los denomin Conjuntos Difusos (fuzzy sets), el concepto de conjunto difuso fue expuesto por Lotfi Zadeh en un artculo, hoy clsico en la literatura de la lgica difusa, en el ao de 1965. El mismo Zadeh publica en 1971 el artculo, "Quantitative Fuzzy Semantics", en
SEMINARIO DE TESIS Gilbert Lpez Huamanrayme 13

UNSAAC

INGENIERIA ELECTRICA donde Introduce los elementos formales que acabaran componiendo el cuerpo de la doctrina de la lgica difusa y sus aplicaciones tal como se conocen en la actualidad. Modelo matemtico: Para la obtencin del Controlador Lgico Difuso se dise un regulador difuso de velocidad tipo Mamdani, de dos entradas, error y derivada de error, y una salida de accin de control, las membresa est combinada entre triangulares y trapezoidales de la siguiente forma:

FIGURA N 3: diagrama de bloque de un sistema difuso.

Sistemas de Razonamiento Difuso. Un sistema de razonamiento difuso (FIS por sus siglas en ingls Fuzzy Inference System) es un marco de trabajo computacional basado en los conceptos de los conjuntos difusos, reglas difusas y razonamiento difuso. Estos sistemas han encontrado una gran variedad de aplicaciones tales como en ingeniera, ciencia, negocios, medicina, psicologa, y otros campos, por ejemplo, en ingeniera alguna aplicaciones potenciales incluyen las siguientes reas: Cabe mencionar que esta lista cubre aquellas aplicaciones que han sido sujetas a estudio en la literatura. Actualmente, la lgica difusa sigue extendindose rpidamente debido a su sencillez y su relacin con el mundo real.

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

14

UNSAAC

INGENIERIA ELECTRICA Los niveles de tiro estn dados por la ecuacin en representacin del mecanismo de razonamiento tipo Mamdani

Las salidas individuales de cada regla estn representadas por

Las salidas individuales de cada regla estn representadas por

Las

ecuaciones

antes

mencionadas

forman

la

lgica

de

razonamiento difuso. El mtodo de centro de rea es utilizado para la desfusificacin, la agregacin de las salidas individuales, es representado por otro conjunto difuso.

Estructura de un Sistema de Razonamiento Difuso. La estructura bsica de un FIS consiste en tres componentes principales: una base de reglas, la cual contiene una seleccin de las reglas difusas; una base de datos que define las funciones de membresa utilizadas en las reglas difusas donde al mismo tiempo se incluye el proceso mismo de difusificacin; desarrolla y un un mecanismo de de

razonamiento,

que

procedimiento

razonamiento basado en la lgica difusa, el cual proporciona las acciones concluyentes a partir de las premisas de entrada. Es importante notar que las entradas del FIS pueden ser tanto difusas como ntidas, pero que las salidas producidas son casi siempre conjuntos difusos. A veces es necesario tener salidas ntidas, especialmente cuando el FIS se utiliza como controlador. Por
SEMINARIO DE TESIS Gilbert Lpez Huamanrayme 15

UNSAAC

INGENIERIA ELECTRICA consiguiente, es necesario un mtodo de dedifusificacin para obtener un valor ntido que mejor represente a un conjunto difuso. La figura 2.1 muestra un FIS cuya salida es ntida. La lnea continua indica la representacin bsica del FIS donde su salida es difusa y pasa por el bloque de dedifusificacin para obtener el valor ntido.

FIGURA N 4: esquema bsico del FIS, de varias entradas y varias salidas. Redes Neuronales Artificiales. Las redes neuronales artificiales (NN, por sus siglas en ingls Neural Networks) son sistemas que estn construidos para hacer uso de los principios de organizacin de informacin que caracteriza al cerebro humano. Representan una nueva generacin de sistemas que procesan y ordenan informacin lo que las hace adecuadas para tareas como clasificacin y asociacin de datos, aproximacin de funciones, optimizacin, reconocimiento, etc. Las NN tienen un gran nmero de elementos interconectados a travs de nodos que usualmente operan en paralelo configurados en varias arquitecturas. El desempeo colectivo de una NN, tal como el cerebro humano, demuestra la habilidad de aprender y reconocer a partir de datos de entrenamiento. En aos recientes, numerosos modelos de NN han sido propuestos en la literatura los cuales pueden ser clasificados tomando en consideracin distintos criterios, tales como sus mtodos de
SEMINARIO DE TESIS Gilbert Lpez Huamanrayme 16

UNSAAC

INGENIERIA ELECTRICA aprendizaje (supervisado y no supervisado), sus arquitecturas (progresivas o recurrentes), tipos de salida (binarias o continuas), tipos de nodos (uniformes o hbridos, implementaciones (software o hardware), y as por el estilo. El objetivo del entrenamiento de la NN es la de obtener seales de salida deseados a partir de cierta clase de estmulos; esto hace que la regla de aprendizaje utilizada juegue un papel muy importante en la utilizacin de una NN. A continuacin se muestran las caractersticas biolgicas de una neurona:

Conversin de la neurona a un modelo matemtico:

X1
(.)

X2
(.)

(.) (.) (.) (.) (.) (.) (.)

O1

X3

O2

X4

X5 Nudos de entrada 1 capa oculta 2 capa oculta Capa de salida

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

17

UNSAAC

INGENIERIA ELECTRICA

Modelo matemtico:

( )

Aprendizaje Supervisado de la Red Neuronal Existen dos tipos principales de estrategias: aprendizaje para el ajuste de los parmetros de la red, el cual concierne principalmente al ajuste de los pesos de las conexiones, y el aprendizaje para el ajuste de la estructura de la red, que se relaciona con el cambio en el nmero de capas, conexiones o neuronas. Cabe mencionar que en la mayora de los casos, incluyendo en este trabajo, se utiliza el aprendizaje para el ajuste de los parmetros de la red. La figura 2.3 presenta el esquema general del aprendizaje supervisado. Como se observa, cuando se aplica la seal de entrada x, se proporciona en
SEMINARIO DE TESIS Gilbert Lpez Huamanrayme 18

UNSAAC

INGENIERIA ELECTRICA cada instante de tiempo la seal de respuesta deseada d. En este caso, para entrenar la red es necesario proporcionarle una secuencia de ejemplos, (x1, d1), (x2,d2), , (xn, dn) correspondientes a los pares de datos entrada-salida. La diferencia entre la salida y y la salida deseada d se calcula en el generador de las seales de error el cual produce la seal de error para que la NN ajuste sus pesos de tal forma que minimice el error y la salida actual se mueva los ms

cercano posible a la salida deseada.

FIGURA N 5: esquema general de aprendizaje supervisado.

Un tipo comn de NN es la conocida como ADALINE (adaptive linear element) la cual representa el ejemplo clsico del sistema inteligente de auto-aprendizaje ms simple que puede adaptarse

automticamente para lograr una tarea especfica. Redes Neuronales basadas en Sistemas Difusos La habilidad de aprendizaje de las NN as como la manera de organizacin de su arquitectura y sus cualidades de adaptacin son utilizadas para formar sistemas de razonamiento difuso con la finalidad de aumentar su potencial como sistemas inteligentes. Al unir estas dos metodologas es posible construir un sistema donde todas los fundamentos de las NN y la lgica difusa puedan ser aplicadas, superando el desempeo de dichas metodologas tratadas por separado [38][53].

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

19

UNSAAC

INGENIERIA ELECTRICA En muchas aplicaciones de la lgica difusa, las funciones de membresa tienen formas regulares tales como triangulares o campanas. Estas funciones de membresa pueden ser

implementadas en una neurona al seleccionar dicha funcin de membresa como su funcin de activacin. Tal como se aprecia en la figura 2.6(a) donde las salidas y1, y2 y y3 representan el grado de membresa que la variable lingstica x tiene en los conjuntos Pequeo (P), Medio (M) y Grande (G) de la figura 2.6(b).

FIGURA N 6: Red neuronal equivalente a tres funciones de membresa de un sistema difuso.

Con modelo de cada salida:

Como se ve en la FIGURA N 6, es relativamente sencillo la construccin de una NN equivalente a un FIS, no solo incluyendo sus funciones de membresa sino tambin sus operadores lgicos, las reglas difusas y la dedifusificacin (si el modelo difuso la necesita). La naturaleza no adaptable de un FIS puede eliminarse con el uso de las NN, por lo que la combinacin de ambas tcnicas produce el
SEMINARIO DE TESIS Gilbert Lpez Huamanrayme 20

UNSAAC

INGENIERIA ELECTRICA desarrollo de nuevas estructuras y algoritmos que provean desempeos adaptables al mismo tiempo de que se mantiene intacta las caractersticas de representacin del razonamiento humano que proporciona la lgica difusa. Sistema de Razonamiento Neuro-Difuso Adaptable. Como se mencion anteriormente, prcticamente no hay lmites en la seleccin de funciones de activacin en los nodos de una red neuronal adaptable a reserva que deben ser diferenciables. En la parte arquitectnica de la red la nica limitacin que existe para obtener el equivalente de un FIS, es que la red debe ser del tipo progresiva (feedforward), ya que de lo contrario se tendran que utilizar modelos y algoritmos ms complicados.

3.3 HIPTESIS
Mediante la tcnica de control directo de par y flujo de un motor de induccin trifsico y el enfoque de control con inteligencia artificial neuro-difusa se mejorara la performance en la operacin,

adaptabilidad ante situaciones variabilidad de los parmetros de la mquina, respuesta transitoria y prestaciones ptimas en la respuesta en estado estable del motor.

3.4 VARIABLES E INDICADORES

a) variables respuesta transitoria del motor respuesta en estado estacionario respuesta de la conmutacin de los dispositivos del ondulador b) sub variables respuesta de controladores neuro-difusos respuesta de controladores de histresis armnicos producidos por los sistemas variables de estado del motor de induccin Adaptabilidad de la red neuro- difusa Respuesta en frecuencia del sistema

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

21

UNSAAC

INGENIERIA ELECTRICA

3.5 BIBLIOGRAFIA BASE

Diseo de un Controlador Lgico Difuso, Aplicado al Control de Posicin de un Servomotor, tesis de Rene Jimnez Madrigal Rede neuronales artificiales, MsC.Ing. Jess R. Rodrguez R., Mayo de 2012 Control avanzado de mquinas elctricas de induccin, tesis de Jos Muos Fras. Electrnica de potencia de control PWM trifsico, control vectorial del motor asncrono, revista de la Universidad Nacional Rosario. Algunas aplicaciones de la lgica difusa en la teora de control, tesis de Laura Jimnez Beristain. Control vectorial de mquinas asncronas con redes neuronales, separata informativa de la revista internacional Informacin Tecnolgica. Control mediante lgica difusa, publicacin de Samir Kouro R. y Rodrigo Musalem M. Lgica difusa para control de motores de induccin, publicacin de Dr. Werner Pacheco Lujan y Dr. Cicero Couto de Morais. Introduccin a las redes neuronales, diapositivas del Prof. Minaya Villasana. Control de Par Velocidad en Motores de Induccin, Tesis de Luis Carlos Leonardo Bolaos Mndez Respuesta de los Motores con Control Directo de Par, Publicacin 2012. Control Directo de Par de un Motor de Induccin Trifsico con Aplicacin a vehculos, tesis de Alberto Miguel Escobar.

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

22

UNSAAC

INGENIERIA ELECTRICA

4. METODOLOGIA
En el presente trabajo se utilizaran los siguientes mtodos: Mtodo Descriptivo, para describir la metodologa moderna de control de mquinas elctricas. Mtodo Comparativo, para notar las diferencias del control clsico o escalar y moderno o vectorial. Mtodo Explicativo, porque el propsito del trabajo es mejorar el mtodo de control y esta tiene que ser debidamente explicada y justificada. Por lo tanto, el mtodo de la investigacin adoptada ser: Descriptivo, Comparativo y Explicativo.

4.1 POBLACIN Y MUESTRA 4.1.1 POBLACION

La poblacin que se va analizar son los controladores de los motores de induccin trifsicos, con sus respectivos mtodos de tratamiento matemtico.

4.1.2 MUESTRA
La muestra a analizar es el motor de induccin trifsico por control de par directo y que utiliza la inteligencia artificial neuro-difuso.

4.2 TCNICAS DE RECOLECCIN DE DATOS

La tcnica de recoleccin de datos se realiz, haciendo un seguimiento de la tendencia de control y controladores ms eficientes de la actualidad, para lo cual nos respaldamos de curvas de tendencias en el control, comparaciones de controladores e incidencia de la inteligencia artificial en el control moderno.

4.3 PROCESAMIENTO Y EVALUACIN DE DATOS

En el mejoramiento del control de motores de induccin, antes de implementar el sistema se har el modelamiento asistido por un programa especializado en el tema, parte de las simulaciones se realizara en el programa Simulink de MATLAB utilizando las libreras de Nural Netword Toolbox, Fuzzi Logic Toolbox y SimPowerSystems y haciendo interactuar una con otra.
SEMINARIO DE TESIS Gilbert Lpez Huamanrayme 23

UNSAAC

INGENIERIA ELECTRICA Una vez simulado el sistema a probar, los datos obtenidos servirn para manifestar el mejor desempeo de la maquina ante prestaciones dinmicas del motor, con lo que se probara el mejoramiento.

4.4 TECNICAS DE ANALISIS DE DATOS

Con los datos del resultado de haber implementado el sistema de control neuro-difuso, se proceder a analizar los datos adquiridos en el sistema, para lo cual nos valoremos de los datos de un sistema control clsico o escalar y hacer la comparacin con la misma, al mismo tiempo tambin analizaremos la respuesta del sistema ante dientes entradas de datos, con lo cual verificaremos el

comportamiento del sistema ante prestaciones caprichosa y aleatorias del sistema mediante cuadros comparativos, curvas de respuesta en frecuencia, curvas de respuesta transitoria, eficacia en la conmutacin de los IGBTs y el desempeo del sistema en estado estacionario.

5. CONTENIDO PRELIMINAR
PRESENTACION DEDICATORIA CAPITULO I. EL PROBLEMA 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 INTRODUCCION PLANTEAMIENTO DEL PROBLEMA FORMULACION DEL PROBLEMA OBJETIVOS DE LA INVESTIGACION JUSTIFICACION ALCANCES HIPOTESIS Y VARIABLES METODOLOGIA DEFINICION DE LA TERMINOLOGIA BASICA

CAPITULO II. MARCO TEORICO 2.1 2.2 2.3 INTRODUCCION AL CONTROL VECTORIAL DE MOTORES CONTROL DIRECTO DE PAR (DTC) CONTROLADORES A TRAVEZ DE CONTROL DIRECTO DE PAR 2.4
SEMINARIO DE TESIS

INTELIGENCIA ARTIFICIAL EN EL CONTROL DE PROCESOS

Gilbert Lpez Huamanrayme 24

UNSAAC
2.5 2.6 2.7 2.8 2.9 2.10 2.11

INGENIERIA ELECTRICA
CONTROLADORES CON ESTRUCTURA INTELIGENTE INTELIGENCIA ARTIFICIAL PARA CONTROL DE MOTORES LOGICA DIFUSA SISTEMAS DIFUSOS MODELO MATEMATICO DE UN SITEMA DIFUSO REDES NEURONALES ARTIFICIALES SISTEMAS DE ENTRNAMIENTO DE SISTEMAS CON REDES NEURONALES 2.12 2.13 2.14 2.15 2.16 2.17 ARQUITECTURA LOGICA DE LAS REDES NEURONALES MODELO MATEMATICO DE UNA RED NEURONAL SITEMAS NEURO-DIFUSOS REDES NEURONALES CON ESTRUCTURA DIFUSA CONTROLADORES CON CONTROL DIFUSO SISTEMAS DE CONTROL DE PAR CON CONTRLADORES REURO-DIFUSOS

CAPITULO III. METODOLOGIA DE LA INVESTIGACION 3.1 3.2 3.3 COBERTURA DEL ESTUDIO TECNICAS E INSTRUMENTOS DE RECOLECCION DE DATOS PROCESAMIENTO Y ANALISIS DE DATOS

CAPITULO IV. DIAGNOSTICO SITUACIONAL 4.1 REALIDAD DE CONTROL DE MOTORES CON

INTELIGENCIA ARTIFICIAL 4.2 RELEVANCIA DE LOS CONTROLADORES MODERNOS BASADAS EN CONTROL VECTORIAL 4.3 4.4 CONTROL DE MOTORES CON INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL COMO NUEVO METODO DE SOLUCION DE SISTEMAS INDUSTRIALES 4.5 CONTROLADORES Y SISTEMAS DE CONTROL MODERNO VECTORIAL CAPITULO V. PROPUESTA DEL CONTROL DIRECTO DE PAR Y FLUJO DE UN MOTOR DE INDUCCION TRIFASICO CON ENFASIS DE INTELIGENCIA ARTIFICIAL NEURO-DIFUSO CAPITULO VI. EVALUACION ECNOMICA FINACIERA CONCLUSIONES RECOMENDACIONES BILBIOGRAFIA ANEXOS
SEMINARIO DE TESIS Gilbert Lpez Huamanrayme 25

UNSAAC

INGENIERIA ELECTRICA

6. ADMINISTRACIN DEL TRABAJO 6.1 CRONOGRAMA DE EJECUCION

TIEMPO MES 10 MES 11
26

ITEM

ACTIVIDADES

1 2 3 4 5 6 7

Recoleccin de informacin y procesamiento de datos Redaccin del CAPITULO I Redaccin del CAPITULO II Redaccin del CAPITULO III Redaccin del CAPITULO IV Redaccin del CAPITULO V Redaccin del CAPITULO IV

6.2 PRESUPUESTO
UNIDAD DE MEDIDA COSTO UNITARIO (S/.)

ITEM

DESCRIPCION

CANTIDAD

COSTO PARCIAL (S/.)

Bsqueda de informacin Compra de tiles de escritorio Impresiones Anillados Empastados Tramites documentarios Otros

Horas

500

1500

2 3 4 5 6 7

Global Unidad Unidad Unidad Global Global TOTAL 0.25 3 50 8000 30 7

200 2000 90 350 650 4000 8790

Gilbert Lpez Huamanrayme

SEMINARIO DE TESIS

MES 12

MES 1

MES 2

MES 3

MES 4

MES 5

MES 6

MES 7

MES 8

MES 9

UNSAAC

INGENIERIA ELECTRICA

7. ANEXOS 7.1 7.2 CERTIFICACION DE ORIGINALIDAD DEL CASO PLANOS BASICOS DE MONTAJE

FIGURA N: detalle del circuito de control por modulacin por vectores espaciales (SVM) con microcontroladores

FIGURA N: diagrama de bloques del posible controlador neuro-difuso

SEMINARIO DE TESIS

Gilbert Lpez Huamanrayme

27