Redalyc

Sistema de Información Científica

Red de Revistas Científicas de América Latina, el Caribe, España y Portugal

Peraza M., César; Díaz, José Gregorio; Castellanos, Jorge; Arteaga, Francisco;
Villanueva, Carlos

Modelo dinámico de una celda de combustible de membrana de intercambio protónico

(PEMFC) aplicando identificación neurodifusa
Ingeniería UC, Vol. 15, Núm. 2, agosto-sin mes, 2008, pp. 21-30
Universidad de Carabobo
Venezuela

Disponible en: http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=70712715004

Ingeniería UC
ISSN (Versión impresa): 1316-6832
farteaga20@gmail.com
Universidad de Carabobo
Venezuela

¿Cómo citar? Número completo Más información del artículo Página de la revista

www.redalyc.org
Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
 REVISTA INGENIERÍA UC. Vol. 15, No 2, 21-30, 2008

Modelo dinámico de una celda de combustible de membrana de

intercambio protónico (PEMFC) aplicando identificación neurodifusa
César Peraza M., José Gregorio Díaz, Jorge Castellanos,
Francisco Arteaga, Carlos Villanueva

Centro de Investigación y Tecnología en Automatización, Electrónica y

Control(CITAEC), Facultad de Ingeniería,
Universidad de Carabobo, Valencia, Venezuela.
Email: cperazam@gmail.com, jpdiazp@cantv.net, farteaga20@gmail.com, cvillanu@uc.edu.ve

Resumen

Esta investigación presenta un modelo dinámico aplicando una identificación neuro-difusa (ANFIS) de un
sistema de una celda de combustible de membrana de intercambio protónico (PEMFC) realizada a partir de un
modelo matemático. En este trabajo se desarrolla un modelo de la celda (PEMFC) a partir de sus ecuaciones elec-
troquímicas. Los resultados del modelo son usados para entrenar y validar la red neuro-difusa tanto en su compor-
tamiento estático como dinámico. La prueba de comportamiento estático se valida con la obtención de la curva de
polarización de la celda y la prueba dinámica se realiza con la inyección de pulsos de corriente a la entrada de la
celda. El modelo electroquímico de prueba utilizado fue la celda Ballard Mark V. En los resultados se observa un
buen desempeño del modelo neuro-difuso realizado, con lo cual se demuestra que las redes neuro-difusas constitu-
yen una herramienta de identificación útil que simplificaría la obtención de modelos en sistemas no lineales. El
modelo electroquímico y el modelo neuro-difuso (ANFIS) son validados mediante simulación en Matlab Simu-
link.
Palabras clave: Celda de combustible, membrana de intercambio protónico, lógica neuro-difusa, ANFIS,
sistemas no lineales.

A proton exchange membrane fuel cell (PEMFC) dynamic model using

neuro-fuzzy identification (ANFIS)
Abstract

This paper introduces a dynamic model of a system of proton exchange membrane fuel cells (PEMFC) us-
ing neuro-fuzzy identification (ANFIS). The static and dynamic behavior of the neuro-fuzzy model is validated by
means of a mathematical model of a PEMFC stack of fuel cells, obtained from its electrochemical equations. This
mathematical model is also used to obtain the training data for the neuro-fuzzy model. The static behavior was
tested using the polarization curve of the cell. The dynamic behavior was simulated using input current pulses.
The neuro-fuzzy model shows a behavior very similar to that of the original mathematical model, proving the use-
fulness of the ANFIS technique in this particular area, involving a highly non-linear system.
Keywords: Fuel cell, proton exchange membrane, neuro-fuzzy, ANFIS, non linear systems.

1. INTRODUCCIÓN (hidrógeno o cualquier hidrocarburo con alto conteni-

La celda de combustible es un dispositivo elec-
troquímico capaz de producir energía eléctrica a partir
de reacciones químicas. Para lograr esto, la celda debe
ser alimentada constantemente con un combustible
do de hidrógeno) y un oxidante (oxígeno o aire). Esta
tecnología ha probado ser más efectiva que los moto-
res de combustión interna, y ambientalmente amiga-
ble, ya que sólo generan como desecho agua y calor
[1, 2].

Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008 21

Peraza, Díaz, Castellanos, Arteaga y Villanueva
El proceso de identificación en las celdas de
combustible se dificulta debido a la incertidumbre en
sus variables y a la misma indefinición de su estructu-
ra. En los últimos tiempos se han desarrollado méto-
dos en los cuales no es necesario un conocimiento
cuantitativo del sistema para modelarlo. Uno de ellos
es ANFIS (Adaptive Networks based Fuzzy Inference
System), el cual permite transformar automáticamente
los conocimientos difusos y sus correspondientes re-
glas en sistemas de inferencia difusa mediante el em-
pleo inicial de un juego de datos de entrada- salida del
proceso [3].

2. CELDAS DE COMBUSTIBLE DE MEMBRA-

NA DE INTERCAMBIO PROTONICO (PEMFC)

2.1 Operación básica de una celda de combustible

(PEMFC)
Contrario a una celda eléctrica o batería, las
celdas de combustible requieren ser recargadas [1, 4].
El funcionamiento de la celda depende de la alimenta-
ción externa del combustible y el oxidante; es decir,
mientras ambos flujos sean alimentados continuamen-
te y en las proporciones equivalentes, la celda de com-
bustible operará correctamente. La celda de combusti-
ble está compuesta por dos electrodos: un lado anódi-
co en el cual se alimenta el hidrógeno, y otro lado ca-
tódico por el que se alimenta el oxígeno (ver Figura
1). Los dos electrodos en general son catalizadores de
platino y están separados por una membrana fina de
conductor iónico electrolítico. Existen muchas varie-
dades de membranas utilizadas en las celdas de com-
bustible. El tipo de membrana utilizada para esta in-
vestigación es una PEM (membrana de intercambio
protónico o membrana de polímero electrolítica), la
cual permite que los protones puedan fluir a través de
la celda, pero detiene el movimiento de los electrones,
reactantes y productos a través de la misma. Como
resultado, los electrones fluyen a través de un circuito
externo, los iones de hidrógeno pasan por la membra-
na de intercambio protónico hasta el cátodo, donde se
combinan con las moléculas de oxígeno para formar
agua. A continuación se muestran las respectivas reac-
ciones que ocurren en la celda de combustible:
Reacción del ánodo: 2 H 2 → 4 H + + 4 e −
Reacción del cátodo: 4 H + + O 2 + 4 e − → 2 H 2 O + calor
Reacción total: 4 H + + O2 → 2 H 2 O
Figura 1. Celda de combustible de membrana de intercam-
bio protónico PEMFC.
2.2 Formulación del modelo
El voltaje de salida de una celda de combustible
simple puede ser definido como el resultado de la si-
guiente expresión [1, 4]:
VFC = E Nernst − Vact − Vohmic − Vcon
En la ecuación anterior, ENermst es el potencial
termodinámico de la celda y representa su voltaje re-
versible; Vact es la caída de voltaje debido a la activa-
ción del ánodo y del cátodo (también conocida como
sobre-potencial de activación); Vohmic es la caída de
voltaje óhmico (también conocida como sobre-
potencial óhmico), producida por las resistencias de
conducción de los protones a través del electrolito só-
lido y de los electrones a través de su ruta ; y Vcon re-
presenta la caída de voltaje resultante de la reducción
en concentración de los gases reactantes. Hay otra caí-
da de voltaje asociada a las corrientes internas y/o el
cruce de combustible. Esta caída de voltaje se conside-
ra en el modelo, usando una densidad de corriente fija
aún a operación sin carga (representada por Jn). ENermst
representa el voltaje de circuito abierto (sin carga) de
la celda de combustible, mientras que los otros tres
voltajes representan las reducciones en el voltaje de
circuito abierto para suministrar un voltaje útil en los
electrodos de la celda, VFC, en una operación a una
cierta corriente.

22 Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008

 Modelo dinámico de una celda de combustible con identificación neurodifusa

2.3 Voltaje reversible de la celda 2.5 Caída de voltaje óhmico

El voltaje reversible de la celda (ENermst) es el La caída de voltaje óhmico resulta de la resis-

potencial de la celda obtenido en un balance termodi- tencia para transferir los electrones a través de las pla-
námico de circuito abierto. Está dado por: cas colectoras y de los electrodos de carbón, y de la
resistencia para transferir los protones a través de la
ΔG ΔS membrana sólida. La resistencia equivalente de la
E Nernst = +
2F 2F
(T − Tref ) + RT
2F
⎡
( ) 1
( ) ⎤
⎢⎣ln PH 2 + 2 ln PO2 ⎥⎦ membrana se calcula por:
ρMl
RM =
Donde ΔG es el cambio en la energía libre de A
Gibbs (J/mol); F es la constante de Faraday (96,487
C); ΔS es el cambio en la entropía (J/mol); R es la Donde ρM es la resistividad específica de la
constante universal de los gases (8,314 J/K.mol); membrana para el flujo de electrón (Ω.cm), A es el
mientras que PH2 y PO2 son las presiones parciales de área activa de la celda (cm2) y l es el espesor de la
hidrógeno y oxígeno (atm), respectivamente. La varia- membrana (cm), el cual sirve como el electrolito de la
ble T denota la temperatura de operación de la celda celda.
(K) y Tref la temperatura de referencia. Usando los va-
lores de temperatura y presión estándar (SPT) en ΔG, Se usa la siguiente expresión para la resistividad
ΔS y Tref, la expresión del voltaje puede simplificarse de la membrana utilizada con el modelo empleado en
a: esta investigación:
E Nernst = 1,229 − 0,85 *10 −3 (T − 298 .15 ) + ⎡ ⎛ T ⎞ ⎛ i FC ⎞ ⎤
2 2 ,5
⎛i ⎞
181 , 6 ⎢1 + 0 , 03 ⎜ FC ⎟ + 0 , 062 ⎜ ⎟ ⎜ ⎟ ⎥
⎝ A ⎠ ⎝ 303 ⎠ ⎝ A ⎠ ⎦⎥
(
⎡
) 1
( )⎤
4 , 31 * 10 − 5 ⎢ ln PH 2 + ln PO 2 ⎥ RM =
⎢
⎣
⎣ 2 ⎦ ⎡ ⎛ i FC ⎞ ⎤ ⎡ ⎛ T − 303 ⎞ ⎤
⎢ψ − 0 , 634 − 3⎜ A ⎟ ⎥ exp ⎢ 4 ,18 ⎜ T
⎟⎥
⎣ ⎝ ⎠⎦ ⎣ ⎝ ⎠⎦
2.4 Caída de voltaje de activación
Donde el término 186/(ψ-0.634) es la resistivi-
Como se muestra a continuación, el sobre- dad específica (W.cm) sin corriente, a 30°C; el térmi-
potencial de activación, incluyendo el ánodo y el cáto- no exponencial en el denominador es el factor de co-
do, puede calcularse por: rrección de la temperatura si la celda no está a 30°C,

[ ( )
V act = − ξ 1 + ξ 2T + ξ 3T ln c O 2 + ξ 4T ln (i FC )] el parámetro ψ es un parámetro ajustable con un posi-
ble valor máximo de 23.

Usando el valor de RM para la resistencia de la

Donde iFC es la corriente de operación de la cel-
da (A), las ξ’s representan los coeficientes paramétri-
cos para cada uno de los modelos de la celda, cuyos
valores están definidos en base a ecuaciones teóricas
de la cinética, fundamentos electroquímicos y termo-
dinámicos. CO2 es la concentración de oxígeno en la
interfaz catalítica del cátodo (mol/cm3), determinada
por:
PO 2
cO2 = − 498
5 , 08 * 10 6 e T
membrana, la siguiente expresión determina la caída
de voltaje óhmico:
V ohmic = i FC (R M + RC )
Donde RC representa la resistencia para transfe-
rir los protones a través de la membrana, usualmente
considerada constante.
2.6 Concentración o caída de voltaje de transporte
Para determinar una ecuación para esta caída de
voltaje, se define una densidad de corriente máxima,
Jmax, bajo la cual el combustible se usa a la misma rata

Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008 23

Peraza, Díaz, Castellanos, Arteaga y Villanueva
de la velocidad máxima de suministro. La densidad de
corriente no puede sobrepasar este límite porque el
combustible no puede suministrarse a una rata mayor.
Los valores típicos para Jmax están en el rango de 500 a
1500 mA/cm2. Así, la caída de voltaje debida al trans-
porte de masa puede determinarse por:
⎛ J ⎞ inferencia difusa recibe comúnmente el nombre de
V con = − B ln ⎜⎜ 1 − ⎟⎟
⎝ J max ⎠
(1)
Donde B (en V) es un coeficiente paramétrico,
que depende de la celda y de su estado de operación y
J representa la densidad de corriente actual de la celda
(A/cm2).
2.7 Dinámica de la celda
En celdas de combustible existe un fenómeno
conocido como “carga doble capa” [5]. Este fenómeno
es de extrema importancia para la comprensión de la
dinámica de la celda: siempre que dos materiales car-
gados diferentemente están en contacto, hay una acu-
mulación de carga en sus superficies o una transferen-
cia de carga de una a otra, que origina un retardo en la
respuesta en los potenciales de concentración y activa-
ción. Es importante apuntar que el sobre-potencial
óhmico no está afectado, dado que está linealmente
relacionado con la corriente de la celda a través de la
ley de Ohm. Así un cambio en la corriente causa un
cambio inmediato en la caída de voltaje óhmico.
De esta forma, puede considerarse que existe un
retardo de primer orden en los voltajes de concentra-
ción y activación. La constante de tiempo, τ (s), aso-
ciada con este retardo es el producto:
τ = CR a dancia con el fabricante en cuestión.
Donde C representa la capacitancia equivalente
(F) del sistema y Ra la resistencia equivalente (Ω). El
valor de la capacitancia es de pocos Faradios. La resis-
tencia Ra está determinada desde la corriente de salida
de la celda y de los voltajes de concentración y activa-
ción. Entonces Ra se obtiene desde:
V act + V con
Ra =
i FC
En términos amplios, el efecto capacitivo ase-
gura el buen comportamiento dinámico de la celda,
24 Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008
dado que el voltaje se mueve suavemente a un nuevo
valor en respuesta a un cambio en la demanda de co-
rriente.
3. MODELADO NEURO-DIFUSO
El proceso de construcción de un sistema de
“modelado difuso”. En el mismo se puede utilizar un
conjunto de datos de entrada/salida que permitan la
identificación de los parámetros del modelo, los cuales
optimicen el desempeño del sistema. En particular, el
término “modelado neuro-difuso” se refiere a la forma
de aplicar varias técnicas de aprendizaje (desarrolladas
para las redes neuronales artificiales) a los sistemas de
inferencia difusa [3]. Entre éstas destaca ANFIS, utili-
zada en esta investigación.
4. MODELO NO LINEAL DE UNA CELDA DE
COMBUSTIBLE PEMFC
Cuando se lleva a MATLAB-SIMULINK el
modelo no lineal de la celda de combustible tipo
PEMFC descrito en la sección 2, se obtiene el diagra-
ma de bloques mostrado en la Figura 2.
A fin de comprobar la exactitud del modelo se
procedió a su evaluación, utilizando los parámetros de
la Tabla 1 y las curvas características (Figuras 3 y 5)
de una celda de combustible comercial (BALLARD
MARK V).
La Figura 3 muestra la curva de polarización de
la celda que representa el voltaje de salida como una
función de la densidad de corriente en régimen perma-
nente, dada por la literatura especializada y en concor-
La Figura 4 muestra los resultados obtenidos
por la simulación. Los resultados mostrados arrojan un
buen desempeño del modelo con respecto a los datos
de validación (Figura 3). El error obtenido se encuen-
tra por debajo del 2% para densidades de corriente
comprendidas entre 0,1 y 1,3 A/cm2, lo que permite
decir que el modelo tiene un desempeño completa-
mente aceptable.
La Figura 5 muestra la respuesta del sistema a
la prueba de inyección de corriente, tal como la sumi-
nistra el fabricante.
 1 PH_2
P_H2 Scope

2 PO_2 Out1
1
P_O2
0.1s+1 Nc 1
Transfer Fcn
3 T V_FC
Gain2
T(K)
Voltaje de
Nernst 2
P_FC
Product
T

Out1

4 I_FC
I_FC
Voltaje
Ohmico
u/1.48 3
P_H2 EFEC_FC
Gain

Scope1
P_O2

Out1 Vact

T Vcon Out1

I_FC

I_FC Subsystem

Voltaje
Activacion Jn 1.1163

Constant Gain1

Figura 2. Modelo no lineal de una celda de combustible.

I_FC Out1

Voltaje
Concentracion

Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008

Modelo dinámico de una celda de combustible con identificación neurodifusa

25
Peraza, Díaz, Castellanos, Arteaga y Villanueva

En la Figura 6 aparece el pulso de corriente es- Tabla 1: Parámetros de la PEMFC BALLARD

tándar que se aplica en esta prueba, el cual sirve para
obtener el comportamiento dinámico de la celda y que Parámetro Valor Parámetro Valor
también fue utilizado para probar dinámicamente al T 343 K ξ1 -0,948
modelo. Para esta prueba se asocian 35 celdas con
área activa de cada celda de 232 cm2 y potencia de 5 0,00286+
A 50,6 cm2 ξ2 0,0002.lnA+
KW a 960 mA. (4,3.10-5)lnCH2
l 178 μm ξ3 7,6.10-5
La Figura 7 muestra los resultados de la simula-
PH2 1 atm ξ4 -1,93.10-4
ción de esta prueba. De la misma manera se tiene un
muy buen desempeño del modelo de la celda PEMFC PO2 1 atm ψ 23
a los cambios de carga, pudiéndose observar la res-
B 0,016 V Jmax 1500 mA/cm2
puesta transitoria del sistema.
Rc 0,0003 Ω Jn 1,2 mA/cm2

Figura 3. Curva de polarización de la PEMFC BALLARD.

S a lid a d e l M o d e lo M a t e m a t ic o E s t a t ic o
C u rva d e P o la riz a c io n
1.5

1.3
Salida de Voltaje de la Celda

1.1

0.9

0.7

0.5
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.5
D e n s id a d d e C o rrie n t e

Figura 4. Curva de polarización obtenida de la simulación.

26 Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008

 Modelo dinámico de una celda de combustible con identificación neurodifusa

Figura 5. Respuesta en voltaje de la pila a la prueba de inyección de carga (PEMFC BALLARD)

Figura 6. Corriente de la pila para la prueba de inyección de carga (PEMFC BALLARD)

Respuesta en voltaje de la pila

40

30
Voltajedelapila(V)

20

10
0 2.5 5 7.5 10
tiempo (s)

Figura 6: Corriente de la Pila para la prueba de inyección de carga (PEMFC BALLARD)

Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008 27

Peraza, Díaz, Castellanos, Arteaga y Villanueva

5. MODELO ANFIS DE UNA CELDA DE COM-
BUSTIBLE PEMFC
Después de validar el modelo no lineal de la
celda PEMFC, se procedió a realizar la identificación
aplicando ANFIS (contenido en la toolbox de Fuzzy
Logic de MATLAB). El modelo se diseñó con tres
entradas: corriente de carga, las salidas pasadas (t-1) y
(t-2), y una salida (voltaje de la celda).
Completado el entrenamiento, se comparan los
datos proporcionados por el modelo no lineal (datos
de entrenamiento y de comprobación) con los genera-
dos por el modelo ANFIS. En la Figura 8 aparecen los
puntos correspondientes, observándose la similitud
entre ambos (modelo no lineal y modelo ANFIS), lo
cual significa que la identificación neuro-difusa resul-
tó completamente satisfactoria. Esta prueba representa
el ensayo en condiciones estáticas del sistema
(régimen permanente).
Al realizar la prueba dinámica con inyección de
carga (pulso rectangular de corriente de la figura 6) se
observa en la Figura 9 que el modelo ANFIS genera
respuestas transitorias de tipo exponencial, como las
que aparecen en la Figura 5. Esto indica que el modelo
ANFIS resulta satisfactorio también para condiciones
dinámicas. En la gráfica se presentan la entrada de
corriente en forma de un pulso de corriente, la salida
del modelo matemático y la salida de ANFIS.
6. CONCLUSIONES
Se realizó una identificación apropiada del mo-
delo de la celda de combustible usando la técnica de
identificación de modelo ANFIS. El modelo obtenido
con ANFIS tiene un excelente comportamiento estáti-
co y dinámico de acuerdo al modelo matemático in-
vestigado.
Se generó un modelo matemático en base a un
modelo teórico investigado para verificar la calidad de
la generalización del modelo obtenido con ANFIS,
porque no se dispone de un conjunto de datos experi-
mentales de la celda. En comparación con la genera-
ción del modelo matemático usando Simulink, la im-
plementación en ANFIS resultó sencilla de implemen-
tar.

250
E ntrada de Corriente (A )

200

150

100

50

1.5
S alida M odelo Celda (V )

0.5

1.5
S alida A nfis (V )

0.5

0 1 2 3 4 5 6 7 8 9 10
Tiempo (s)

Figura 8. Comparación entre la salida de ANFIS y el modelo no lineal para la curva de polaridrización.

28 Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008

 Modelo dinámico de una celda de combustible con identificación neurodifusa

160
Corriente de entrada (A)

140

120

100

80

60

40

1
S alida Modelo de Celda (V)

0.9

0.8

0.7

0.6

1
Salida Anfis (V)

0.9

0.8

0.7

0.6
0 1 2 3 4 5 6 7 8 9 10
Tiempo (s)

Figura 9: Respuesta del modelo no lineal y ANFIS a la prueba de inyección de corriente.

Para el desarrollo de un modelo matemático se ble (control de presiones de O2 y H2, control de tempe-
necesita conocer muchos parámetros propios de una ratura) para obtener a la salida un voltaje estable, inde-
celda de combustible (tarea difícil), en ANFIS sólo se pendiente de la carga. Investigar el modelado de otros
necesitan los datos experimentales de entrada/salida tipos de celdas de combustible usando ANFIS.
de la celda a modelar. Al entrenar el sistema ANFIS se
observó que requiere de un alto número de muestras Desarrollar el control de un conjunto de celdas
de la señal que se va a modelar. Esto puede resultar de combustibles interconectadas que alimentan un sis-
inconveniente para el caso de celdas de combustible tema inversor para la generación de corriente alterna
para las cuales el número de muestras disponibles es de uso industrial y doméstico.
reducido en la mayoría de los casos.
8. REFERENCIAS
Las celdas de combustible tienen una respuesta
dinámica por lo que el modelaje en ANFIS requiere de [1] Jeferson M. Corrêa, Felix A. Farret, Luciane N.
la realimentación de los estados anteriores del sistema. Canha and Marcelo G. Simões. ‘An Electroche-
Esto puede acarrear un problema cuando está presente mical-Based Fuel Cell Model Suitable for Elec-
cualquier error del modelo ANFIS con respecto al sis- trical Engineering Automation Approach’. IEEE
tema modelado. Trans. Ind., Electr., VOL. 51, NO. 5, OCTOBER
2004.
7. RECOMENDACIONES [2] Facendo, A. “Caracterización del Comportamien-
to Eléctrico de una Planta de Celda de Combusti-
Profundizar en el estudio del modelado de siste- ble como Fuente de Generación Eléctrica”, Tra-
mas usando ANFIS, en particular lo relacionado con la bajo especial de Grado para Optar al Titulo de
respuesta dinámica del sistema. Usar ANFIS para des- Ingeniero Electricista, UNEFA, Maracay, Vene-
arrollar el sistema de control de la celda de combusti- zuela, En Desarrollo.

Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008 29

Peraza, Díaz, Castellanos, Arteaga y Villanueva

[3] Abelardo del Pozo Quintero. ‘Identificación me-

diante un Sistema Neuro-difuso de Plantas no
Lineales’, Departamento de Control Automático,
Instituto de Cibernética, Matemática y Física, La
Habana, CUBA. Marzo 2002.
[4] Paulo E. M. Almeida, M. Godoy Simões. ‘Neural
Optimal Control of PEM Fuel Cells with Parame-
tric CMAC Networks’. In Industry Applications
Conference, 2003. 38th Annual meeting. Vol 2,
pag 723-730. Oct 2003.
[5] M. Cirrincione, M. Pucci, G. Cirrincione, M. G.
Simões. ‘A Neural Non-linear Predictive Control
for PEM-FC’. J. Electrical Systems 1-2 (2005):
1-18
[6] Pérez Pueyo, Rosanna. ‘Procesado y Optimiza-
ción de Espectros Raman mediante Técnicas de
Lógica Difusa: Aplicación a la identificación de
Materiales Pictóricos’. Tesis Doctoral, Universi-
dad Politécnica de Cataluña, España. Enero 2005.
[7] Daniel Fernández Rojel. ‘Las Celdas de Combus-
tible, una Alternativa Ecoeficiente en la Genera-
ción de Energía Eléctrica’. Facultad de Ciencias
de la Ingeniería de la Universidad Diego Portales,
Chile. Enero 2005.
[8] Kimberly Bickraj, Thierry Pamphile, Aylin Ye-
nilmez, Ming Li, Ibrahim N. Tansel. ‘Fuzzy Lo-
gic Based Integrated Controller for Unmanned
Aerial Vehicles’. Transactions on Computer Sys-
tems, 2006 Florida Conference on Recent Advan-
ces in Robotics, FCRAR 2006.

30 Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008