Beruflich Dokumente
Kultur Dokumente
23-35
Bortoni-Anzures L.
Gmez-Melndez D.
Herrera-Ruz G.
Martnez-Madrid M.
Pineda-Contreras A.R.
Auvinet-Guichard G.
Optimizacin de forma de un
cuerpo suspendido basada en
reglas evolutivas y modelado
paramtrico: la forma de un
fruto
PP. 1- 138
Velzquez-Villegas F.
Santilln- Gutirrez S.D.
37-42
43-51
53-63
Estudio de validacin de un
mtodo para seleccionar
tcnicas de pronstico de
series de tiempo mediante
redes neuronales artificiales
Acosta-Cervantes M.C.
Villarreal-Marroqun M.G.
Cabrera-Ros M.
89-98
Investigacin numrica de las
condiciones de lubricacin en
chumaceras hidrodinmicas
con el efecto del
desalineamiento del eje
Velasco-Ramrez E.
ngeles-Camacho C.
Garca-Martnez M.
Osornio-Correa C.
Villarreal-Calva R.C.
Molina-Cristbal A.
Estavillo-Galsworthy J.
Santilln-Gutirrez S.D.
Antonio Garca A.
Linares-Flores J.
Arias-Montiel M.
99-111
113-123
125-138
Aproximacin de perfiles
discretos en elementos de
contacto de ensambles
mecnicos
Contraste de la distribucin
Logstica Generalizada en 31
registros histricos de eventos
mximos anuales
Bedolla-Hernndez J.
Szwedowicz-Wasik D.
Cortes-Garca C.
Majewski-Szymiec T.
Martnez-Rayn E.
Gutirrez-Wing E.S.
Campos-Aranda D.F.
Cuevas E.
Oliva D.
www.ingenieria.unam.mx/~revistafi
H, Z
X
x
e0
Z
Z
81-88
Redes de transmisin
inteligente. Beneficios y
riesgos
65-80
Optimization of Power Train
and Control Strategy of a
Hybrid Electric Vehicle for
Maximum Energy Economy
Investigacin y Tecnologa
Vol. XIV
Salazar-Hornig E.
Medina-S. J.C.
Ingeniera
Nm. 1
Ibarra-Martnez S.
Castn-Rocha J.A.
Laria-Menchaca J.
Guzmn-Obando J.
Castn-Rocha E.
1-9
ISSN 1405-7743
Secretario Administrativo
Abogado General
Comit Editorial
lvaro Aldama Rodrguez
Consultor
Consultor
Hugh Rudnick
Dante Fratta
Facultad de Ingeniera,
Universidad de Antioquia Colombia
Sanjit K. Mitra
Coordinacin de Arbitraje
Contenido
65-80 Optimization of Power Train and Control Strategy of a Hybrid Electric Vehicle for
Maximum Energy Economy
Optimizacin del tren de potencia y la estrategia de control de un vehculo elctrico hbrido
para mxima economa de energa
Osornio-Correa C., Villarreal-Calva R.C., Molina-Cristbal A., Estavillo-Galsworthy J.
and Santilln-Gutirrez S.D.
Portada/Cover
Off-tracking and swept path width during a stationary
turn
Bortoni-Anzures L.
Herrera-Ruz G.
Gmez-Melndez D.
Martnez-Madrid M.
Information on the article: received: November 2007, reevaluated: April 2008, accepted: February 2012
Abstract
Trucks with semi-trailers are widely used for transportation of goods due
their low operation cost, but inherent to these vehicles are some problems
such as a poor maneuverability. To minimize the effects of this disadvantage, among other solutions, the incorporation of steerable axles in the semitrailers has been proposed. This paper presents a steering equation, and a
fuzzy-logic controller for a semi-trailer automatic forced-steering system to
minimize the off-tracking and the total swept path width, resulting in an
improvement of vehicles maneuverability at low speeds. To accomplish
this, the suggested control algorithm considers the articulation angle and
parameters such as vehicle speed and direction. The system was tested on an
instrumented experimental semi-trailer during various predetermined test
maneuvers.
Keywords:
Semi-trailer
automatic steering
fuzzy control
maneuverability
Resumen
Los vehculos tractor-semirremolque se usan ampliamente para el transporte de mercancas debido su bajo costo de operacin, pero hay algunos problemas inherentes a
estos vehculos, como una pobre maniobrabilidad. Para minimizar los efectos de esta
desventaja, entre otras soluciones, se ha propuesto la incorporacin de ejes direccionales en los semirremolques. En este trabajo se presenta una ecuacin de direccin y
un control mediante lgica difusa para un sistema automtico de direccin forzada
para semirremolque para minimizar el despiste y el ancho de va, mejorando la maniobrabilidad del vehculo a velocidades bajas. El algoritmo de control sugerido considera el ngulo de la articulacin y parmetros como velocidad del vehculo y su
direccin. El sistema se prob en un semirremolque experimental instrumentado
durante varias maniobras experimentales predeterminadas.
Introduction
Articulated vehicles have proven their economic profitability, but as the number of these vehicles grows, it
becomes evident that there is a substantial need to improve their handling control performance.
Different approaches have been taken into consideration; one important and promising is related to trajectory matching and lateral control of these heavy
vehicles. In this line of work the objective is, in general,
to make the articulated vehicles able to follow a secure
and efficient path (Bolzern and Locatelli, 2001; El-Gindy, 1978; Hingwe et al., 2000; Sampei et al., 1995 and
Tsao et al., 2006), are a few of researchers who specialize
in trajectory matching.
The biggest project in this area is the California Partners for Advanced Transit and Highways (California
Paths) (Hingwe et al., 2000) where numerous groups of
government, public and private institutions are involved in the development of automated highway systems
(AHS).
A different approach is to propose design modifications or the implementation of mechanical components
that improve overall vehicular maneuverability performance. Steerable axles on semi-trailers are an option to,
not only improve maneuverability, but also reduce risk
of accidents and decrease fuel consumption and tire
wear. Further, it may also minimize hazards and damage to roadway infrastructures. Several mechanical configurations have been tested via computer simulation
(Sankar et al., 1991), yet few of them are already used as
prototypes or are in early commercial stages.
Those mechanisms represent significant benefits for
vehicles, but they still need to be improved since some
stability problems have been raised. Inside the group of
steering axles of a semitrailer, the command-steer system is the most efficient option (Jujnovich and Cebon,
2002).
Descriptores:
semirremolque
direccin automtica
control difuso
maniobrabilidad
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 1-9 ISSN 1405-7743 FI-UNAM
Instrumentation
To track the geometric behavior of the vehicle, a GPS
receiver was installed on top of the fifth wheel, and angular transducers in the steering wheels of the truck, in
the hitch and in the steering wheels of the semi-trailer.
This procedure is clearly explained in (Bortoni et al.,
2007).
Also accurate yaw rate sensors and lateral accelerometers were placed in the chassis of the truck and the
semi-trailer. Finally a mini camera was installed in the
front of the truck pointed toward the ground to guide
the driver during specific maneuvers (Figure 2).
The signals were monitored by two portable computers. The sample rate was established in 50 samples
per second per channel. This sampling frequency was
considered high enough to have a detailed time history
of the measurements.
Handling performance
Handling performance is the result of a vehicles steering inputs determined by the vehicle weights, dimensions, and mechanical properties of the tires, suspension,
vehicle frames, and weight distribution among the
axles (Sampson, 2000).
Consequently, a number of performance measures
can be compiled to assess the maneuverability performance of the vehicles, particularly with regard to articulated trucks. This study considers the performance
measures related to geometrical requirements, as:
Off-tracking
Whenever a vehicle with more than one axle turns, rear
wheels fail to follow the path of front wheels precisely.
Off tracking measures the maximum distance between
the paths of the steering axle and the axle of the most
rearward wheels (Battelle Team, 1995).
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 1-9 ISSN 1405-7743 FI-UNAM
king and swept path width measurements during circular constant radius turns, also called stationary turns.
Test maneuvers
For testing, three different maneuvers were considered:
two related to a predetermined defined following path
and one slalom type. The first two consisted of a stationary turn and a 90 transient turn, performed at a very
low velocity.
Circular and transient curve paths were traced on
the pavement surfaces which were to be followed by
the truck to facilitate the path following an 8, 9.5 and
11.25 m. radius, the stationary turn like the illustration
in Figure 3 and transient turn in Figures 4 and 5.
Figure 4 shows the typical maneuverability performance of an articulated vehicle. f stands for the angle of
the front axle, the steering axle on the truck, and a for
the articulation angle.
In the case when the 9.5 m maneuver was made, the
results observed demonstrated that the angle of the articulation reached 40 which means an off-tracking of
2.95 m and a swept path width of 4.6 m.
When the semi-trailer axle is set to command steer
as seen in Figure 5, it was found that the maneuver
10
0
35
55
75
[]
-10
-20
-30
f
a
r=0
-40
t [s]
10
[]
0
-10
25
45
65
f
a
r
-20
-30
-40
t [s]
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 1-9 ISSN 1405-7743 FI-UNAM
Control equation
30
0,15
30
0,15
20
0,10
20
0,10
10
0,05
10
0,05
0,00
10
20
30
40
50
-10
[/s]
-0,05
r
f
ay
-20
r=0
-30
-0,10
20
30
40
50
-0,05
r
f
ay
-20
-0,15
0,00
10
-10
-30
t [s]
a)
ay [g's]
ay [g's]
[/s]
-0,10
-0,15
t [s]
b)
Figure 6. Shows yaw rates and semi-trailers axle lateral acceleration history, a) is the fixed semi-trailer axle, while b) is the steerable
semi-trailers axle
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 1-9 ISSN 1405-7743 FI-UNAM
where
Factor X in equation 1 refers to the dimensional specification of the semi-trailer G, H, L and Y are all illustrated
in Figure 1. In equation 2, L is the articulation on the
fifth wheel measured in degrees and Y corresponds to
the angle required by the steering axle of the semi-trailer to minimize off-tracking.
L = articulation angle
Fuzzy-logic control
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 1-9 ISSN 1405-7743 FI-UNAM
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 1-9 ISSN 1405-7743 FI-UNAM
Acknowledgments
Figure 11. Fuzzy-controller block diagram
References
Conclusion
Heavy articulated vehicles are used world-wide, as one
of the most feasible solutions for freight. Due to the
length dimensions and weight they encounter poor maneuverability.
The handling of this kind of such vehicles can be
greatly improved by using steering axles in the semitrailer to reduce the required road surface necessary to
perform a turn maneuver placing less demand on lateral tire efforts and consequently decreasing the risk of
loosing vehicular directional control, not to mention
the reduction of tire wear and scrub. Likewise, by reducing lateral tire friction, the damage to road infrastructures will be minimized.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 1-9 ISSN 1405-7743 FI-UNAM
Neads S. Path Following in Articulated Vehicle, Antony Best Dynamics, UK, 2006.
Passino M. Fuzzy Control. Department of Electrical Engineering,
Addison-Wesley, Longman Inc, California, USA, 1998.
Prem H. and Ramsay E. Performance Evaluation of the Trackaxle SelfSteering System, RTDynamics, Australia, 2001.
Sampei M., Tamura T., Kobayashi T., Shibui N. Arbitrary Path
Tracking Control of Articulte Vehicules Using Nonlinear Control Theory. IEEE Transactions on Control Systems Technology,
volume 3 (issue 1), 1995.
Sampson D. Active Roll Control of Articulated Heavy Vehicles, Churchill College, University of Cambridge, UK, 2000.
Sankar S., Rakheja S., Piche A. Directional Dynamics of a TractorSemitrailer with Self- and Forced-Steering Axles, Concave Research Centre, Concordia University, Canada, 1991.
Tsao J., Dessouky Y., Rangavajhula K., Zeta J., Zhou L. Automatic
Steering For Conventional Truck Trailers, San Jose State University, California PATH Research Report, USA, 2006.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 1-9 ISSN 1405-7743 FI-UNAM
Auvinet-Guichard G.
Instituto de Ingeniera
Universidad Nacional Autnoma de Mxico
Correo: apinedac@iingen.unam.mx
Instituto de Ingeniera
Universidad Nacional Autnoma de Mxico
Correo: gauvinetg@iingen.unam.mx
Informacin del artculo: recibido: abril de 2009, reevaluado: febrero de 2012, aceptado: julio de 2012
Resumen
En este artculo se exponen las herramientas matemticas que constituyen la
base de la formulacin del mtodo del elemento finito estocstico espectral para
problemas de elasticidad lineal. Se ilustra el potencial que presenta este mtodo para modelar la variacin espacial de las propiedades de materiales
heterogneos y en particular de los suelos, mediante un ejemplo sencillo en
el que se analiza cmo se propaga la incertidumbre del mdulo de deformacin de un material al campo de desplazamientos calculados. Se muestra en
particular la influencia de la distancia de correlacin sobre la distribucin de
la incertidumbre. Finalmente, se evala la utilidad del mtodo para las aplicaciones en geotecnia y se presentan conclusiones.
Descriptores:
mdulo de deformacin
incertidumbre
variacin espacial
campo aleatorio
expansin de KarhunenLove
expansin en caos polinomial
elemento finito
Abstract
This paper presents the mathematical tools in which the formulation of Spectral
Stochastic Finite Element Method is based. The usefulness of this method to model
the spatial variability of heterogeneous materials, and in particular of soils, is illustrated by a practical example in which the propagation of the uncertainty on the
deformation modulus to the computed displacement field is assessed. The influence
of the correlation length on the distribution of uncertainty is set forth. Finally, the
advantages of the method in geotechnical engineering are evaluated and some conclusions are presented.
Keywords:
deformation modulus
uncertainty
spatial variability
random field
Karhunen-Love expansion
chaos polynomial expansion
finite element
Introduccin
Generalmente, los resultados de los anlisis geotcnicos se encuentran afectados por una incertidumbre importante, debido a que los geomateriales son
heterogneos y complejos. Estos resultados dependen
de numerosos factores aleatorios (realizacin de pruebas de laboratorio, remoldeo de muestras, etctera) que
influyen directamente en la determinacin de los parmetros de los materiales. Estimar la incertidumbre que
afecta dichos resultados ha sido una tarea que ha interesado a los ingenieros geotecnistas desde tiempo atrs.
Casagrande (1965) enfatiza, por ejemplo, la importancia de evaluar no slo los riesgos calculados, inherentes
a las obras geotcnicas, sino tambin los relacionados
con las fallas humanas. En los ltimos decenios, se ha
recurrido a las tcnicas probabilistas y estadsticas para
modelar la incertidumbre dentro de un marco racional
para diversos problemas en el campo de la geotecnia
(Auvinet, 2002).
Un mtodo que permite modelar y cuantificar la incertidumbre que induce la dispersin de los parmetros de los materiales en los resultados de los anlisis,
es el mtodo del elemento finito estocstico (MEFE), el cual
es una combinacin del mtodo del elemento finito (MEF)
con la teora de la probabilidad (Cambou, 1974; Vanmarcke, 1983), donde los parmetros afectados por incertidumbre se representan por medio de variables
aleatorias o campos aleatorios. Las principales tcnicas
usadas en geotecnia hasta el momento, las cuales permiten aplicar el MEFE son los mtodos de perturbaciones (variables aleatorias) y de simulacin (Monte Carlo:
variables y campos aleatorios) (Auvinet, 2002).
Los anlisis con el MEFE han permitido ilustrar la
influencia de la incertidumbre en los parmetros constitutivos en los desplazamientos, esfuerzos y deformaciones de estructuras trreas (Orlandi, 1996; Bouayed,
1997; Mellah, 1999; Auvinet et al., 2000; Vzquez, 2005)
y han resultado ser un camino apropiado para decidir
cules parmetros deben definirse con especial cuidado
en la etapa de diseo. Por ejemplo, con el mtodo de
perturbaciones y mediante un anlisis elstico lineal, en
el que el material se puede caracterizar por dos parmetros: mdulo de deformacin (E) y relacin de Poisson (n), se ha podido poner en evidencia que la relacin
de Poisson desempea un papel predominante en la
posicin y extensin de zonas de tensin en la cortina
de presas de tierra y enrocamiento (Louault, 1997; Prez, 2000). Por otro lado, respecto a los anlisis de flujo
de agua, se han podido definir tcnicas basadas en el
MEFE para tomar en cuenta la considerable incertidumbre asociada con la conductividad hidrulica (L-
12
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 11-22 ISSN 1405-7743 FI-UNAM
al caso en que el material se puede considerar en primera aproximacin como elstico lineal (mdulo de deformacin y relacin de Poisson). La validez de la hiptesis
de un comportamiento aproximadamente elstico lineal de los materiales constitutivos en los anlisis de
esfuerzo-deformacin con el MEF de estructuras trreas ha sido confirmada con mediciones de campo (Alberro et al., 1998) a la condicin de tomar en cuenta la
no-linealidad geomtrica (construccin por capas).
a) Variables aleatorias
b) Campos aleatorios
Estimativos
Cuando no se cuenta con muestreo ni mediciones de
campo, se realiza un anlisis de incertidumbre a priori.
La variacin espacial de los parmetros de los materiales es entonces definida generalmente mediante una
variable aleatoria para cada subdominio que rene ciertas condiciones de homogeneidad. El grado de correlacin entre diferentes variables estimativas es siempre
difcil de estimar. Conviene considerar que existe correlacin entre las propiedades de materiales diferentes
cuando se tiene el mismo tipo de dudas respecto a su
valor, o cuando han sido determinadas experimental-
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 11-22 ISSN 1405-7743 FI-UNAM
13
Descriptivos
El campo de tipo descriptivo corresponde a una situacin en la que se tiene un nmero significativo de mediciones en distintos puntos de la masa del suelo, el
anlisis de incertidumbre es entonces a posteriori. Los
parmetros del campo se obtienen directamente a partir de las mediciones o modificando los parmetros de
un campo estimativo definido a priori usando un enfoque Bayesiano. El campo aleatorio descriptivo resultante es entonces de tipo condicional con respecto a las
mediciones.
Enfoque espectral
Los anlisis estocsticos que se realizan con el MEF en
geotecnia, mediante el mtodo de perturbaciones, representan generalmente la incertidumbre de los parmetros constitutivos a travs de variables aleatorias. El
enfoque espectral tiene la ventaja de permitir representar la variabilidad espacial por medio de campos aleatorios Gaussianos1. En esta seccin se describen las
herramientas matemticas que permiten la formulacin del MEFEE tal como la desarrollaron Ghanem y
Spanos (1991).
Este mtodo se puede utilizar en geotecnia para realizar anlisis de incertidumbre en donde la variabilidad
espacial de las propiedades de los materiales (por ejemplo el mdulo de deformacin) se modela como un
campo aleatorio Gaussiano, eventualmente despus de
una transformacin del campo real. Posteriormente, las
caractersticas (esperanza, desviacin estndar) del
campo aleatorio de la respuesta (desplazamientos, deformaciones, etctera) son determinadas a travs de un
anlisis de segundos momentos (Sudret y Der Kiureghian, 2000).
14
a) Representacin de la incertidumbre
En el enfoque espectral el campo aleatorio V(X) del mdulo de deformacin se representa mediante la expansin en serie de Karhunen-Love. Esta expansin,
considera que el campo es estacionario en el sentido
amplio2; se basa en la descomposicin espectral de la
funcin de autocovarianza y permite reducir la dimensin del campo aleatorio de forma abstracta a travs de
un conjunto finito M de variables aleatorias y funciones
deterministas ortogonales. Tal serie se expresa de la siguiente manera
M
=
V ( X
) E{V ( X )} + li x i (q )ji ( X )
i =1
(1)
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 11-22 ISSN 1405-7743 FI-UNAM
Martin, 1947).
p (x i (q ), ..., x i (q )) , respectivamente.
1
p
Para representar cada desplazamiento nodal aleatorio dentro de una estructura que capture la variabilidad
c) Formulacin del MEFEE
posible de estos, se requiere crear una base estocstica a
travs de expansiones no lineales. As, cada variable
En el anlisis lineal por el mtodo del elemento finito
aleatoria se puede expandir mediante un caos polinomial
clsico se establece un sistema de ecuaciones de equilide la siguiente manera:
brio
i1
donde:
p (x i (q ), ..., x i (q )) denota el caos homogneo de
1
p
orden p y ui son las coordenadas de la variable u(q)
p
asociadas a este orden (cero, primero, segundo, etctera). Se define como caos polinomial al conjunto de polinomios multidimensionales y al espacio que ocupan
tales polinomios se le llama caos homogneo.
La construccin del caos polinomial de dimensin finita es a partir de un nmero M de variables aleatorias
Gaussianas ortonormales, xi (q ) que provienen de la
expansin en serie de Karhunen-Love.
El caos polinomial de dimensin M y orden p se obtiene a partir de polinomios multidimensionales Gaussianos. Cada uno de estos polinomios se define como una
secuencia de M enteros no negativos {a1 , , aM} de la
siguiente manera
K U = F
(7)
K = W BT DBd W
(8)
donde
W es el dominio de estudio,
B es la matriz de forma y
D es la matriz de elasticidad.
La formulacin de la ecuacin de equilibrio estocstica
del MEFEE se basa en representar la variabilidad espacial de la propiedad del material (mdulo de deformacin) como un campo aleatorio VE(X) mediante la
expansin de Karhunen-Love, quedando la matriz de
elasticidad D expresada como
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 11-22 ISSN 1405-7743 FI-UNAM
15
D(X) = VE (X) D0
(9)
= K +
i =1
li
We
ji ( X ) BT D0 Bd W e (10)
P -1
con
Kjk
cijk K i
(15)
i =0
La ecuacin (14) establece un sistema de ecuaciones lineales con dimensiones N.P N.P, donde N est determinado por el nmero fsico de grados de libertad en el
modelo de elemento finito y P por el nmero de coeficientes que se utilizan en la expansin en caos polinomial, dicho sistema se expresa como:
K 00 K 0, P U o F0
K
10 K1, P U1 =
0
(16)
K P ,0 K P , P U P 0
F
(11)
K + Kixi (q ) U j Y j (q ) =
i =1
j =0
Cov (U=
,U )
M P -1
E=
{M , P , Y k } kiU j E{x i Y j Y k } - E{F Y k }
=i 1 =j 0
(13)
La ecuacin (13), que representa la ecuacin de equilibrio estocstica global, es una funcin de la base polinomial sobre el espacio de funciones de Hilbert; donde
Fk= E{FYk} es cero si k > 0 para cargas deterministas y
E{x i Y j Y k } es la esperanza del producto de dos polinomios y una variable aleatoria (Sudret y Der, 2000;
Dumitriu et al., 2007), denotada por cijk . Agrupando
trminos en la ecuacin (13), se tiene finalmente que la
ecuacin de equilibrio estocstica es
P -1
K jkU j = Fk
j =0
16
(14)
E{U } = U 0
P -1
E{Y i }U iU i
i =0
(17)
(18)
Aplicacin
Para ilustrar la utilidad del mtodo espectral en la modelacin de la variabilidad espacial de las propiedades
del suelo, se expone un ejemplo sencillo de inters prctico para la ingeniera y la geotecnia. Este anlisis permite observar la propagacin de la incertidumbre del
mdulo de deformacin en los desplazamientos horizontales y verticales en un slido cbico. Para la realizacin del ejemplo, se adapt una subrutina del
programa FERUM versin 3 (finite element reliability
using matlab), llamada FERUMssfem (Sudret y Der,
2000) que permite realizar anlisis de incertidumbre
con el MEFEE en dos dimensiones.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 11-22 ISSN 1405-7743 FI-UNAM
Planteamiento
Se considera un slido cbico de dimensiones unitarias
(111 m), constituido de un solo material con mdulo
de deformacin aleatorio, sometido a presin vertical
de 100kPa. Los apoyos en el extremo inferior restringen
el movimiento verticalmente; el central, lo restringe
tambin horizontalmente. En la figura 1 se observan estas condiciones. El anlisis se realiza suponiendo en
primera aproximacin que prevalece un estado de esfuerzos planos. Se evaluar la incertidumbre en los desplazamientos horizontales y verticales con el MEFEE.
Para realizar el anlisis, el cubo se discretiz con una
malla de 100 elementos, la presin se represent como
cargas puntuales aplicadas en los puntos nodales superiores de la malla, como se muestra en la figura 2.
100 kPa
1x1x1
X
Figura 1. Representacin isomtrica del slido cbico
E ( X1, X 2 ) = e
2 X1 - X 2
L
(19)
donde L se define en forma convencional como distancia de correlacin, y corresponde a la distancia a partir
de la cual la correlacin se considera despreciable.
Resultados
A travs del coeficiente de variacin, CV, es posible evaluar la influencia de la incertidumbre del mdulo de
deformacin sobre los desplazamientos horizontales y
verticales en todo el cuerpo del slido. En las curvas de
isovalores de las siguientes grficas se aprecia con claridad tal variacin, establecida para distintas distancias
de correlacin.
En este primer anlisis, el campo aleatorio es del
tipo ruido blanco (sin autocorrelacin). Las figuras 3b
y 4b muestran que la incertidumbre en los desplazamientos verticales y horizontales es nula, debido a un
efecto de promedio espacial o compensacin estadstica
que anula la desviacin estndar y, por consecuencia, el
CV es igual a cero en todo el cuerpo del slido. Un material cuyo mdulo presenta una variacin aleatoria espacial que puede representarse con un campo de ruido
blanco se comporta, por tanto, como un material homogneo no aleatorio.
En este segundo anlisis, la distancia de correlacin
(0.64m) es ligeramente inferior al ancho del slido (1m).
La figura 5b muestra que, como deba esperarse, la incertidumbre sobre los desplazamientos verticales es
nula en la parte inferior del slido, donde el movimiento fue restringido. En el resto del slido se observa que
la incertidumbre no es uniforme debido al efecto de
promedio espacial o compensacin estadstica. Por ejemplo, la incertidumbre en el punto superior central es
menor que en el punto superior de la esquina del slido
debido a que el nmero de materiales puntuales con
baja correlacin que interactan es mayor en el punto
central que en el de la esquina. Por otra parte, en la figura 6b se observa cmo el CV de los desplazamientos horizontales tiende a infinito sobre el eje de simetra; en
este caso, el comportamiento del material es fuertemente heterogneo lo que da lugar a que se presenten variaciones aleatorias alrededor de su valor esperado (que es
nulo), originando una incertidumbre relativa infinita
sobre tal eje.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 11-22 ISSN 1405-7743 FI-UNAM
17
Distancia de correlacin L= 0
1
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.9
0.9
0.9
0.9
0.8
0.8
0.8
0.8
0.7
0.7
0.7
0.7
0.6
0.6
0.6
0.6
0.5
0.5
0.5
0.5
0.4
0.4
0.4
0.4
0.3
0.3
0.3
0.3
0.2
0.2
0.2
0.2
0.1
0.1
0.1
0.1
0.1
0.2
0.3
0.4
a) Esperanza
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
b) Coeficiente de variacin
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.9
0.9
0.9
0.9
0.8
0.8
0.8
0.8
0.7
0.7
0.7
0.7
0.6
0.6
0.6
0.6
0.5
0.5
0.5
0.5
0.4
0.4
0.4
0.4
0.3
0.3
0.3
0.3
0.2
0.2
0.2
0.2
0.1
0.1
0.1
0.1
0.1
0.2
0.3
0.4
a) Esperanza
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.7
0.8
0.9
b) Coeficiente de variacin
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.9
0.9
0.9
0.8
0.8
0.8
0.8
0.7
0.7
0.7
0.7
0.6
0.6
0.6
0.6
0.5
0.5
0.5
0.5
0.4
0.4
0.4
0.4
0.3
0.3
0.3
0.3
0.2
0.2
0.2
0.2
0.1
0.1
0.1
0.1
0.1
0.2
a) Esperanza
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.7
b) Coeficiente de variacin
18
0.9
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 11-22 ISSN 1405-7743 FI-UNAM
0.8
0.9
0.1
0.2
0.3
0.4
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.9
0.9
0.9
0.9
0.8
0.8
0.8
0.8
0.7
0.7
0.7
0.7
0.6
0.6
0.6
0.6
0.5
0.5
0.5
0.5
0.4
0.4
0.4
0.4
0.3
0.3
0.3
0.3
0.2
0.2
0.2
0.2
0.1
0.1
0.1
0.1
0.1
0.2
0.3
0.4
a) Esperanza
0.5
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.7
0.8
0.9
b) Coeficiente de variacin
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.9
0.9
0.9
0.9
0.9
0.8
0.8
0.8
0.8
0.7
0.7
0.7
0.7
0.6
0.6
0.6
0.6
0.5
0.5
0.5
0.5
0.4
0.4
0.4
0.4
0.3
0.3
0.3
0.2
0.2
0.2
0.2
0.1
0.1
0.1
0.1
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.1
a) Esperanza
0.2
0.3
0.4
0.5
0.3
0.6
b) Coeficiente de variacin
0.7
0.8
0.9
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 11-22 ISSN 1405-7743 FI-UNAM
19
0.1
0.2
0.3
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.9
0.9
0.9
0.9
0.8
0.8
0.8
0.8
0.7
0.7
0.7
0.7
0.6
0.6
0.6
0.6
0.5
0.5
0.5
0.4
0.4
0.4
0.3
0.3
0.3
0.3
0.2
0.2
0.2
0.2
0.1
0.1
0.1
0.1
0.1
0.2
0.3
a) Esperanza
0.4
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.1
0.2
0.5
0.1
0.3
0.4
0.5
0.6
0.7
0.4
0.8
0.9
b) Coeficiente de variacin
1.0E-02
8.0E-03
6.0E-03
Punto de la esquina
superior
Un material
4.0E-03
2.0E-03
0.0E+00
1.E-08 1.E-06 1.E-04 1.E-02 1.E+00 1.E+02 1.E+04 1.E+06 1.E+08
Un material
Distancia de correlacin, m
6.0E-03
5.0E-03
horizontales, m
1.2E-02
7.0E-03
Punto central
superior (A)
Un material
Punto de la esquina
superior (B)
4.0E-03
3.0E-03
2.0E-03
Material fuertemente
heterogneo
Material estrictamente
homogneo
1.0E-03
0.0E+00
1.E-08
Un material
1.E-05
1.E-02
1.E+01
1.E+04
Distancia de correlacin, m
1.E+07
La incertidumbre (desviacin estndar) sobre el desplazamiento horizontal en funcin de la distancia de correlacin para el punto central superior (punto A) se observa
en la figura 10. Nuevamente, para distancias de correlacin pequeas, la incertidumbre de tal desplazamiento
es nula, existiendo tambin un efecto de compensacin
estadstica. Posteriormente, la incertidumbre se incrementa y alcanza su mximo valor para una distancia de
correlacin del mismo orden que la dimensin horizontal del dominio en estudio; conforme la distancia de correlacin se sigue incrementando, el material comienza a
estabilizarse estadsticamente y la desviacin estndar
de los desplazamientos comienza a disminuir, hasta alcanzar nuevamente un valor nulo, lo cual representa la
homogeneidad estricta del material con rigurosa simetra axial. El comportamiento estadstico del material
para el punto superior de la esquina del slido es similar
20
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 11-22 ISSN 1405-7743 FI-UNAM
realizar anlisis de incertidumbre que toman en cuenta la variabilidad espacial de las propiedades del suelo
mediante campos aleatorios. Tal como se plante en
este trabajo, en su estado actual, el mtodo solamente
se aplica a problemas de elasticidad lineal y permite
representar la variabilidad espacial de un solo campo
aleatorio (mdulo de elasticidad, E), cuyas variables
aleatorias tienen una distribucin Gaussiana. Sin embargo, la formulacin del MEFEE se puede extender al
caso en el que se considere la relacin de Poisson, n,
tambin aleatoria (debido al intervalo de valores que n
puede tomar, este parmetro se considera como un
campo aleatorio tipo Beta), an cuando esto ocasiona
un mayor esfuerzo de clculo. Este es el tema de una
investigacin que estn realizando actualmente los
autores del presente trabajo. Ghanem (1999) extendi
la formulacin del MEFEE a problemas de conduccin
de calor con campos aleatorios lognormales. Por su
parte, Matthies y Keese (2005) han planteado la ecuacin de equilibrio estocstica del MEFEE para campos
no Gaussianos. Recientemente Sett et al. (2011) propusieron una formulacin del MEFEE que permitira
abordar el caso elasto-plstico, lo que aumentara su
inters en Geotecnia.
El enfoque espectral presenta, por tanto, un potencial importante. Su mayor inconveniente es probablemente que la representacin matemtica de los campos
aleatorios a la que recurre se aleja del concepto fsico, y
puede parecer muy abstracta a los ingenieros geotcnicos prcticos.
Conclusiones
Se presentaron brevemente los conceptos probabilistas
que permiten modelar la incertidumbre (variacin espacial) en los parmetros de materiales y evaluar su influencia sobre los resultados de los anlisis con elemento finito (MEF). Asimismo, se presentaron las herramientas matemticas de una nueva tcnica: el enfoque espectral, donde se evalu su utilidad a travs del
anlisis de un slido cbico. Los resultados del ejemplo
analizado son de gran utilidad para ilustrar cualitativamente cmo la variabilidad espacial puede afectar los
resultados de los anlisis con el MEF. Ponen en particular evidencia el fenmeno de compensacin estadstica y
la importancia de la distancia de correlacin. Un anlisis de incertidumbre que tome en cuenta la variabilidad
espacial de las propiedades de los materiales puede resultar particularmente til en el caso de estructuras trreas, obras que se construyen con materiales, cuyas
propiedades tienen un grado alto de incertidumbre debido a su heterogeneidad inherente.
Referencias
Alberro A.J. et al. Deformabilidad in situ de los materiales constitutivos
de varias presas de tierra y enrocamiento, Publicacion (604) del
Instituto de Ingeniera, UNAM, Mxico, 1998, 88 p.
Auvinet G. Incertidumbre en geotecnia, en: Decimosexta Conferencia Nabor Carrillo, Quertaro, Mxico, Sociedad Mexicana
de Mecnica de Suelos, 2002, pp. 34-36, 59-76.
Auvinet G., Mellah R. Masrouri F., Rodrguez J.F. La mthode des
lments finis en Gotechnique. Revue Francaise de Gotechnique, volumen 93 (nmero 4), 2000.
Benjamin R.J. y Cornell A.C. Probability, Statistics and Decision for
Civil Engineers, New York, McGraw Hill, 1970, pp. 223-232.
Bouayed A. Modlisation stochastique par lments finis en gomcanique, tesis (Thse de Doctorat), Nancy, France, ENSG, INPL,
1997, 157 pp.
Cambou B. Mtodo del elemento finito. Anlisis de incertidumbre de
primer orden, Publicacion (339) del Instituto de Ingeniera,
UNAM, Mxico, 1974, 88 p.
Cameron R.H. y Martin W.T. The Orthogonal Development of
Nonlinear Functionals in Series of Fourier-Hermite Functionals. Annuary of Mathematics, volumen 48 (nmero 2), 1947:
385-392.
Casagrande B. Role of the Calculated Risk in Earthwork and
Foundation Engineering. Journal of Soil Mechanics and Foundations. Proceedings of the American Society of Civil Engineers,
ASCE, volumen 19 (nmero SM4), 1965: 4390-4429.
Dumitriu I., Edelman A., Shuman G. MOPS: Multivariate Orthogonal Polynomial (Symbolicaly). Journal of Symbolic Computation, volumen 42, 2007: 587-620.
FERUM Finite Element Reliability Using Matlab [en lnea] [fecha
de consulta: noviembre de 2005]. Disponible en: http://www.
ce.berkeley.edu/~haukaas
Ghanem R.G. y Spanos P.D. Stochastic Finite Elements. A Spectral
Aproach, New York, Springer Verlag, 1991, pp. 15-50, 85-90.
Ghanem R.G. Stochastic Finite Elements with Multiple Random
Non-Gaussian Properties. Journal of Engineering Mechanics
ASCE, volumen 125 (nmero 1), enero 1999: 26-40.
Lpez-Acosta N.P. Incertidumbre en el anlisis de flujo de agua en
suelos, tesis (doctorado en ingeniera), Mxico, DF, Programa
de maestra y doctorado en ingeniera, UNAM, 2010, 311 p.
Louault B. Approche probabiliste de lvaluation des zones de
tension dans les barrages en terre et en enrochement, Mmoire de fin dtudes, CUST, Clermont Ferrand, France, estudio
realizado en el Instituto de Ingeniera, UNAM, 1997.
Matthies H.G. y Keese A. Galerkin Methods for Linear and NonLinear Elliptic Stochastic Partial Differential Equations. Com-
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 11-22 ISSN 1405-7743 FI-UNAM
21
Mellah R. Modlisation stochastique par lments finis en lastoplasticit applique la gomcanique, tesis (Thse de Doctorat), Nancy, France, ENSG, INPL, 1999, 160 p.
Orlandi S. Mtodo del elemento finito estocstico en geotecnia. Anlisis no lineal, tesis (Maestra en ingeniera), Mxico, DF,
Divisin de Estudios de Posgrado de la Facultad de ingeniera, UNAM, 2007, 73 p.
Papoulis A. Probability, Random Variables and Stochastic Processes, McGraw Hill, 1965.
Prez-Duarte A. Modlisation stochastique de la construction
des barrages en terre en anisotropie, Mmoire de fin
dtudes, Ecole Polytechnique, Paris, France, estudio realizado en el Instituto de Ingeniera, UNAM, 2000.
Pineda-Contreras A.R. Mtodo del elemento finito estocstico en
geotcnia. Enfoque espectral, tesis (Maestra en ingeniera),
Mxico, DF, Programa de maestra y doctorado en ingeniera, UNAM, 2007, 73 p.
Sett K., Jeremic B., Kavvas M. Stochastic Elastic-Plastic Finite
Elements. Computer Methods in Applied Mechanics and Engineering, volumen 200, 2011: 997-1007.
Sudret B. y Der Kiureghian A. Stochastic Finite Element
Methods and Reliability. A Sate-of-the-Art Report. Department of Civil & Environmental Engineering, Univer-
Vzquez-Guillen F. Incertidumbre en el modelado de la construccin de presas de tierra mediante elementos finitos, tesis (Maestra en ingeniera), Mxico, DF, Programa de maestra y
doctorado en ingeniera, UNAM, 2005, 132 p.
Wiener N. The Homogeneous Chao. American Journal of
Mathematics, volumen 60, 1938: 897-936.
Zienkiewicz O.C. y Taylor R.L. El mtodo de los elementos finitos,
Vol. 1, 4a ed., Madrid, Mac Graw Hill, 1994, pp. 223-232.
22
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 11-22 ISSN 1405-7743 FI-UNAM
Santilln-Gutirrez S.D.
Resumen
En este trabajo se desarrolla la optimizacin de forma de un cuerpo suspendido y sometido a fuerzas de cuerpo. La geometra del cuerpo es modelada
con curvas paramtricas B-Spline. Dicha optimizacin se logra por medio de
la modificacin del contorno de la geometra con base en el nivel de esfuerzo
calculado usando Anlisis por Elementos Finitos. Reglas evolutivas clsicas
son empleadas en el proceso de optimizacin; sin embargo, el mtodo para
realizar la modificacin del contorno de la geometra no es ni clsico ni trivial. A diferencia de la mayora de los mtodos de optimizacin de forma,
que utilizan slo la informacin de los puntos del contorno aisladamente, en
este trabajo se aplica un mtodo que toma en cuenta la informacin de los
puntos del contorno y su vecindad.
Descriptores:
diseo ptimo
optimizacin de forma
optimizacin estructural
anlisis por elementos finitos
Abstract
This paper develops the shape optimization of a body, which is hanged and subjected
to body forces. The geometry of the body is modeled using parametric curves BSpline. The shape optimization is carried out modifying the boundary of the body
based on the stress level calculated via Finite Element Analysis (FEA). Traditional
evolutive rules are used for the optimization process; however, the method of boundary modification in the optimization process is neither traditional nor trivial. Unlike
most shape optimization methods, which only use the information of boundary
points in a isolated way, in this approach the geometry boundary is modified considering both points and neighborhood information.
Keywords:
optimal design
shape optimization
structural optimization
finite element analysis
Optimizacin de forma de un cuerpo suspendido basada en reglas evolutivas y modelado paramtrico: la forma de un fruto
Introduccin
Los mtodos de optimizacin pueden agruparse en
dos tipos: mtodos basados en el gradiente y mtodos
heursticos. Los primeros implican que los problemas
a resolver estn representados por funciones continuas de las que es necesario calcular sus derivadas
para obtener sus mnimos (mximos). Por otra parte,
los mtodos heursticos no requieren derivadas ni funciones continuas, en lugar de ello, aplican iterativamente bsquedas seudoaleatorias, regidas por algunas
reglas para obtener soluciones cercanas a la ptima.
Gracias al impresionante desarrollo de los equipos
de cmputo, ahora es posible utilizar poderosos mtodos numricos, como el mtodo de los elementos finitos
(FEM) y el mtodo de los elementos frontera (BEM), en la
creacin de algoritmos eficientes aplicados a la optimizacin estructural, cuya meta es obtener las mejores soluciones para problemas estructurales.
Uno de los problemas ms interesantes en la optimizacin estructural es la optimizacin de forma. La pregunta fundamental en estos problemas es cul es la
forma que debe tener una estructura bajo ciertas condiciones de operacin para considerarse ptima? Para
responder esta pregunta lo primero que se debe contestar es: cules son las variables de diseo de las que depende la geometra de una estructura?
Pueden identificarse dos tipos de mtodos en este
sentido. En primer lugar aquellos que utilizan los elementos de una malla de elementos finitos como parte del
conjunto de variables de diseo y en segundo lugar, los
mtodos que toman a los nodos en una malla (ya sea de
elementos finitos o elementos frontera) como parte de las
variables de diseo. Al primer conjunto pertenecen los
mtodos como ESO (Evolutionary Structural Optimization,
Xie y Steven, 1997) en el que la optimizacin de la forma
de una estructura se genera quitando material, es decir,
quitando elementos en la periferia de la malla.
Por otra parte, mtodos como los propuestos por
Mattheck (1990, 1998, 2006), Ramm et al. (1998), Maute
and Ramm (1995), Sethian y Wiegmann (2000), Cerrolaza et al. (2000), Annicchiarico y Cerrolaza (2001), Cervera y Trevelyan (2005a y 2005b), entre otros, pertenecen
al segundo grupo en los que la frontera se modifica a
partir de las caractersticas de los nodos en el contorno
de la estructura. Una caracterstica de este tipo es el resultado de aplicar una accin externa (sistema de fuerzas) sobre la estructura, es decir, esfuerzos, deformaciones, energa interna, etctera.
La esencia que distingue a cada uno de los mtodos
no se encuentra en las reglas que siguen para evaluar la
geometra de una estructura, sino en la forma en que la
24
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 23-35 ISSN 1405-7743 FI-UNAM
Mtodo
El mtodo de optimizacin de forma utilizado en este
trabajo suspendido (Velzquez, 2009; Velzquez y Santilln, 2012), se agrupa en el conjunto de mtodos basados en estrategias evolutivas, debido a que emplea
reglas basadas en parmetros que cambian gradual y
lentamente (evolucionan) (Querin, 1997; Steven y Xie,
1993). La manera como cambian dichos parmetros
permite que la geometra de una estructura se adapte
satisfactoriamente a los requerimientos que imponen
las condiciones de carga y restricciones aplicadas dentro de un proceso que se hace ms exigente con el paso
del tiempo. De esta manera, el proceso de optimizacin
genera geometras que se adecuan paulatinamente a las
condiciones, hasta el punto en que no hay cambio posible que genere un mejor resultado. El modelado con
curvas paramtricas produce contornos suaves a la geometra de los modelos, lo cual se traduce en evitar, en la
medida de lo posible, la aparicin de aristas con cambios bruscos de direccin que puedan actuar como concentradores de esfuerzo o aristas rugosas no deseables.
A continuacin se describe el algoritmo desarrollado
para el mtodo propuesto.
1. La geometra del modelo se define con curvas BSpline y se indican las restricciones y los casos de
carga aplicados al modelo.
2. Se calcula el esfuerzo de von Mises en los nodos por
medio de FEA.
3. Se modifica la frontera de la geometra con base en
un proceso de remocin o adicin de material basada en el nivel de esfuerzo de los nodos en la frontera. La remocin se lleva a cabo en los nodos de bajo
nivel de esfuerzo, aplicando vectores de desplazamiento en direccin interior sobre los puntos de
control asociados a dichos nodos. Por otra parte, la
adicin de material se aplica a aquellos nodos cuyo
nivel de esfuerzo sea alto o el esfuerzo de von Mises
sea mayor al esfuerzo de cedencia del material. En
este caso, la direccin del desplazamiento de los
puntos de control es exterior.
4. Los pasos 2 y 3 se repiten hasta que no sea posible
mejorar el modelo.
Los pasos en la descripcin del algoritmo son sencillos
de entender; sin embargo, la forma como se modifica la
frontera, es decir el paso 3, requiere de especial atencin, debido a que el clculo de los vectores de desplazamiento generados para dicha modificacin no es
trivial.
Modificacin de la frontera
La optimizacin de la geometra del cuerpo se realiza a
travs de cambios graduales en la frontera del mismo.
Los cambios en la geometra emulan un proceso de remocin o adicin de material en la frontera del modelo.
Mientras que en mtodos como ESO, esta remocin o
adicin de material se lleva a cabo agregando o retirando fragmentos de la geometra, lo que genera fronteras
escalonadas y rugosas.
El mtodo propuesto por el autor se realiza aplicando desplazamientos pequeos sobre los nodos que definen la frontera y que muestran un nivel de esfuerzo
identificado como bajo o alto.
Regiones modificables
Para modelos sometidos a un solo caso de carga, una
regin modificable (o ineficiente) ser aquella que est
compuesta por nodos que cumplan con alguna de las
siguientes inecuaciones:
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 23-35 ISSN 1405-7743 FI-UNAM
25
Optimizacin de forma de un cuerpo suspendido basada en reglas evolutivas y modelado paramtrico: la forma de un fruto
i TR * r
(2)
i TA * r
(3)
i y
donde
i es el esfuerzo de von Mises del i-simo nodo,
r es un esfuerzo de referencia, por ejemplo el esfuerzo
mximo de la estructura,
y es el esfuerzo de cedencia del material,
TR y TA son las tasas de remocin y adicin de material, respectivamente, tambin se conocen como parmetros de evolucin.
As, aquellos nodos que satisfagan la inecuacin (2) son
candidatos a ser modificados emulando remocin de
material, mientras que los que cumplan la desigualdad
(3) emulan adicin. Dicho de otra forma, (2) identifica
regiones sub-esforzadas de la frontera y (3) identifica
regiones sobre-esforzadas.
Los valores de TR y TA pertenecen al intervalo de
0.0 a 1.0, donde TR < TA, cuya funcin es definir lmites
temporales en el nivel de esfuerzo para cada iteracin
en el proceso de optimizacin. Estos valores se actualizan cada vez que se alcanza un estado permanente en el
proceso, es decir, aquel para el cual no es posible mejorar el modelo (remover o adicionar material) empleando los valores actuales de TR y TA. As, la actualizacin
de los parmetros se lleva a cabo de acuerdo con:
TRj+1 = TRj + TER
(4)
26
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 23-35 ISSN 1405-7743 FI-UNAM
o, matricialmente:
C=
N P
(9)
Una propiedad importante de las funciones de interpolacin es que para todo punto de la curva se cumple
(10):
Ni-1+Ni+ Ni+1+ Ni+2+ ... + Ni + p -1 = 1
(10)
(11)
(8)
afectarse por
control Pi 1 , Pi , Pi + 1 , Pi + 2 , ... , Pi+p 1 deben
entonces
a calcular sern
di -1, i , di , i , di +1, i , di + 2 , i ,... , di + p -1, i y
de
control Pi se obtiene el
di , i - p +1 , di , i - p + 2 ,... , d i , i , di , i +1.
conjunto
Es evidente que el vector de desplazamiento equivalente necesario para llevar a cabo las modificaciones
correspondientes a cada uno de los nodos dependientes
de la posicin de Pi no es igual a la suma de los vectores
asociados, es decir:
d i d i , i - p +1 + d i , i - p + 2 + ... + d i , i + d i , i +1
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 23-35 ISSN 1405-7743 FI-UNAM
(12)
27
Optimizacin de forma de un cuerpo suspendido basada en reglas evolutivas y modelado paramtrico: la forma de un fruto
C= N P
(13)
di [0, esize * f ]
(14)
donde esize es el tamao promedio de los elementos finitos en la frontera, y f es un factor de modificacin que
permite controlar la velocidad con la que cambia la geometra, cuyo valor es menor o igual a la unidad.
28
- TR * r
Di = i
TR * r
(15)
- TA * r
Di = i
TA * r
(16)
(17)
Di = Max
TR * r , j
o
i , j - TA * r , j
Di = Max
TA * r , j
(18)
= -n , (19)
Si (2) o (6) se satisfacen D
i
i
= n
o si (3) o (7) se satisfacen
(20)
D
i
i
Esto implica que en regiones de bajo nivel de esfuerzo
se remueva material, mientras que en las de alto nivel
de
se ejecute
esfuerzo
i - p + 1), C(u
i - p + 2), ... , C(ui), C(ui + 1) es decir,
Di - p +1 , Di - p + 2 ,... , Di , Di +1 . A su vez, a estos nodos les corresponden, por la influencia de Pi , respectivamente,
los valores de las funciones de interpolacin Ni(ui - p + 1),
Ni (ui- p + 2), ... , Ni (ui), Ni(ui+1). Estos ltimos representan
el porcentaje de participacin del punto de control Pi en
la posicin de cada uno de los nodos mencionados. Dicho de otra forma,
si el punto de control Pi debe desplazarse, el vector di debe tomar en cuenta la participacin
del punto de control sobre los nodos correspondientes
de la curva.
El
procedimiento propuesto para el clculo del vector di emplea los valores Ni (ui- p + 1), Ni (ui - p + 2), ... , Ni(ui),
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 23-35 ISSN 1405-7743 FI-UNAM
vectores D
, Di - p + 2 ,... , Di , Di +1 de acuerdo con:
i - p +1
d
'i = 1k =- p +1[ N i (ui + k ) * Di + k ]
(21)
d'
= i
d
i
(22)
d 'i
donde d 'i es la suma vectorial ponderada de los desplazamientos de los nodos que estn asociados al punto de
control Pi. El clculo de d 'i es necesario para determinar
la direccin del desplazamiento di del punto de control
Pi , de forma que tome en cuenta, en su justa medida, la
direccin de desplazamiento de los nodos sobre la frontera (figura 4).
Por otra parte, si m es el nmero de nodos en la frontera
y q es el subndice del parmetro u de la funcin de interpolacin
que cumple con (23), entonces el valor de
ser
el
dado
por (24).
di
Max[Ni(ui - p + 1), Ni(ui - p + 2), ... , Ni(ui), Ni (ui + 1)]
Dq
di =
a)
(24)
* esize * f
Max( D1 , D2 ,... , Dm )
(23)
Criterio de paro
En los mtodos de optimizacin existen diferentes criterios de paro, los cuales dependen de las variables de
diseo y las caractersticas que se estn considerando.
Una caracterstica deseable de un diseo es la homogeneidad del nivel de esfuerzos. El nivel de esfuerzos
mide qu tan alejado del valor de referencia (esfuerzos
mximo, promedio, de fluencia, etctera) est el esfuerzo de cada uno de los elementos finitos que componen
al cuerpo. El homogeneizarlo significa que durante la
optimizacin su valor converge. En el caso ideal el nivel
de esfuerzos convergera a cero, lo cual significa que
b)
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 23-35 ISSN 1405-7743 FI-UNAM
29
Optimizacin de forma de un cuerpo suspendido basada en reglas evolutivas y modelado paramtrico: la forma de un fruto
(25)
N t +1 - N t
Absoluto
tol
N t
(26)
Los valores de n y tol deben fijarse de forma que se superen los ptimos locales en los casos en que el r , debido a que la magnitud de las fuerzas aplicadas, no alcance
un valor lmite, por ejemplo, el esfuerzo de fluencia del
material empleado para diseo en el rango elstico. Para
el problema del cuerpo suspendido abordado en este trabajo, se definieron n =5 y tol = 10 -4, donde el segundo es
el recomendado por Cervera en 2005a y 2005b. El uso de
valores de tol menores, provocara que la homogeneidad
del nivel de esfuerzos fuera menor, mientras que valores
mayores implicaran una mejor homogeneidad; sin embargo, el tiempo de cmputo se incrementara considerablemente.
30
1
F*L
La pregunta inherente a cualquier mtodo de optimizacin empleado en el diseo ptimo de estructuras es: la
geometra generada por el mtodo, realmente es la ptima para las condiciones de cargas y las restricciones dadas? Aunque existen algunas soluciones estndar para
algunos problemas especficos (como las desarrolladas
por Michell (1904), Hemp (1973), Rozvany (1995), entre
PI = e =1 e * Ve
ndice de desempeo
a)
b)
c)
NE
(27)
donde
e y Ve son el esfuerzo de von Mises y el volumen del
e-simo elemento finito,
NE es el nmero de elementos finitos en la malla,
F es la resultante del sistema de fuerzas aplicado y
L es una longitud nominal de la geometra.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 23-35 ISSN 1405-7743 FI-UNAM
(28)
Interpretacin de PI
Querin (1997), seala que el mejor modelo o estructura
optimizado es fcilmente identificado si se monitorea el
valor de PI durante el proceso de optimizacin y se elige aquella con el menor valor de PI. Una caracterstica
fundamental de PI es que, durante el proceso de optimizacin, mientras una estructura evoluciona hacia la
estructura ptima constituida por una geometra continua, el valor de PI se decrementa.
Geometra continua debe entenderse como aquella
que no presenta huecos, cavidades o concavidades importantes.
En general, cuando la geometra deja de ser continua,
por ejemplo, cuando se crean huecos, el valor de PI se eleva
abruptamente. Dado que en este trabajo slo se optimiza la
estructura modificando su frontera, este efecto ocurrir durante el proceso de optimizacin, cuando la frontera presente concavidades de consideracin o regiones de
curvatura elevada. Lo anterior es de esperarse, pues los
huecos, concavidades, etctera actan como concentradores de esfuerzo, por lo que (27) y (28) en sus numeradores
contendrn valores que se incrementan respecto a los correspondientes de una geometra continua.
b)
a)
Iteracin 21
Iteracin 28
Iteracin 55
c)
d)
Figura 6. En a) se muestra el historial del ndice de desempeo del proceso de optimizacin. b), c) y d) los modelos obtenidos en las
iteraciones 21, 28 y 55, respectivamente (figura tomada de Querin, 1997)
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 23-35 ISSN 1405-7743 FI-UNAM
31
Optimizacin de forma de un cuerpo suspendido basada en reglas evolutivas y modelado paramtrico: la forma de un fruto
a)
32
b)
mm, resultando en una malla de 5050 elementos finitos, donde los esfuerzos mximo y promedio son: 65.87
kPa y 2.99 kPa, respectivamente. Debe apuntarse que el
tamao de malla elegido genera una distribucin de esfuerzos sin cambios abruptos, como se observa en las
figuras 7b y 10. Tamaos de malla ms pequeos no
aportaran mayor calidad en la distribucin de esfuerzos y s requeriran mucho mayor tiempo de clculo.
Se utilizaron los siguientes valores iniciales para los
parmetros de optimizacin: TR = 0.5, TA = 0.9, TRE =
0.015, TAE = 0.001. Durante el proceso se consideraron
las lneas L1, L2 y L4 como fijas, evolucionando nicamente la L3, la cual modela el cuerpo del fruto. Los
cambios en el rea y los esfuerzos mximo y promedio
de von Mises generados durante la optimizacin se
pueden apreciar en los grficos de la figura 8.
En la figura 9 se muestran el comportamiento del
nivel de esfuerzos y del ndice de desempeo. En el primer caso, se observa que el nivel de esfuerzos tiene una
tendencia a disminuir, presentando incrementos repentinos, pero que cada vez son de menor magnitud. La
convergencia del nivel de esfuerzos se alcanza despus
de las 90 iteraciones, como lo indica la figura, donde en
la iteracin 97 se alcanza el criterio de paro.
Segn el grfico del ndice de desempeo, se alcanza una geometra ptima en la iteracin 39. Sin embargo, el ndice contina disminuyendo paulatinamente
con la cualidad de que las geometras correspondientes
son similares entre s cambiando prcticamente slo en
su tamao.
En la iteracin 61 se presenta otro cambio en la tendencia del ndice de desempeo, as como en la forma
de las geometras resultantes.
Observando los grficos de la figura 10 se pueden
identificar formas bien conocidas de frutos. Estos resultados, igual que el de Querin (figura 11), indican
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 23-35 ISSN 1405-7743 FI-UNAM
Figura 8. Grficos del comportamiento de rea y esfuerzos de von Mises mximo y promedio en la optimizacin
de la geometra del fruto
Figura 9. Grficos del nivel de esfuerzos e ndice de desempeo en la optimizacin del fruto
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 23-35 ISSN 1405-7743 FI-UNAM
33
Optimizacin de forma de un cuerpo suspendido basada en reglas evolutivas y modelado paramtrico: la forma de un fruto
Conclusiones
Con los resultados descritos en el apartado anterior se
corrobora que la forma de un fruto es el resultado de un
proceso de optimizacin de forma, en el cual el nivel de
esfuerzos superficiales es homogneo. Tanto los resultados obtenidos por Querin (1997) como los mostrados en
este trabajo lo demuestran. No obstante, el mtodo descrito en este trabajo no requiere una malla de elementos
finitos tan fina, lo cual es una ventaja sobre el mtodo
ESO en cuanto a recursos de cmputo se refiere. La modificacin de la frontera basada en la informacin de los
puntos en la frontera, as como de su vecindad produce
resultados adecuados, lo cual demuestra su funcionalidad y factibilidad.
Referencias
Annicchiarico W., Cerrolaza M. Structural Shape Optimization 3D
Finite-Element Models Based on Genetic Algorithms and
Geometric Modeling. Finite Elements in Analysis and Design,
volumen 37 (nmero 5), 2001: 403-415.
Cerrolaza M., Annicchiarico W. et al. Optimization of 2D Boundary Element Models Using B-Splines and Genetic Algorithms. Engineering Analysis with Boundary Elements, volumen
24 (nmero 5), 2000: 427-440.
34
Cervera E., Trevelyan J. Evolutionary Structural Optimisation Based on Boundary Representation of NURBS: Part I: 2D Algorithms. Computers & Structures, volumen 83 (nmeros 23-24),
2005a: 1902-1916.
Cervera E., Trevelyan J. Evolutionary Structural Optimisation Based on Boundary Representation of NURBS: Part II: 3D Algorithms. Computers & Structures, volumen 83 (nmeros 23-24),
2005b: 1917-1929.
Hemp W.S. Optimum Structures, Claredon Press, Oxford, 1973.
Li Q., Steven G.P., Xie Y.M. On Equivalence between Stress Criterion and Stiffness Criterion in Evolutionary Structural Optimization. Structural Multidisciplinary Optimisation, volumen
18 (nmero 1), 1999: 67-73.
Liang Q.Q., Xie Y.M. Optimal Selection of Topologies for the Minimum-Weight Design of Continuum Structures with Stress Constraints. Proc. Inst. of Mech. Engrs., volumen 213, Part C, 1998.
Mattheck C., Burkhardt S. A New Method of Structural Shape Optimization Based on Biological Growth. International Journal of
Fatigue, volumen 12 (nmero 3), 1990: 185-90.
Mattheck C. Design in Nature- Learning from Trees, 1a ed., Alemania, Springer Verlag, 1998.
Mattheck C. Teacher Tree: The Evolution of Notch Shape Optimization from Complex to Simple. Enginering Fracture Mechanics, volumen 73 (nmero 12), 2006:1732-1742.
Maute K., Ramm E. Adaptative Topology Optimization. Structural and Multidisciplinary Optimizaction, volumen 10 (nmero2), 1995: 100-112.
Michell A.G.M. The Limits of Economy of Material in Frame
Structures. Philosophical Magazine, volumen 8, 1904: 589-597.
Querin O. Evolutionary Structural Optimisation: Stress Based Formulation and Implementation, tesis (Ph.D Dissertation), Australia,
Department of Aeronautical Engineering, University of Sydney, Abril 1997.
Ramm E. et al. Adaptative Topology and Shape Optimization, Computational MechanicsNew Trends and Applications, CIMNE,
Barcelona, Spain, 1998.
Rozvany G.I. et al. Layout Optimization of Structures. Appl. Mech.
Rev., volumen 48 (nmero 2), 1995: 41-119.
Shene C. Introduction to Computing with Geometry [en lnea] [fecha de consulta: julio 1 de 1998], Course Notes. Disponible en:
http://www.cs.mtu.edu/~shene/COURSES/cs3621/NOTES/
Sethian J.A., Wiegmann A. Structural Boundary Design via Level
Set and Immersed Interface Methods. J. Comp. Phys., volumen
163 (nmero 2), septiembre 2000: 489-528.
Steven G.P., Xie Y.M. Evolutionary Structural Optimization with
FEA. Computational Mechanics, volumen 1, 1993: 27-34.
Velzquez-Villegas F. Optimizacin estructural evolutiva: Optimizacin
de forma basada en modelado paramtrico y reglas evolutivas, tesis
(doctorado en ingeniera), Mxico DF, Facultad de Ingeniera,
Universidad Nacional Autnoma de Mxico, Octubre 2009.
Velzquez-Villegas F., Santilln-Gutirrez S.D. Optimizacin de
forma de modelos paramtricos bidimensionales basada en
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 23-35 ISSN 1405-7743 FI-UNAM
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 23-35 ISSN 1405-7743 FI-UNAM
35
Laria-Menchaca J.
Ibarra-Martnez S.
Facultad de Ingeniera Arturo Narro Siller
Centro Universitario Tampico-Madero, Mexico
Universidad Autnoma de Tamaulipas
E-mail: sibarram@uat.edu.mx
Castn-Rocha J.A.
Facultad de Ingeniera Arturo Narro Siller
Centro Universitario Tampico-Madero, Mexico
Universidad Autnoma de Tamaulipas
E-mail: jacastan@uat.edu.mx
Guzmn-Obando J.
Departamento de Ingeniera Elctrica y Electrnica
Instituto Tecnolgico de Ciudad Madero
E-mail: jguzmano@uat.edu.mx
Castn-Rocha E.
Departamento de Ingeniera Elctrica y Electrnica
Instituto Tecnolgico de Ciudad Madero
E-mail: ecastanr@yahoo.com.mx
Information on the article: received: February 2010, reevaluated: April 2011, accepted: January 2012
Abstract
The paper presents a coordinated process through which the situated agents
are capable of working jointly using knowledge about their skills to interact
with other similar entities. A good coordination is reached because each situated agent is able to represent its suitability rates to perform any action in
an effective way. Besides using such rates, an agent can coordinate its actions with other agents. In this sense, each situated agent tries to select and
perform only the actions with the highest execution rates. Some experiments
in a real robotic soccer test-bed are designed to put in practice the proposed
coordinated approach. Final remarks conclude the effectiveness and advantages of the presented work in order to increase the performance of a team
composed by situated agents when they must solve complex tasks in a dynamical, competitive and unpredictable scenario.
Keywords:
situated agents
autonomous mobile robots
interaction
cooperative methods
robot soccer
complex tasks
Resumen
Este artculo presenta un proceso de coordinacin a travs del cual, los agentes
situados son capaces de trabajar conjuntamente utilizando conocimiento acerca de
sus capacidades para interactuar con otras entidades similares. Una buena coordinacin se puede lograr debido a que cada agente situado es capaz de representar, de
manera efectiva, sus rangos de efectividad para ejecutar cualquier accin. Adems,
usando la informacin puede coordinar su trabajo con otros agentes. En este sentido, cada agente situado trata de seleccionar y ejecutar nicamente las acciones
para las que tiene un alto nivel de efectividad. Algunos experimentos en el escenario de futbol robtico se desarrollaron para poner en prctica el mtodo de coordinacin aqu propuesto. Los comentarios finales concluyen la efectividad y
ventajas del trabajo presente para incrementar el rendimiento de un equipo de
agentes situados cuando ellos deben solucionar tareas complejas en escenarios
dinmicos, competitivos e impredecibles.
Introduction
Simply stated, decision-making structure is a process
where agents should be able to select a specific action
out of multiple alternatives. Such process occurs continuously in daily life. Human beings, for instance, usually must take decisions about what cloths to wear, what
food to eat, etc. Likewise, an agent is defined as anything that is situated in a specific environment and
acts based on its observation, interpretation and
knowledge about the situation of such environment, to
select a particular action. Therefore, to take decisions,
agents must obtain knowledge that allows them to be
aware of what actions can or cannot perform. Agents
who should work jointly must be able to converse with
other agents in order to communicate information related to the actions that each can do. Methods for cooperative multi-agent decisions are therefore, in most
cases, intensive software applications and highly sophisticated algorithms that use advanced design technologies. In particular, some research trends have led to
managing complex and cooperative problems using
agents. A situated agent is presented as a physical and
mobile entity capable of flexible and autonomous actions in dynamic, unpredictable and typically cooperative environments (Luck et al., 2005). In this sense,
several results to solve coordinated actions have been
obtained using agent technology (Bogdan et al., 2008;
Zhang and Parker, 2010; Barret et al., 2010). In particular, relevant knowledge is not appropriately reflected
and communicated by the agents. These deficiencies do
not allow agents to make reliable collective decisions
when these are requested (Ibarra, 2008). Obviously,
lack of the appropriate reasoning on these knowledge
results in a lower cooperative performance among
agents, where a proper managing of such knowledge is
38
Descriptores:
agentes situados
robots cooperativos mviles
interaccin
mtodos cooperativos
futbol robtico
tareas complejas
quite relevant to achieve sure and trustworthy commitments. Achieving cooperative agents is still a challenge, because many issues must be considered in
order to develop a working cooperative team, such as
task allocation, conflict of interest, communication, etc.
(Fang and Parker, 2007; Parker, 2008; Jeong et al., 2006;
Benson et al., 2007). In such a case, cooperative agent
systems often work in dynamic and unpredictable scenarios, for thus, the members of a team-agent must respond robustly and adaptively to unexpected environmental changes, such as unsuitable communication
among them or modification in the agent system configuration due to failures of performance. In particular,
cooperative systems of situated agents are characterized by distributed control of heterogeneous agents. A
number of interesting reasons exist to support the cooperation among these agents. In fact, the objective of
the cooperation is to maintain maximum utilization of
multi-agent resources while ensuring job performance
at the highest productive level.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 37-42 ISSN 1405-7743 FI-UNAM
In particular, the influence degree refers to the relevance that decision axes have in the selection of a determined action in a particular scene. Such influence
aims to calculate critically the suitability of a situated
agent to execute any role R from all the roles R in a
successful and reliable way. In this sense, such influence degree is represented by (3).
= [ EC PK TV ]
R
R
According to this, an agent uses the information provided by three (3) parameters, called decision axes, where
each axis provides situated agents with knowledge related to its capability to execute any determined action
with a particular kind of information in a determined
time (t) inside a specific spatial region, called scene (S).
Axis 1, environmental conditions (EC), is composed by
information related to the state of the environment directly involved in the performance of a particular action. Axis 2, physical knowledge (PK), is represented
by the specification, the structure and other relevant
details related to the agents physical skills and characteristics. Finally, axis 3, trust value (TV), is related to the
capability of an agent to communicate, to interact and
other relevant details to entrust in other agents. In this
light, the situated agents knowledge base KB(SAj) is
therefore based on the combination of the three axes
above (EC, PK and TV) directly implicated in the execution of any action, such as it is described by (1).
KB(SAj) = [EC (SAj) PK(SAj) TV(SAj)]
(1)
[EC(SAj , R)t
TV(SAj , R) t ]
Sa
Sa
PK(SAj , R) t
Sa
(3)
Sa
(2)
and
ECR is the relevance of the environmental conditions,
) tsa
) R (4)
( R ) = [ EC PK TV ]t
R
tsa
sa
Then, the suitability rate of any situated agent is obtained by a match between the requirement of the roles
( ( R ) ) and the capability of the situated agents
t
sa
tS
a
kb(SA j , R ) * ( R )
= b=1
b=1
t
(5)
Sa
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 37-42 ISSN 1405-7743 FI-UNAM
39
(i.e., [0,0,0] where 0 means that the parameter is disable and [1, 1, 1] where 1 means that the parameter is
used). From this, we have obtained eight study cases. In
particular, each study case denotes the behavior of each
one of the team that we have used in the empirical experiments. It means that each team-agent uses one of
the binary combinations to allow agents self-calculate
their suitability rates. In particular, Figure 1 shows the
general scheme of the robot soccer test-bed used in this
experimental phase.
These experiments are related to eight different
teams of agents which use each one of the eight possible influence degree. These teams compete among
themselves in ten (10) episodes of only one game with a
predefined period of five (5) minutes. In particular, the
overall expected teams performance is related to reaching the greater number of achieved points and goals.
For example, Figure 2 illustrates the obtained results in
one of the episodes of the experiments. Here, the overall expected performance by each team is measured
using the total score of points to obtain a goal average
(GAVE). The goal average is calculated by the difference
between the obtained goals (G+) and the received goals
(G-).
a
d max
tSa
(6)
(7)
Physical knowledge (axis 2) refers to the cognitive ability of each situated agent to estimate the knowledge related to the capabilities of its body involved in the
execution of a proposed action, represented as a capability of introspection I. Introspection parameter is calculated implementing feed-forward back-propagation
neural networks.
I(SAj, R)tS = (maxValue (NNSAj ) R)
tS
a
(8)
Trust value (axis 3), here called trust T, refers to the social relationship among agents taking into account both
the amount of good actions which are actions executed in a suitable way and the amount of bad actions
which are actions that are executed in a negative way.
So that, the trust measure of a situated agent is provided by (9).
good( SAj , R )
T (SA j , R )tS =
a
good( SA , R ) + bad( SA , R )
j
tS
a
(9)
Once the implementation of each axis has been introduced, an agent is capable to define how the relevance of
the set of decision axes can influence in the calculus of
the situated agents suitability rates. We have designed
a classification of a binary combination of the three axes
40
a)
b)
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 37-42 ISSN 1405-7743 FI-UNAM
In addition, the Figure 3 illustrates the teams performance taking into account the successful number of
points obtained based on the won and tied games along
all the episodes. The performance does not improve
significantly somewhere beyond the 6 episodes of the
experiment. The number of trials (episodes) to initially
confirm the systems performance was fixed in 10.
Final remarks
In this paper it is possible to argue how situated agents
that use information about their rates of actions are capable to reach better decisions out of all their possible
alternatives. In this light, the decision performance
(successful decisions) of the situated agents is better
when they are able to estimate their situation (i.e., their
knowledge base) related to the execution of any proposed actions, than when the agents do not use it. Successful decisions in the experiments are related to the
ratio between the number of successful tasks performed by the situated agent and the total number of actions performed by the same agent. According to this,
the situated agents increase significantly the number of
Acknowledgments
This work is supported by the Facultad de Ingenieria
Arturo Narro Siller at the Universidad Autonoma de
Tamaulipas.
References
Barrett S., Taylor M.E., Stone P. Transfer Learning for Reinforcement Learning on a Physical Robot, on: Ninth International
Conference on Autonomous Agents and Multiagent Systems
- Adaptive Learning Agents Workshop (AAMAS-ALA), Toronto, Canada, May 2010.
Benson E., Berliner J., Brinn M. Framework for Multiresolutional
Knowledge Dissemination and Collection in Dynamic Agent
Societies, on: Proc. of the International Conference on Integration of Knowledge Intensive Multi-Agent Systems (KIMAS07), 2007, pp. 97-102.
Fang T., Parker L.E. A Complete Methodology for Generating
Multi-Robot Task Solutions using ASyMTRe-D and Market-
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 37-42 ISSN 1405-7743 FI-UNAM
41
42
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 37-42 ISSN 1405-7743 FI-UNAM
Salazar-Hornig E.
Medina-S.J.C.
Facultad de Ingeniera
Universidad de Concepcin, Concepcin, Chile
Correo: esalazar@udec.cl
Resumen
Se presenta un algoritmo gentico para la programacin de trabajos en un
sistema de mquinas paralelas idnticas, con tiempos de preparacin dependientes de la secuencia, con el objetivo de minimizar el makespan (Cmax). El
algoritmo gentico se compara con otros mtodos heursticos sobre un conjunto de problemas de prueba generados aleatoriamente. Posteriormente se
introduce un procedimiento de mejora en el proceso evolutivo del algoritmo
gentico que mejora significativamente su desempeo.
Descriptores:
mquinas paralelas idnticas
algoritmos genticos
heursticas
Abstract
A genetic algorithm for the parallel shop with identical machines scheduling problem with sequence dependent setup times and makespan (Cmax) minimization is presented. The genetic algorithm is compared with other heuristic methods using a
randomly generated test problem set. A local improvement procedure in the evolutionary process of the genetic algorithm is introduced, which significantly improves
its performance.
Keywords:
identical parallel machines
genetic algorithms
heuristics
Minimizacin del makespan en mquinas paralelas idnticas con tiempos de preparacin dependientes de la secuencia utilizando un algoritmo gentico
Introduccin
44
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 43-51 ISSN 1405-7743 FI-UNAM
Salazar-Hornig E. y Medina-S.J.C.
1996; Pinedo, 2008), lo que hace impracticable la obtencin de la solucin ptima para problemas de mediano
a gran tamao.
En este trabajo se resuelve el problema Pm / sij / Cmax
mediante un algoritmo gentico, comparndolo con otras
heursticas. La relevancia de los problemas de programacin con tiempos y/o costos de preparacin dependientes de la secuencia, queda de manifiesto en una
amplia gama de configuraciones productivas (Allahverdi et al., 2008).
Un esquema simple para resolver la programacin
para este problema es definir un ordenamiento de los
trabajos de acuerdo a un criterio determinado, y luego
continuar de acuerdo al procedimiento de asignacin
de trabajos presentado en la figura 1.
procedure Asignacin de Tabajos
Definir ListaTrabajos ordenada por un criterio.
while (ListaTrabajos no vaca) do
Asignar primer trabajo de la lista a la mquina donde finaliza
antes.
Eliminar primer trabajo de ListaTrabajos.
endwhile
endprocedure
pi
12
15
10
1
2
3
4
5
6
3
9
6
7
8
6
8
6
7
8
4
5
6
5
4
7
3
4
7
4
8
4
9
9
2
2
4
6
2
3
4
7
9
6
3
2
Algoritmo gentico
Los algoritmos genticos fueron introducidos por Holland (1975), utilizan un lenguaje de gentica natural
modelando, en forma artificial, mecanismos de la evolucin natural aplicados a la optimizacin de problemas. Asocian el concepto de individuo a una solucin
factible del problema y el de poblacin a un conjunto de
individuos (soluciones factibles). Los individuos estn
formados por genes (elementos ordenados en una sucesin lineal), que se evalan a travs de una funcin de
aptitud denominada fitness, que corresponde a una medida de la calidad del individuo como solucin del problema (Goldberg, 1989; Davis, 1991 y Michalewicz,
1999). Otros enfoques evolutivos actuales e inspirados
en procesos de la naturaleza, extendidos tambin a ms
procedure Algoritmo Gentico
t0
inicializar Pt
evaluar Pt
while (t < Ng) do
t t+1
seleccionar padres de Pt-1
formar poblacin Pt
evaluar Pt
endwhile
endprocedure
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 43-51 ISSN 1405-7743 FI-UNAM
45
Minimizacin del makespan en mquinas paralelas idnticas con tiempos de preparacin dependientes de la secuencia utilizando un algoritmo gentico
Salazar-Horning E. y Medina-S.J.C.
46
na de manera aleatoria dos posiciones copiando la subsecuencia central de dos padres en dos descendientes
(hijos). Las posiciones restantes de los hijos se llenan
con los trabajos an no asignados en la misma posicin
del padre que no aport la subsecuencia central al hijo,
esto es, si el trabajo no se encuentra en la subsecuencia
central permanece en la misma posicin, en caso contrario, se reemplaza por el trabajo que est en la misma
posicin de la subsecuencia central traspasada al otro
hijo. El operador swap intercambia dos trabajos de un
individuo en forma aleatoria.
Padre 1 :
52|316|4
(58)
Padre 2 :
xx |152|4
Hijo 1 :
36|152|4
46|152|3
(45)
4x|316|x
(47)
Hijo 2 :
42|316|5
(47)
Individuo : 3 6 1 5 2 4
(47)
Mutante : 3 4 1 5 2 6
(46)
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 43-51 ISSN 1405-7743 FI-UNAM
Salazar-Hornig E. y Medina-S.J.C.
dado que se tienen tiempos de preparacin dependientes de la secuencia sij sji), as, minimizar la distancia
total recorrida por el vendedor se asocia con minimizar
la suma total de setups, que es equivalente a minimizar
Cmax.
Por lo anterior, se aplica para su resolucin una
adaptacin de una heurstica greedy clsica aplicada al
problema del vendedor viajero, denominada heurstica
del mejor vecino (nearest neighbor heuristic), que construye
una secuencia de ciudades a visitar, de manera que estando en una ciudad, el vendedor escoge la ciudad ms
cercana an no visitada. El procedimiento aplicado en
este trabajo se indica en la figura 6.
Para el ejemplo de la seccin 2, el individuo 4 2 5
1 6 3 fue asignado mediante el procedimiento de
asignacin de la figura 1, obtenindose una programacin con Cmax = 48 (figura 2). A M1 se asigna la secuencia
de trabajos 4 1 3, mientras que a M2 se asigna la secuencia de trabajos 2 5 6, lo que produce tiempos de
terminacin de 48 y 41 en M1 y M2, respectivamente.
As, para completar la evaluacin del individuo 4
2 5 1 6 3 se resuelven dos problemas de secuenciamiento de una mquina, uno (en M1) que considera
slo los trabajos 1, 3 y 4, y otro (en M2) que considera
slo los trabajos 2, 5 y 6. Resolviendo estos problemas
mediante la heurstica del mejor vecino se obtienen
nuevos ordenamientos de trabajos en M1 y M2, como se
ilustra en la figura 7.
La secuencia de trabajos 3 1 4 en M1, finaliza en
M1 con tiempo 44, mientras que la secuencia de trabajos 6 5 2, finaliza en M2 con tiempo 39, por lo que el
makespan resultante es 44, mejorando en este caso el
makespan obtenido por el procedimiento de asignacin.
Estudio experimental
Los mtodos evaluados fueron los algoritmos genticos
AG (estndar con operador de cruzamiento PMX y
operador de mutacin swap) y AG+MV (AG incorporando la heurstica del mejor vecino como algoritmo de
mejora) presentados en la seccin 3, LPT* (extensin de
la Heurstica LPT al problema de mquinas paralelas
idnticas con setup) y SMC (simulacin Montecarlo).
Los parmetros de probabilidad de cruzamiento (pc)
y mutacin (pm), y el tamao de poblacin (Np) del algoritmo gentico se calibraron mediante experimentacin. En un estudio preliminar se analizaron 5 instancias
del problema (distintas a las consideradas en el trabajo)
con valores pc = 0.5, 0.6 y 0.8; pm = 0.10, 0.20 y 0.50; Np =
50, 100 y 200 procesando 10 rplicas de 200 generaciones por instancia. Se observ el makespan promedio
para cada combinacin de valores en cada instancia,
obtenindose con mayor frecuencia el menor promedio
para los valores pc = 0.8, pm = 0.5 y Np = 200. Finalmente,
el nmero de generaciones para la experimentacin se
estableci en 500 para posibilitar una bsqueda exhaustiva y se procesaron 10 rplicas para cada instancia entregando como resultado del mtodo la secuencia con
menor makespan. Estos parmetros se utilizaron tanto
para el algoritmo gentico bsico AG, como para la versin del algoritmo gentico con mejora AG+MV.
Heurstica LPT*
La heurstica LPT, aplicada con buenos resultados al
problema de mquinas paralelas sin setup (Baker, 1974;
Baker y Trietsch, 2009), se extiende en este trabajo al
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 43-51 ISSN 1405-7743 FI-UNAM
47
Minimizacin del makespan en mquinas paralelas idnticas con tiempos de preparacin dependientes de la secuencia utilizando un algoritmo gentico
caso de mquinas paralelas idnticas con setup, denominndola heurstica LPT*. La heurstica LPT* redefine
los tiempos de proceso de cada trabajo i estimando su
tiempo de ocupacin de mquina (pei) como la suma de
su tiempo de proceso y el promedio de los tiempos de
setup que puede tener cada trabajo, esto es:
n
pe=
pi + s ji n
i
j= 1
Simulacin Montecarlo
El mtodo de simulacin Montecarlo genera en forma
(pseudo) aleatoria una muestra de tamao N de secuencias de n trabajos; cada una de las N secuencias de
la muestra se construye seleccionando con igual probabilidad el siguiente trabajo de entre los trabajos an no
seleccionados mediante un procedimiento de muestreo
(pseudo) aleatorio. Cada secuencia de la muestra se
evala mediante el procedimiento de asignacin de trabajos de la figura 1, entregando como resultado del procedimiento de muestreo la secuencia de la muestra con
menor makespan. En este trabajo se consideraron 10 rplicas (muestras) de tamao N = 50.000 secuencias, cada
una de n = 50 trabajos, entregando como solucin la secuencia de menor makespan entre las 10 secuencias entregada por cada rplica.
La evaluacin de los algoritmos se realiz utilizando instancias generadas en forma aleatoria de acuerdo
a distribuciones de tiempos de proceso y de setup utili-
% MSC =
SolMtodo es el valor del makespan obtenido con el mtodo en estudio y MSC es la mejor solucin conocida de la
respectiva instancia.
Los resultados del makespan obtenidos por cada algoritmo en cada instancia se muestran en la tabla 4
(columnas GA, LPT*, SMC y AG+MV). En la figura 8
se grafican estos resultados, en el eje horizontal se tienen las 30 instancias y en el eje vertical el valor del
makespan.
En ste se aprecia que el algoritmo LPT* presenta
el desempeo ms bajo (prcticamente en todos los
48
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 43-51 ISSN 1405-7743 FI-UNAM
Salazar-Hornig E. y Medina-S.J.C.
AG
661
642
567
525
568
531
582
603
620
573
651
646
654
600
515
576
556
617
594
586
578
612
589
572
568
557
581
580
558
598
LPT*
693
671
603
551
580
557
624
622
651
611
689
653
675
620
535
602
583
646
615
599
605
647
642
595
596
591
607
601
612
634
SMC
667
639
566
528
567
532
584
604
620
579
648
646
652
604
514
571
556
609
599
584
585
611
595
574
570
562
584
588
556
598
AG+MV
617
593
523
486
522
486
539
561
578
534
605
597
606
558
470
530
516
571
552
531
537
565
549
527
522
513
534
538
513
555
Promedio
%AG
7,13
8,26
8,41
8,02
8,81
9,26
7,98
7,49
7,27
7,30
7,60
8,21
7,92
7,53
9,57
8,68
7,75
8,06
7,61
10,36
7,64
8,32
7,29
8,54
8,81
8,58
8,80
7,81
8,77
7,75
8,18
%LPT*
12,32
13,15
15,30
13,37
11,11
14,61
15,77
10,87
12,63
14,42
13,88
9,38
11,39
11,11
13,83
13,58
12,98
13,13
11,41
12,81
12,66
14,51
16,94
12,90
14,18
15,20
13,67
11,71
19,30
14,23
13,41
AG
LPT*
SMC
%MSC promedio
8.18
13.41
8.39
Tambin en la tabla 3 se verifica el similar comportamiento promedio entre los algoritmos AG y SMC con
una leve ventaja de AG sobre SMC, presentando tambin poca variabilidad. La ltima columna de la tabla 4
(columna %AG/SMC) muestra la desviacin porcentual
de la diferencia absoluta entre AG y SMC por instancia,
la que en promedio indica una desviacin de 0.55% con
una mxima diferencia de 1.49% en una instancia.
El procesamiento se realiz en un computador Intel
Core 2 Duo T7500 de 2.2 GHz de 2 GB de RAM. El orden de magnitud del tiempo CPU para la ejecucin de
los algoritmos se presenta en la tabla 5. Los resultados
presentados se obtuvieron con base en la ejecucin de
10 rplicas para los algoritmos AG (15 s/rplica), SMC
(3 s/rplica) y AG+MV (60 s/rplica).
Tabla 5. Tiempo CPU de algoritmos
%SMC
8,10
7,76
8,22
8,64
8,62
9,47
8,35
7,66
7,27
8,43
7,11
8,21
7,59
8,24
9,36
7,74
7,75
6,65
8,51
9,98
8,94
8,14
8,38
8,92
9,20
9,55
9,36
9,29
8,38
7,75
8,39
Algoritmo
AG
LPT*
SMC
GA+MV
CPU [s]
150
0,00
30
600
%AG/SMC
0,97
0,51
0,19
0,62
0,19
0,21
0,37
0,18
0,00
1,12
0,50
0,00
0,33
0,72
0,21
0,94
0,00
1,40
0,91
0,38
1,30
0,18
1,09
0,38
0,38
0,97
0,56
1,49
0,39
0,00
0,55
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 43-51 ISSN 1405-7743 FI-UNAM
49
Minimizacin del makespan en mquinas paralelas idnticas con tiempos de preparacin dependientes de la secuencia utilizando un algoritmo gentico
La incorporacin del algoritmo de mejora en el algoritmo gentico estndar, mejora en torno a 8% la calidad
de las soluciones obtenidas, cuadruplicando el costo en
tiempo CPU. Los algoritmos AG y SMC obtienen similares resultados, pero este ltimo lo hace en un quinto
del tiempo del primero. Por otro lado, el tiempo computacional del algoritmo LPT* es prcticamente despreciable obteniendo soluciones que son slo alrededor de
5% peor que los algoritmos AG y SMC, y se alejan en
promedio aproximadamente un 13.5% del algoritmo
AG+MV.
Conclusiones
Se utiliz un algoritmo gentico estndar para resolver
el problema de programacin de trabajos en el sistema
de mquinas paralelas idnticas con tiempos de preparacin dependientes de la secuencia, al que se le introdujo la heurstica del mejor vecino como algoritmo de
mejora, que optimiza la asignacin de los trabajos resolviendo un problema independiente de minimizacin
de makespan en cada mquina.
Al introducir el algoritmo de mejora, el aumento en
el desempeo del algoritmo gentico es significativo,
mejorando en promedio las soluciones obtenidas con el
algoritmo gentico estndar en cerca de un 8%, superando a todos los otros algoritmos en todas las instancias; sin embargo, su tiempo computacional es 4 veces
mayor.
El algoritmo gentico estndar y la simulacin Montecarlo presentan un rendimiento similar, pero no una
ventaja significativa por parte del algoritmo gentico,
ya que este ltimo utiliza 5 veces ms de tiempo computacional que la simulacin Montecarlo.
El algoritmo LPT* es el algoritmo que presenta el
rendimiento ms bajo entre los algoritmos considerados, siendo el que obtiene la peor solucin en todas las
instancias evaluadas, sin embargo, su tiempo computacional es prcticamente despreciable, alejndose slo
alrededor de 5% del algoritmo gentico estndar y simulacin Montecarlo, y cerca de 13.5% del algoritmo
gentico con la mejora.
Para un trabajo futuro, el enfoque del procedimiento AG+MV puede mejorarse en varios aspectos, por un
lado, respecto a la composicin del algoritmo gentico
50
Referencias
Allahverdi A., Ng C.T., Cheng T.C.E., Kovalyov M. A Survey of
Scheduling Problems with Setup Times or Costs. European
Journal of Operational Research, volumen 187 (nmero 3), 2008:
985-1032.
Anglani A., Grieco A., Gerriero E., Musmanno R. Robust Scheduling of Parallel Machines with Sequence-Dependent Set-up
Costs. European Journal of Operational Research, volumen 161
(nmero 3), 2005: 704-720.
Baker K.R., Trietsch D. Principles of Sequencing and Scheduling,
New York, John Wiley and Sons, 2009.
Baker K.R. Introduction to Sequencing and Scheduling, New York,
John Wiley and Sons, 1974.
Blazewicz J., Ecker K., Pesch E. Schmidt G., Weglarz J. Scheduling
Computer and Manufacturing Processes, Springer, 1996.
Coello C., Dhaenens C., Jourdan L. Advances in Multi-Objective Nature Inspired Computing, Springer, Berln/Heidelberg, 2010.
Davis L. Handbook of Genetic Algorithms, New York, Van Nostrand
Reinhold, 1991.
Behnamian J., Zandieh M., Fatemi-Ghomi S.M.T. Parallel-Machine
Scheduling Problems with Sequence-Dependent Setup Times
Using an ACO, SA and VNS Hybrid Algorithm. Expert Systems
with Applications, volumen 36 (nmero 6), 2009: 9637-9644.
Goldberg D.E. Genetic Algorithms in Search, Optimization and Machine Learning, Massaschussets, Addison Wesley, Reading,
1989.
Graham R.L., Lawler E.L., Lenstra J.K., Rinnooy-Kan A.H.G. Optimization and Approximation in Deterministic Sequencing
and Scheduling: a Survey. Annals of Discrete Mathematics,
volumen 5, 1979: 287-326.
Holland J.H. Adaptation in Natural and Artificial Systems, Michigan,
University of Michigan Press, Ann Arbor, 1975.
Lin C.H. y Liao C.J. Makespan Minimization Subject to Flowtime
Optimality on Identical Parallel Machines. Computers & Operations Research, volumen 31 (nmero 10), 2004: 1655-1666.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 43-51 ISSN 1405-7743 FI-UNAM
Salazar-Hornig E. y Medina-S.J.C.
Mendes A., Mller F., Franca P., Moscato P. Comparing MetaHeurstic Approaches for Parallel Machine Scheduling Problems with Sequence Dependent Setup Times. Production
Planning and Control, volumen 13 (nmero 2), 2002: 143-154.
Michalewicz Z. Genetic Algorithms+Data Structures=Evolution Programs, 3th ed., Springer, 1999.
Pinedo M. SchedulingTheory, Algorithms and Systems, 3th ed.,
Springer, 2008.
Radhakrishnan S., Ventura J. Simulated Annealing for Parallel
Machine Scheduling with Earliness-Tardiness Penalties and
Sequence-Dependent Set-Up Times. International Journal of
Production Research, volumen 38 (nmero 10), 2000: 2233-2252.
Salazar E. Programacin de sistemas de produccin con SPS_Optimizer. Revista ICHIO, volumen 1 (nmero 2), 2010: 33-46.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 43-51 ISSN 1405-7743 FI-UNAM
51
Cabrera-Ros M.
Industrial Engineering Department
University of Puerto Rico at Mayagez
Correo: mauricio.cabrera1@upr.edu
Informacin del artculo: recibido: julio de 2010, reevaluado: octubre de 2011, aceptado: marzo de 2012
Resumen
En este trabajo se presenta un estudio de validacin de un mtodo para seleccionar tcnicas de pronstico de series de tiempo. En el mtodo propuesto se
utilizan Redes Neuronales Artificiales para predecir el desempeo de varios
mtodos estadsticos tradicionales de pronstico para as seleccionar el de mejor potencial. Para llevar a cabo la validacin, se emplearon dieciocho series de
tiempo reales, correspondientes a actividades econmicas del estado de Tamaulipas. Los resultados apuntan a que el mtodo de seleccin propuesto es
suficientemente confiable para devenir un recurso de fcil aplicacin para personas con poco conocimiento estadstico. Tablas con los resultados del mtodo
se incluyen en este trabajo para hacer ms conveniente la identificacin del
mtodo estadstico tradicional de pronstico sugerido.
Descriptores:
redes neuronales artificiales
(RNA)
mtodos de pronstico
series de tiempo
Abstract
In this paper, a validation study for a method geared towards the selection of forecasting techniques for time series is presented. The proposed method makes use of
artificial neural networks to predict the performance of several statistics-based forecasting techniques to help select the potential best one. Eighteen time series with real
data related to economic activities in the state of Tamaulipas were used for validation
purposes. The results indicate that the proposed method is sufficiently reliable to
become a useful resource for people with modest level of training in statistics. It is
also proposed that the method be tabulated for convenient access.
Keywords:
Artificial Neural Network
(ANN)
forecasting methods
time series
Estudio de validacin de un mtodo para seleccionar tcnicas de pronstico de series de tiempo mediante redes neuronales artificiales
Introduccin
Con el fin de mantener su viabilidad y supervivencia,
toda empresa requiere tomar decisiones con anticipacin a los posibles cambiosen su mercado. Estas decisiones se toman en tiempo presente con informacin
histrica, as como con inferencias acerca del futuro, esto es, con pronsticos.
Existen muchas tcnicas estadsticas de pronsticos
en la literatura; sin embargo, en el grueso de las compaas medianas y pequeas de Mxico, es comn que
no se usen estas tcnicas. Algunas veces se prescinde de
su uso por desconocimiento de las mismas, otras por no
conocer su aplicacin correcta y en algunas otras, porque resulta difcil seleccionar la tcnica ms adecuada
para cada caso. Esta situacin se agrava cuando no se
cuenta con paquetera computacional especializada
para realizar pronsticos, y cuando no se tiene el tiempo suficiente para aprender cmo utilizar varias tcnicas de pronstico para seleccionar una con buen
desempeo. Tener la capacidad de seleccionar un mtodo adecuado de pronstico podra entonces ayudar, en
general, a mejorar la utilizacin de estas tcnicas en el
pas y, en particular, resolver problemas fcilmente (Villareal, 2006).
Este trabajo resume la aplicacin en dieciocho series
de tiempo reales del mtodo desarrollado en Villareal
(2006) para seleccionar la mejor tcnica de pronstico
entre ocho tcnicas estadsticas. El mtodo est basado
en redes neuronales artificiales (RNA) para predecir el
desempeo de cada tcnica de pronstico cuantificado
por el error cuadrado medio (MSE por sus siglas en ingls). La capacidad predictiva de las RNA ha sido estudiada y matemticamente demostrada para funciones
analticas en Hornik et al. (1989) y Salazar (2005), por
ejemplo, se utilizaron redes neuronales artificiales para
pronosticar la demanda en una compaa de telecomunicaciones.
Las series de tiempo utilizadas en este trabajo fueron obtenidas del sitio de internet del Instituto Nacional de Estadstica y Geografa e Informtica (INEGI,
2007) en la seccin del Banco de Informacin Econmica (BIE). Adems, se obtuvieron datos de la pgina de
internet de la Secretara de Agricultura, Ganadera, Desarrollo Rural, Pesca y Alimentacin (SAGARPA, 2007).
Todas las series de tiempo se relacionan con actividades econmicas del estado de Tamaulipas para establecer la pertinencia del estudio a un nivel regional.
Los ocho mtodos de pronstico de series de tiempo
(datos disponibles por los autores) utilzados en este trabajo son: (T1) mtodo ingenuo, (T2) promedio, (T3) promedio mvil, (T4) promedio mvil autorregresivo integrado
54
o ARIMA (0, 1, 1) acrnimo del ingls Autoregressive Integrated Moving Average, (T5) suavizado exponencial simple, (T6) regresin lineal, (T7) ARIMA (0, 2, 2) y (T8)
suavizado exponencial doble. El mtodo ingenuo (T1),
promedio (T2), promedio mvil (T3) y suavizado exponencial (T5) se utilizan comnmente cuando los datos histricos son relativamente constantes en el tiempo. Si los
datos presentan una tendencia lineal, creciente o decreciente, el mtodo de regresin lineal (T6) y el mtodo de
suavizado exponencial doble (T8) son los ms recomendados. Los mtodos ARIMA (0, 1, 1) (T4) y ARIMA (0, 2,
2) (T7) son equivalentes al suavizado exponencial simple
y doble, respectivamente, con la diferencia de que pueden
aplicarse a series de tiempo constantes y de tendencia con
estacionalidades, esto es, a series de tiempo donde los datos presentan un patrn repetitivo cada k unidades de
tiempo. Detalles de cada mtodo pueden consultarse en
Hillier y Lieberman (2001) y Makridakis et al. (1998).
Todos los mtodos de pronstico, a excepcin de los
ARIMA y el de regresin lineal, se codificaron en MS
Excel para medir su desempeo de prediccin por medio del MSE. Para los mtodos ARIMA y regresin lineal se utiliz el paquete computacional estadstico
MINITAB.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 53-63 ISSN 1405-7743 FI-UNAM
Capa oculta
wj
1
Capa de salida
MSE
Series de prueba
El mtodo descrito se aplic a dieciocho series correspondientes al sector econmico del estado de Tamaulipas. Como se detall antes, las series fueron obtenidas
de los sitios de internet oficiales del Instituto Nacional
de Estadstica y Geografa e Informtica (INEGI, 2007),
en la seccin del Banco de Informacin Econmica (BIE)
y de la Secretara de Agricultura, Ganadera, Desarrollo
Rural, Pesca y Alimentacin (SAGARPA, 2007). Las series representan lo siguiente:
SERIE 1. Consumo privado por finalidad en el sector turismo, cuenta satlite de turismo (1993-2004). Valor de todas las compras, bienes o servicios realizados por
individuos, empresas o instituciones privadas sin intencin
de lucro.
SERIE 2. Nmero de establecimientos (unidad de
medida: nmero de establecimientos en activo), principales caractersticas de la industria maquiladora de exportacin, estadsticas de la industria maquiladora de
exportacin (EIME), enero-diciembre de 2006. Nmero
de unidades activas en operacin con disposicin de un programa de maquila de exportacin.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 53-63 ISSN 1405-7743 FI-UNAM
55
Estudio de validacin de un mtodo para seleccionar tcnicas de pronstico de series de tiempo mediante redes neuronales artificiales
SERIE 3.
Materias primas (unidad de medida:
miles de pesos), componentes de valor agregado de exportacin, estadsticas de la industria maquiladora de
exportacin (EIME), enero-diciembre de 2005. Valor de
la actividad de maquila de exportacin referente a la
materia prima por transformacin de bienes, ensambles o
servicios.
SERIE 4.
Insumos importados (unidad de medida: miles de pesos corrientes), principales caractersticas
de la industria maquiladora de exportacin, estadsticas
de la industria maquiladora de exportacin (EIME), enero-diciembre de 2006. Valor de los materiales importados para
la transformacin de la industria maquiladora de exportacin.
SERIE 5.
Camarn (unidad de medida: kilogramos), produccin acucola en sistemas controlados,
pesca Tamaulipas (1990-2004). Kilogramos de camarn
producidos en sistemas acucolas controlados.
SERIE 6. ndice de productividad (indicadores
anuales, unidad de medida: ndice base 1993=100), Tamaulipas, divisin IX otras industrias manufactureras,
industria maquiladora de exportacin (1990-2004). ndice de productividad laboral en la industria manufacturera.
SERIE 7. ndice de productividad total (indicadores anuales, unidad de medida: ndice base 1993=100)
Tamaulipas, industria maquiladora de exportacin
(1990-2004). ndice de productividad total en la industria
maquiladora de exportacin produccin/consumo total.
SERIE 8. ndice de productividad (indicadores
anuales, unidad de medida: ndice base 1993=100). Tamaulipas, divisin V sustancias qumicas, derivados
del petrleo, productos de caucho y plstico, industria
maquiladora de exportacin (1990-2004). ndice de productividad para la industria maquiladora de exportacin, divisin V sustancias qumicas (produccin/consumo).
SERIE 9. Bagre (unidad de medida: kilogramos), produccin acucola en sistemas controlados,
pesca Tamaulipas (1990-2004). Kilogramos de Bagre producidos en sistemas acucolas controlados.
SERIE 10. Ingresos por remesas familiares por
entidad federativa (unidad de medida: millones de dlares), Tamaulipas, sector externo. Trimestres 1, 2, 3 y 4
de 2003, 2004, 2005 y 2006, trimestre 1 de 2007. Millones
de dlares recibidos por remesas familiares.
56
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 53-63 ISSN 1405-7743 FI-UNAM
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 53-63 ISSN 1405-7743 FI-UNAM
57
Estudio de validacin de un mtodo para seleccionar tcnicas de pronstico de series de tiempo mediante redes neuronales artificiales
Tabla 1. Mtodos de pronstico predichos por las RNA vs. Reales para cada serie de tiempo
Serie
12
12
12
12
15
15
15
15
15
10
17
11
23
12
35
13
35
14
66
15
55
147
16
27
208
17
209
18
209
58
MEJOR
MEJOR
MEJOR
MEJOR
MEJOR
MEJOR
MEJOR
MEJOR
Predicho
T7
T6
T8
T1
T5
T4
T3
T2
Real
T7
T8
T6
T4
T1, T5
T2
T3
Predicho
T7
T1
T8
T5
T6
T4
T2
T3
Real
T1
T5, T8
T2
T6
T7
T4
T3
Predicho
T7
T1
T8
T6
T5
T2
T3
T4
Real
T6
T7
T8
T4, T5
T1
T2
T3
Predicho
T6
T7
T8
T3
T5
T2
T4
T1
Real
T6
T4
T5, T8
T7
T1
T2
T3
Predicho
T7
T8
T1
T4
T5
T3
T6
T2
Real
T6
T7
T4
T5, T8
T1
T2
T3
Predicho
T7
T8
T3
T5
T6
T4
T1
T2
Real
T1, T5,
T8
T6
T4
T2
T7
T3
Predicho
T7
T3
T8
T6
T5
T4
T1
T2
Real
T6
T4
T1, T5, T8
T7
T2
T3
Predicho
T7
T6
T3
T8
T4
T2
T5
T1
Real
T6
T7
T4
T5, T8
T1
T2
T3
Predicho
T7
T6
T3
T2
T4
T8
T5
T1
Real
T6
T4
T7
T5, T8
T1
T2
T3
Predicho
T7
T6
T4
T8
T1
T5
T3
T2
Real
T6
T4
T8
T1, T5
T7
T2
T3
Predicho
T7
T4
T1
T8
T3
T6
T5
T2
Real
T7
T4
T8
T1, T5
T6
T2
T3
Predicho
T7
T6
T8
T3
T4
T5
T1
T2
Real
T7
T8
T1, T4, T5
T6
T3
T2
Predicho
T7
T3
T4
T8
T1
T6
T5
T2
Real
T7
T4
T8
T1, T5
T6
T2
T3
Predicho
T5
T3
T8
T4
T2
T7
T6
T1
Real
T6, T8
T3
T2
Predicho
T5
T3
T4
T2
T8
T7
T6
T1
Real
T4
T1
T6
T7
T5
T2
T8
T3
Predicho
T5
T3
T4
T2
T8
T7
T6
T1
Real
T4, T5,
T8
T1
T7
T6
T3
T2
Predicho
T5
T3
T4
T8
T2
T7
T6
T1
Real
T4, T5,
T8
T1
T7
T6
T3
T2
Predicho
T5
T3
T4
T8
T2
T7
T6
T1
Real
T7, T8
T1, T4, T5
T3
T6
T2
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 53-63 ISSN 1405-7743 FI-UNAM
Suavizado
exponencial
simple
Promedio mvil
54
52
50
48
46
PERODOS ( t )
44
42
40
38
Regresin lineal
Promedio
36
34
32
30
28
26
24
22
20
ARIMA (0,2,2)
18
16
14
12
Regresin lineal
1
GRADO POLINOMIAL ( n )
Tabla 2. Primeros mejores mtodos de pronstico resultantes de acuerdo con el mtodo de Villarreal et al. (2009)
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 53-63 ISSN 1405-7743 FI-UNAM
59
Estudio de validacin de un mtodo para seleccionar tcnicas de pronstico de series de tiempo mediante redes neuronales artificiales
66
64
62
60
58
ARIMA (0,1,1)
Promedio mvil
56
54
52
50
48
Promedio
46
44
PERODOS ( t )
42
40
38
Suavizado
exponencial
simple
Regresin lineal
Promedio mvil
ARIMA (0,2,2)
Suavizado
exponencial doble
Promedio mvil
ARIMA (0,2,2)
36
34
32
30
Regresin lineal
ARIMA (0,2,2)
Promedio mvil
Suavizado
exponencial doble
Promedio
ARIMA (0,2,2)
28
Promedio
26
ARIMA (0,1,1)
24
22
Promedio mvil
20
18
16
14
Ingenuo
Regresin lineal
Regresin lineal
ARIMA (0,2,2)
12
1
GRADO POLINOMIAL (n )
MEJORES
MTODOSde
DE acuerdo
PRONSTICO
Tabla 3. Segundos mejores mtodosTERCEROS
de pronstico
resultantes
con el mtodo de Villarreal et al. (2009)
60
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 53-63 ISSN 1405-7743 FI-UNAM
66
ARIMA (0,1,1)
64
Suavizado exponencial simple
62
Promedio
60
Suavizado E. S.
58
Promedio
56
54
52
Promedio
50
48
46
ARIMA (0,1,1)
ARIMA (0,2,2)
Suavizado E. D.
Regresin lineal
44
ARIMA (0,2,2)
Suavizado E. S.
PERODOS ( t )
42
Suavizado
exponencial doble
40
38
36
34
32
30
ARIMA (0,1,1)
ARIMA (0,2,2)
ARIMA (0,2,2)
Promedio
Suavizado exponencial doble
Suavizado
exponencial doble
ARIMA (0,2,2)
ARIMA (0,2,2)
Regresin lineal
ARIMA (0,2,2)
ARIMA (0,1,1)
ARIMA (0,1,1)
Promedio
28
Suavizado
26
exponencial doble
24
22
20
18
Regresin lineal
Ingenuo
Promedio mvil
Suavizado
exponencial doble
ARIMA (0,1,1)
16
14
12
ARIMA (0,1,1)
Suavizado
exponencial doble
1
Regresin L.
2
Ingenuo
Regresin L.
Promedio M.
GRADO POLINOMIAL (n )
Tabla 4. Terceros mejores mtodos de pronstico resultantes de acuerdo con el mtodo de Villarreal et al. (2009)
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 53-63 ISSN 1405-7743 FI-UNAM
61
Estudio de validacin de un mtodo para seleccionar tcnicas de pronstico de series de tiempo mediante redes neuronales artificiales
Conclusiones
En este trabajo se present la validacin del mtodo de
Villarreal et al. (2009) para la seleccin de tcnicas de
pronstico. Se pudo constatar, por medio de 18 series
de tiempo reales, que el mtodo trabaja competitivamente. Adicionalmente se propuso la utilizacin de tablas de fcil acceso para un usuario que busque aplicar
dicho mtodo. Se espera que los resultados aqu presentados y el formato descrito incidan en la adopcin
de este mtodo por personas con poco entrenamiento
estadstico que requieran seleccionar un mtodo de
pronstico. Los resultados alientan a buscar caracterizaciones prcticas que faciliten la utilizacin de mtodos cuantitativos para la toma de decisiones en las
compaas mexicanas.
Agradecimientos
Este trabajo fue elaborado parcialmente por el apoyo de
los programas de verano cientfico de la Academia
Mexicana de Ciencias, la Universidad Autnoma de
Nuevo Len y la Universidad Autnoma de Tamaulipas. Los autores agradecen tambin el apoyo del CONACYT por las becas otorgadas a los estudiantes
involucrados en este trabajo.
Referencias
Hagan M.T. y Demut H.B. Neural Network Design, 1a ed., PWS Publishing Company, 1995.
Hillier y Lieberman. Investigacin de Operaciones, 7a ed., Mxico,
Mc GRAW-HILL, 2001.
Hornik K., Stinchcombe M., White H. Multilayer Feedforward
Networks are Universal Approximatiors. Neuronal Networks,
volumen 2 (nmero 5), 1989: 359-366.
Instituto Nacional de Estadstica y Geografa e Informtica (INEGI). Seccin del Banco de Informacin Econmica (BIE) [en
lnea] [fecha de consulta 19 de octubre de 2007]. Series histricas consultadas en: http://dgcnesyp.inegi.gob.mx/bdiesi/bdie.
html, Disponibles por parte de los autores. Nueva versin del
Citacin Chicago
62
Acosta-Cervantes, Mary Carmen, Mara Guadalupe Villarreal-Marroqun, Mauricio Cabrera-Ros. Estudio de validacin de un mtodo para seleccionar tcnicas de pronstico de series de tiempo
mediante redes neuronales artificiales. Ingeniera Investigacin y
Tecnologa XIV, 01 (2013): 53-63.
Citacin ISO 690
Acosta-Cervantes M.C., Villarreal-Marroqun M.G., Cabrera-Ros
M. Estudio de validacin de un mtodo para seleccionar tcnicas
de pronstico de series de tiempo mediante redes neuronales artificiales. Ingeniera Investigacin y Tecnologa, volumen XIV (nmero 1), enero-marzo 2013: 53-63.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 53-63 ISSN 1405-7743 FI-UNAM
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 53-63 ISSN 1405-7743 FI-UNAM
63
Osornio-Correa C.
Departamento de Ingenieras
Divisin de Ciencia, Arte y Tecnologa
Universidad Iberoamericana
E-mail: cuitlahuac.osornio@uia.mx
Villarreal-Calva R.C.
Departamento de Ingenieras
Divisin de Ciencia, Arte y Tecnologa
Universidad Iberoamericana
E-mail: carlos.calva@gmail.com
Molina-Cristbal A.
Department of Engineering
Engineering Design Centre
University of Cambridge
E-mail:am664@cam.ac.uk
Estavillo-Galsworthy J.
Departamento de Ingenieras
Divisin de Ciencia, Arte y Tecnologa
Universidad Iberoamericana
E-mail joshua.estavillo.galsworthy@gmail.com
Santilln-Gutirrez S.D.
Divisin de Ingeniera Mecnica e Industrial
Facultad de Ingeniera
Universidad Nacional Autnoma de Mexico
E-mail: saulsan@unam.mx
Information on the article: received: October 2010, reevaluated: February 2011, accepted: April 2012
Abstract
A solution to increase fuel economy in Hybrid Electric Vehicles derived from
physical characteristics of the vehicle, the powertrain and the control strategy is presented. A heuristic Control Map is created to analyze the restrictions and benefits of using either of the onboard power plants under different
driving conditions. The control strategy follows the Control Map with a logic that responds to the Battery State of Charge. Finally, a case study demonstrates the increase in fuel economy and charge sustainability; here, the
variables studied are submitted to a Multi-Objective Genetic Algorithm Optimization.
Keywords:
Optimization of Power Train and Control Strategy of a Hybrid Electric Vehicle for Maximum Energy Economy
Resumen
Se presenta una solucin para incrementar la economa de combustible en Vehculos
Elctricos Hbridos derivada de las caractersticas fsicas del vehculo, el tren de potencia y la estrategia de control. Se crea un mapa de control heurstico para analizar
los beneficios y restricciones al utilizar las plantas de potencia instaladas en diferentes condiciones de manejo. La estrategia de control utiliza el Mapa de Control asociado a una lgica que responde al estado de carga de las bateras. Finalmente, en un
estudio de caso se demuestra el incremento en la economa de combustible y la sustentabilidad en la carga de las bateras; aqu, las variables estudiadas se someten a un
algoritmo de optimizacin multi-objetivo.
Introduction
Hybrid Electric Vehicles (HEVs) have emerged as an alternative to reduce fuel consumption and pollutant
emissions while maintaining vehicle performance. The
first attempts to optimize HEVs performance focused
on proper selection of the Powertrain (PT) components,
such as the Internal Combustion Engine (ICE), Electric
Motor (EM), battery pack and transmission (Liang et al.,
2000). Recent work also improves the Control Strategy
which regulates the energy flow between prime movers, transmission, batteries and wheels to accomplish
driver demand (Morteza et al., 2006; Amr et al., 2006;
Kyoungcheol et al., 2007; Pezzini et al., 2000).
In this paper a Control Strategy for a parallel HEV is
proposed. This strategy uses a control map and a set of
conditions that respond to the Battery State of Charge
(SOC) to improve fuel efficiency. The main input control variables are power demanded, vehicles speed and
the battery SOC. The control map is based on the Basic
Engine Operating Line (BEOL) and transmission kinematics (Koichiro et al., 2004). The novelty of this control
map is that it clearly identifies important considerations, among others, in which cases the ICE must operate in low efficiency conditions without being substituted
by the EM or when the capacity to charge the battery is
restricted. All of these happen while fuel consumption
is minimized, vehicles performance is kept and charge
sustainability is guaranteed.
This work is composed of the following sections:
Descriptores:
coordinate axes. Each area of the Control Map corresponds to a specific HEV operating mode with its
own energy flow characteristics.
The section on the electric system presents its main
characteristics and introduces the strategies to
achieve charge sustainability, with battery life expectancy in mind.
The section on optimization is a case study, where
dynamic characteristics of a commercial vehicle are
used with the PT parameters and Control Strategy
variables submitted to a Multi-Objective Genetic Algorithm (MOGA).
66
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
Osornio-Correa C., Villarreal-Calva R.C., Molina-Cristbal A., Estavillo-Galsworthy J. and Santilln-Gutirrez S.D.
Variable
Twheels , wheels
Definition
Torque and angular velocities of traction wheels
Fbelt
cvt
RST
CEM
n
Ccvt
dif
TICE
TEM
wICE
wEM
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
67
Optimization of Power Train and Control Strategy of a Hybrid Electric Vehicle for Maximum Energy Economy
1 + cvt
=
Fbelt TICE + TEM CEM
n
+
1
Ccvt
(1)
Twheels =
TICE cvt + TEM
RST
RST ( 1 + n ) dif
(2)
R -1
=
wwheels wICE ST dif
cvt
(3)
RST ( 1 + n ) -1
dif
wwheels wEM
(4)
from power sources to the wheels. As it has been established the n must be increased as much as possible. To
do this an algorithm in Matlab that evaluates the torque transformation from the power source to the
wheels in tentative range within values for cvt and RST
is used.
For the analysis, the following ranges of values are
used: TEM = 100Nm, TICE = 100Nm, dif = 3, CEM = 1, n=4,
0.7 < cvt < 4 and 0.7 < RST < 1.3. Figure 2 is obtained from
this analysis.
It can be observed that lower values of RST and higher values of cvt both increase Twheels and that the influence of cvt is higher than the influence of RST,
especially when operating in underdrive conditions.
Therefore it is recommended to set the value of RST < 1
and it is concluded that the main torque multiplier
available is cvt.
Equation 3 applies when the HEV works in conventional or hybrid parallel modes. It shows that the CVT
couples the rotational speed of the ICE and the wheels
because all other parameters are fixed once the transmission is built.
Equation 4 is valid when the vehicle works in electric or hybrid series mode. Once the ranges of values for
RST, n and cvt have been established, the CEM is left to be
defined. Variable CEM fixes the top angular velocity of
the EM with the vehicles top speed where the EM can
assist the ICE. This speed is defined in the following
section.
The previous analysis produces Table 2, defining
each transmission parameter and their proposed
ranges.
Range
RST
cvt
68
CEM
Ccvt
Objective
To lower Fbelt. Top range value limited by
manufacturing
0.5-2.5
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
Osornio-Correa C., Villarreal-Calva R.C., Molina-Cristbal A., Estavillo-Galsworthy J. and Santilln-Gutirrez S.D.
P1 ( P ) = wICE ( P )
RST
rwheel
(5)
P2 ( P ) = wICE ( P )
RST
rwheel
(6)
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
69
Optimization of Power Train and Control Strategy of a Hybrid Electric Vehicle for Maximum Energy Economy
P1 ( P ) = P2 ( P )
cvt _ max
cvt _ min
(7)
70
shuts it down under non-efficient conditions. Unfortunately, the EM usage has a high cost on efficiency, due
to several energy transformations required to convert
the fuels chemical energy into mechanical energy by
the EM (Freyermuth et al., 2008; Salmasi, 2007). The Pmin
value can be modified by the control strategy. This action considerably changes the area of HS. This parameter can be used to set the preference to either use the EM
or the ICE under low speed and low power demand
situations (Morteza et al., 2006) or when the HEV operates on C3 zone. For these reasons Pmin is a decision variable of the optimization.
The transmission design must find a balance between the areas HP and C 3 , because, while the HEV
works within HP the EM must be used (with a consequent lower efficiency), but if the RST value is modified
to cover those operating points within C1, then C3s area
must increase and the ICE will work mostly under conditions out of its BEOL increasing fuel consumption.
This situation must be balanced to find the best RST value. For this reason RST is another decision variable of
the optimization.
Another transmission parameter that must be defined and optimized on the design stage is the VE value.
If VE is low the EM may stop working before achieving
the speed required by the ICE to deliver its full power,
leaving the HEV with less power available on a range of
V. The inverse situation would happen if the VE value is
too high. About this, it should be noted that change in
the value of VE modifies the operative points of the EM,
which changes the efficiency of the EM. This contributes to change the fuel economy. For this reason VE is a
decision variable used for the optimization.
(8)
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
Osornio-Correa C., Villarreal-Calva R.C., Molina-Cristbal A., Estavillo-Galsworthy J. and Santilln-Gutirrez S.D.
Electric system
Optimization
(9)
For Point III, the excess energy the ICE needs to generate and still work on its BEOL is given by the equation:
PChg2BEOL (t) = P1 (t) - P(t)
Charge strategy
Charge while
Reg. breaking
HS
C1
C2
(10)
Charge power
Charge limit
Device
P(t)
4C
EM
4C-P(t)
PAlt
PAlt
4C
Eq. 9 and 4C
Eq. 9 and 4C
Alternator
EM
Alternator
C3
PAlt
4C
EM
C4
PAlt
4C
Alternator
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
71
Optimization of Power Train and Control Strategy of a Hybrid Electric Vehicle for Maximum Energy Economy
decision variables are shown in Table 5. The optimization parameters are conformed of 100 generations with
100 individuals each.
The multi-objective optimization problem is simultaneously
Minimize Function 1: Petrol [g] = F [VE, RST, Pmin1,Pmin2,
LIB2(SOC),LIB3(SOC), PAlt]and
Maximize Function 2: Bat [W-hr] = F [VE, RST,
Pmin1,Pmin2, LIB2(SOC),LIB3(SOC), PAlt].
Petrol [g] is total fuel consumption at the end of the
drive cycle and Bat [W-hr] represents the final SOC at
the end of the drive cycle.
The decision variables of the optimization with their
boundaries are shown in Table 4. A run of 100 generations, with a population of 100 individuals each, was
carried out as outlined. The number of generation was
decided based on observation that no improvement
was achieved after 100 of them. The optimal Pareto
front set found is plotted in Figure 4. There, each individual with final SOC below the initial SOC (1600 W-hr)
is charge decreasing, any above is charge increasing
and charge sustainable is when the final SOC equals the
initial one.
Decision Variable
VE (top speed selected for which the EM can deliver power)
RST (velocity ratio between the PGS ring and of the CVT)
Lower
bound
26
Upper
bound
45
Units
m/s
0.5
1.0
8200
20000
25000
13000
56
80
LIB2
80
72
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
Osornio-Correa C., Villarreal-Calva R.C., Molina-Cristbal A., Estavillo-Galsworthy J. and Santilln-Gutirrez S.D.
Element
1
2
3
4
5
6
7
Petrol
[g]
-41.9
19.6
5.97
109.2
35.2
17.7
VE
[m/s]
26.0
39.1
37.5
37.5
26.0
39.0
30.6
RST
0.738
0.706
0.709
0.709
0.698
0.649
0.634
Bat. Energy
Petrol
[kW-hr]
Bat. Energy
--0.1852
226.4
0.0722
272.4
0.0215
276.2
0.3473
314.4
0.0758
463.9
0.0319
555.4
that the ratio ranges from 226.4 g/kW-hr to 555.4 g/kWhr. From the efficiency chart of the ICE, it is known that
at least 220g of fuel are required to generate 1 kW-hr of
work. This value is used to calculate the efficiency of
the transformation of that mechanical energy to energy
stored in the battery pack at the end of the simulation
(shown in column 5). Table 6 shows that as more charge
increasing the vehicle works, the fuel cost of the final
energy stored in the battery pack increases. As a result,
the control system should try to avoid keeping the vehicle working over a charge increasing condition.
Another aspect to consider is that a charge decreasing
strategy is more fuel efficient, but requires additional
hardware to convert the HEVs into a Plug-in HEV
(Xianjing et al., 2010).
Decision variables
Pmin1
Pmin2
PAlt
[W]
[W]
[W]
8247
6574
739
8359
6320
738
8267
6119
758
8267
6103
758
8291
6011
1155
8227
6272
1155
8251
6359
1155
Efficiency
[%]
-97.11
80.74
79.55
69.96
47.42
39.61
LIB2
[%]
77.6
62.4
65.4
65.4
79.97
79.97
79.97
LIB3
[%]
79.7
67.6
78.2
77.5
79.99
79.97
79.98
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
73
Optimization of Power Train and Control Strategy of a Hybrid Electric Vehicle for Maximum Energy Economy
of 0.01 for RST and of 1 m/s for VE. The best pair of
values found was: RST = 0.64 0.01 and VE =38.5 1m/s.
A comparison between the Pareto front set and the best
sub-set with RST and VE fixed is shown in Figure 4.
Table 7.Values of decision variables that belong to the closest sub-set found to the Pareto front set
Individual
A
B
C
D
E
F
G
Objective functions
Petrol [g]
Bat [W-hr]
4687.3
1741.6
4714.5
1861.4
4731.8
1934.0
4762.7
2046.3
4786.9
2133.6
4873.7
2405.3
4895.2
2444.0
VE [m/s]
39.1
39.1
39.1
39.3
39.1
39.0
38.8
RST
0.634
0.634
0.646
0.647
0.649
0.649
0.640
Pmin1 [W-hr]
8402
8403
8355
8319
8342
8227
8319
Decision variables
Pmin2 [W-hr]
PAlt [W-hr]
6843
434
6636
480
6858
739
6307
683
6307
797
6272
1155
6264
1195
LIB2[%]
67.2
67.2
67.6
67.6
79.4
79.9
79.9
LIB3[%]
69.1
69.1
78.9
77.8
79.6
79.9
79.9
74
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
Osornio-Correa C., Villarreal-Calva R.C., Molina-Cristbal A., Estavillo-Galsworthy J. and Santilln-Gutirrez S.D.
Simulation results
In this section the results of one simulation done with
the values of individual A of Table 7 are presented.
This individual was selected because the values for RST
and VE are in the optimal range and the final SOC is
close to charge sustainable. Figure 6 is the real Control
Map used and populated by the individual simulated,
each point represent one state of the simulation.
From first heuristic optimization (Salmasi, 2007),
considering only the Control Map and the SOC, the C3
area is more populated than the HP area. The slope of
P2 increased enough to let C1cover almost all points of
high power demand at low speeds. This information
states that it is better to use the ICE outside its BEOL at
high speeds than use the energy from the battery pack
at low speeds with high power demand. The optimization demonstrates that it is more efficient to let the Pmin
curve of the control map to have a slight negative slope.
This might be explained by the fact that we are optimizing distance/fuel consumption and, despite that in C3
the ICE do not work on its BEOL, the ratio decrease in
efficiency of the ICE might be overcompensated by the
increase of speed. This means the faster the vehicle
goes, the further from the BEOL the ICE can operate
whilst still being more fuel efficient than using the EM.
In Figure 6 it can be observed that up to 15 kilowatts
are used by the regenerative breaking, which is more
than 4C (in this case 4C = 12 kW). This is due to the fact
the EM absorbs 15 kW of mechanical energy in its shaft.
Conclusions
The implementation of the genetic algorithm is described for the optimization of the control strategy and the
transmission in HEV. The optimization problem was
formulated for a multi-objective environment in order
to minimize fuel consumption, maximize batteries state
of charge and maintain the vehicle performance in the
drive cycle used.
In this paper a transmission is proposed that allows
different operating modes of the vehicle. To understand the energy flow a new approach is employed: The
Control Map. This is a novel heuristic tool that organizes information about prime movers and the transmission. It is a powerful aid to understand the capacity and
limitations of the mechanical and electrical energy flow
on HEVs, according to the drivers demand and the
powertrain configuration. When properly tuned, it can
be used as a database by the control system of HEVs.
Finally, the optimization is performed in a compound
city-highway driving cycle and the effect of the control
map in the optimization is analyzed.
The MOGA optimization provides information required to understand the better strategy to use prime
movers and the battery pack. Despite the Pareto Front
Set found by MOGA required the modification of physical parameters of the transmission, it was possible to
find a subset of solutions with no physical changes that
let the control strategy operate close to the Pareto Front
Set. Moreover, the simulations results reveal that under
these conditions, the SOCs strategy increases the
power to charge the batteries gradually and sequentially increases the upper limits of the SOC to move from
charge depleting to charge increasing. It was proved
that fuel cost per unit of energy stored in the batteries at
the end of the cycle increases as more energy is stored.
From the characteristics of the Control Map obtained after the MOGA optimization (Figure 6) it is concluded that the gear ratios of the transmission should
benefit the use of the ICE outside its BEOL at high
speeds and low power demand, because it is more fuel
efficient than using the EM. When the operation is at
low speeds with high power demand the gear ratios
should let the ICE provide all the power required to
propel the vehicle, reducing as much as possible the use
of the EM once the ICE is started (C3 and C4 should
overcome HP). It was found that as faster the vehicle
moves, the minimum power to start the ICE decreases
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
75
Optimization of Power Train and Control Strategy of a Hybrid Electric Vehicle for Maximum Energy Economy
Acknowledgments
Authors are grateful for financial support from Researching Direction and Engineering Department of Universidad Iberoamericana. The authors would also like
to mention Dr. Frederick Goldens valuable support.
His advice and guidance, whichhe providedin life, encouraged us to strive for new goals and accomplishments in the benefit of humankind. This article is
largely thanks to his input.
Appendix 1
List of acronyms
4C
Four times the battery nominal power
BEOL Basic Engine Operating Line
CVT Continuous Variable Transmission
Diff
Differential
EM
Electric Motor/Generator
HEV Hybrid Electric Vehicle
HWFET Highway Federal Emissions Test
ICE
Internal Combustion Engine
NiMh Nickel Metal Hydride battery type
PECU Power Electronics Control Unit
PGS
Planetary Gear Set
PT
Power Train
SOC
Battery State of Charge
ST
Simple Train
UDDS Urban Dynamometer Driving Schedule
V
Vehicle Speed
Appendix 2
76
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
Osornio-Correa C., Villarreal-Calva R.C., Molina-Cristbal A., Estavillo-Galsworthy J. and Santilln-Gutirrez S.D.
Appendix 3
Drive cycle vehicle efficiency
Distance
109.9 km
Fuel consumed
4668 g
Fuel economy
23.5 km/kg
Percent in each operation mode
Stopped
5%
Reg. Breaking
31%
HS
20%
HP
< 1%
C1
22%
C2
0%
C3
22%
C4
0%
ICE operation
Stopped
55%
Propel vehicle
0%
45%
EM operation
Stopped
5%
Propel vehicle
20%
Generator
75%
Appendix 4
TDIF
FG/DIF
FR/P
FP
TA
FG/A
Arm
(A)
Planet
(P)
FS/P
FG/S TS
Sun
(S)
FDIF/R
FA/P
FP/S
Differential
(DIF)
CVT input wheel
FR/DI
(1)
FP/R
FG/1
rR in
TR
rRo
Ri
TIC
FG/R
TS
FI/R
FR/I
FG/I
Idler
(I)F
Pi/I
FBelt/1
F1/Belt
Belt
F2/Belt
FBand
FG/Pi
FT/2
Pinion
(Pi)
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
77
Optimization of Power Train and Control Strategy of a Hybrid Electric Vehicle for Maximum Energy Economy
From the free body diagram (Figure 9) and under equilibrium conditions for the CVT input wheel, where Tx
represents the torque in element x,
TS + TICE -
FBelt /1
r1
=
0
(a)
where,
TS = FP/S rS
(b)
FP / S =
FA / P
(c)
2
FA / P =
TA
rA
(d)
From figure 1,
TA = TEM CEM (e)
From the planetary gear set,
rS
2
=
rA n + 1
(f)
(g)
Ccvt = r1 + r2 (h)
Solving for r1 from Equation g and Equation h,
Ccvt
r1 =
cvt + 1
(i)
CEM 1 + cvt
F=
TICE + TEM
Belt /1
n + 1 Ccvt
(j)
Equations 2, 3 and 4 are obtained by combining the Willis equation for a planetary gear set and the dynamic
relationships among the sun and the ring by the CVT
and the simple train.
wring - warm
wsun - warm
78
= -
1
n
(k)
wring =
wsun
RST
(l)
References
ADVISOR (ADvanced VehIcle SimulatOR). US, Department of
Energys National Renewable Energy Laboratorys (NREL),
Center for Transportation Technologies and Systems, Version
2002.
Anderson J.A.Designing and Modeling a Torque and Speed Control
Transmission,(Thesis of Master of Science in Mechanical Engineering), USA, West Virginia University, Morgantown,
West Virginia, 1999, 77p.
Amr A. A., Ahmed F.Z., Greg J.N. Trends, Features and Recent
Research Efforts in the Field of Hybrid Electric Vehicles. Int. J.
Alternative Propulsion, volume 1 (issue 1), 2006.
Cook R., Molina-Cristobal A., Parkas G., Osornio C., Clarkson J.
Multi-Objective Optimisation of a Hybrid Electric Vehicle:
Drive Train and Driving Strategy, on: Proceedings of the 4th
International Conference on Evolutionary Multi-Criterion
Optimization, Matsushima, Japon, SECTION: Applications,
pp. 330-345, 2007.
Fang L.C., Xu G., Li T.L., Zhu K.M. Concurrent Optimization for
Parameters of Hybrid Electric Vehicle Based on Non-Dominated Sorting Genetic Algorithms, on: Advanced Control of Industrial Processes (ADCONIP) International Symposium, pp.
472-476, 23-26, May 2011.
Fonseca and Fleming. Multiobjective Genetic Algorithms Made
Easy: Selection, Sharing and Mating Restriction, on: IEE/IEEE
International Conference on Genetic Algorithms in Engineering Systems: Innovations and Applications (1st, 1995, Sheffield, UK), The Institution of Electrical Engineers, 1995,
pp.45-52.
Freyermuth V., Fallas E., Rousseau A. Comparison of Powertrain
Configuration for Plug-in HEVs from a Fuel Economy Perspective, on: SAE World Congress, Session: Advance Hybrid
Vehicle Powertrain, 2008, MI, USA, SAE International, April
2008, pp. 165-171.
Gmez M., Mucino V., Clark N., Smith J. A Configuration for a
Continuously Variable Power-Split Transmission in HybridElectric Vehicle Application, on: SAE World Congress (2004,
Detroit, MI, USA) Advanced Hybrid Vehicle Powertrains, Warrendale, PA, USA, SAE, 2004, pp.137-144.
Mihalic-Zolot K. Battery Usage and Thermal Performance of the
Toyota Prius and Honda Insight for Various Chassis Dynamometer Test Procedures, on: Annual Battery Conference on
Applications and Advances (17th, 2002, Long Beach, California, USA).
Koichiro M., Makoto Y., Junji T. Development of New-Generation
Hybrid System THS II -Drastic Improvement of Power Perfomance, on: SAE World Congress & Exhibition Session: Ad-
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
Osornio-Correa C., Villarreal-Calva R.C., Molina-Cristbal A., Estavillo-Galsworthy J. and Santilln-Gutirrez S.D.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
79
Optimization of Power Train and Control Strategy of a Hybrid Electric Vehicle for Maximum Energy Economy
80
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 65-80 ISSN 1405-7743 FI-UNAM
Garca-Martnez M.
ngeles-Camacho C.
Instituto de Ingeniera
Universidad Nacional Autnoma de Mxico
Correo: CAngelesC@ii.unam.mx
Resumen
Actualmente los sistemas elctricos operan cada vez ms cercanos a sus lmites de estabilidad, es por ello que se hace necesaria y primordial la transicin
hacia nuevos sistemas de transmisin que garanticen la eficiente entrega de
la energa elctrica, evitando con ello cortes de energa que generan importantes prdidas en la economa de cualquier pas del mundo. En este documento se realiza un anlisis de los elementos necesarios para una sana y
eficiente transicin de una red de transmisin elctrica verticalmente, integrada hacia una red de transmisin inteligente. Se presenta un anlisis comparativo entre dos de los marcos de referencia ms importantes, el de la UE y
el de EUA, en el modelo, desarrollo, beneficios y riesgos en la implementacin de estos sistemas.
Descriptores:
sistema elctrico
red de transmisin
inteligente
transicin
beneficios y riesgos
tecnologa HVDC
FACTS y PMU
Abstract
Nowadays the Power Systems are working near their stability limits, for this reason
it is necessary and essential a transition to new transmission systems that ensure
efficient delivery of electrical energy, with the objective to prevent blackouts that
cause significant losses in the economy of any country in the world. This paper analyzes important elements to consider having a healthy and efficient transition from
a power grid vertically integrated into a smart transmission grid. A comparative
analysis in the model, development, benefits and risks of the implementation of these
systems, between two of the main marc of references of smart grids, the EU and the
USA is presented.
Keywords:
power systems
smart transmission grid
benefits & risks
HVDC technology
FACTS
PMU
Introduccin
La sociedad actual requiere grandes cantidades de
energa para la industria, el comercio, la agricultura, el
transporte, las comunicaciones, el uso residencial, etctera. El suministro actual de esta energa es proporcionado principalmente por combustibles fsiles. En este
escenario las fuentes de energa no renovables son el
principal combustible que se utiliza en la generacin de
electricidad. En el futuro, el uso de las fuentes de energas renovables jugar un rol dominante en la generacin de electricidad. El incremento en la integracin de
estas energas, sumado a los desarrollos tecnolgicos en
transmisin, generacin y distribucin, ha marcado un
parteaguas en la industria elctrica. La necesidad de tener sistemas de transmisin limpios, eficientes, confiables, tolerantes a disturbios y sensibles, ha propiciado
el nacimiento de las llamadas redes inteligentes, lo
que en ingls se conoce como smart grids (Fangxing et
al., 2010).
Los sistemas elctricos de potencia tradicionales
tienden a ser verticalmente integrados, es decir, una
empresa es la responsable de la generacin y transmisin y, en muchos casos, tambin de la distribucin en
su rea de servicio. Hace algunos aos se crea que este
mtodo ayudara a optimizar la planeacin y operacin
global del sistema, es decir, que una sola empresa deba
tener el control total de la generacin, la transmisin y,
en algunos casos, tambin de la distribucin. Actualmente, en muchos pases est cambiando el paradigma
de una red elctrica, primordialmente centralizada y
controlada por un solo operador, a una en la que participen diferentes empresas en la generacin, distribucin y operacin, y donde los usuarios de la red sean
ms interactivos con el sistema. Bajo este marco, nace el
concepto denominado red inteligente; como una visin de la infraestructura elctrica flexiblemente controlable.
El sistema de monitoreo de la transmisin, ms la
tecnologa de comunicacin e informacin, en conjunto,
crean una red de transmisin inteligente, que facilita
la supervisin y control del transporte de energa elctrica. Pasar a una red de transmisin inteligente es evolucionar de una red centralizada y pasiva que funciona
en un nico sentido (de proveedores a consumidores),
a un modelo de red de transmisin automatizada, donde cada nodo en el sistema elctrico es emisor y receptor, productor y consumidor y, en consecuencia, se
obtiene la evolucin de un esquema centralizado a uno
distribuido. El control de la infraestructura elctrica ha
sido, hasta ahora, centralizado en una estructura vertical como sucede en los sistemas elctricos. La desregu-
82
Definiciones y objetivos
La definicin de red inteligente difcilmente se puede
dar en pocas palabras, ya que involucra un gran nmero de conceptos, definiciones y tecnologas; sin embargo, de manera introductoria y muy simplista se puede
definir como: una red que integra la generacin centralizada a travs de grandes plantas generadoras, con la
generacin distribuida en pequea escala de energas
renovables, en la cual el usuario puede consumir y enviar energa a la red, es decir, el lado de la demanda de
la red se puede convertir, de manera controlada, en una
fuente o en un pozo de energa.
Con la finalidad de describir de manera ms detallada los conceptos que se involucran en la definicin anterior, a continuacin se presenta la visin que tienen la
Unin Europea (UE) y el Departamento de Energa de
Estados Unidos (DOE) sobre el concepto de red inteligente de energa elctrica
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 81-88 ISSN 1405-7743 FI-UNAM
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 81-88 ISSN 1405-7743 FI-UNAM
83
Red Actual
Transmisin de Energa
Operaciones
De centrales a usuarios
Dirigida a centros de
mando
Centralizadas
Control
Centralizado: SCADA
Informacin
84
Cuando se implementa un sistema de transmisin inteligente se ofrece solucin a varios problemas ocasionados en los sistemas elctricos de potencia, entre las
principales soluciones encontramos las que se presentan a continuacin:
Detectar y atender problemas en el sistema desde su
inicio antes de que afecten el servicio.
Responder a estmulos locales y globales y obtener
ms informacin sobre los problemas del sistema.
En todas direcciones
En todas direcciones
Distribuidas
Sistema Distribuido segn
jerarqua, negociacin/
coordinacin
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 81-88 ISSN 1405-7743 FI-UNAM
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 81-88 ISSN 1405-7743 FI-UNAM
85
En la figura 3 se presenta un esquema donde se ejemplifica la utilizacin de los diferentes dispositivos FACTS
para controlar las redes de transmisin.
86
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 81-88 ISSN 1405-7743 FI-UNAM
Si el tamao del sistema y la carga de la red se incrementan, las oscilaciones inter-rea tambin tendern a
incrementarse.
Riesgos cibernticos
La transmisin de electricidad sobre redes inteligentes
es altamente dependiente de los sistemas de control basados en computadora.
Cuando se tiene un sistema de comunicaciones basado en tecnologa IP (internet protocol) se incrementa
la vulnerabilidad del mismo, debido a los riesgos cibernticos.
Cualquier falla en la red elctrica, ya sea intencional
o no, podra ser potencialmente devastador.
De no existir eficientes mtodos de encriptacin
para la seguridad del sistema, cualquier persona con
pocos conocimientos de ingeniera inversa podra dejar
sin alimentacin a cualquier usuario que se encuentre
conectado a la red de transmisin inteligente.
En el ao 2009 el diario The Wall Street Journal, report que espas cibernticos provenientes de China, Rusia
y algunos otros pases haban penetrado las redes elctricas de Estados Unidos de Amrica y haban implantado software malicioso que podra usarse para afectar
el funcionamiento del sistema. Desafortunadamente,
las redes inteligentes podran representar un sistema de
fcil acceso para hackers que se encuentren navegando
en el ciberespacio.
Si alguien lograra penetrar al sistema podra sabotearlo fcilmente, provocando apagones de dimensiones
similares al ocurrido en Nueva York en el ao 2003, que
dej a 50 millones de personas sin servicio elctrico y de
comunicaciones. Una vez ingresando y manipulando la
red inteligente se tendra la posibilidad de controlar millones de dispositivos de proteccin o medidores de
manera simultnea. Tambin se podra afectar el balance de carga de un sistema local provocado por algn
repentino incremento o decremento del factor de demanda.
Conclusiones
Cuando se desee implementar una red de transmisin
inteligente es importante permitir que todos los actores
participen de manera activa y comprometida con el
proyecto. Es necesario que se proporcione calidad en la
energa, as como garantizar la fiabilidad de su transmisin y distribucin. La red de transmisin inteligente
debe ser capaz de soportar nuevos mercados energticos gestionados desde diversos sistemas. La red deber
anticiparse a los disturbios, as como corregirlos de ma-
Agradecimientos
Los autores agradecen a la Direccin General de Asuntos del Personal Acadmico, UNAM por el apoyo recibido a travs del proyecto PAPIIT IN11510-2.
Referencias
Directorate-General for Research Sustainable Energy Systems.
Towards Smart Power Networks, EUROPEAN UNION, 2005.
Directorate-General for Research Sustainable Energy Systems.
European Smart Grids Technology Platform, EUROPEAN
UNION, 2006.
Directorate-General for Research Sustainable Energy Systems.
Third Status report on European Technology Platforms, EUROPEAN UNION, Marzo 2007.
ENEL, Italy. Integrating Large Shares of Fluctuating Power Sources in to Power Electric Systems: Impact on the Development
of Distribution Networks, Agosto 2008.
Fangxing L., Wei Q., Hongbin S., Hui W., Jianhui W., Yan X., Zhao
X., Pei Z. Smart Transmission Grid: Vision and Framework.
IEEE Transactions on Smart Grid, volumen 1 (nmero 2), 2010:
168-177.
Favre-Perrod P., Crithley R., Catz E., Bazargan M. New Participants in Smart Grids and Associated Challenges in the Transition Towards the Grid of the Future. IEEE Bucharest PowerTech,
2009: 1-5.
Hernndez M. Inteligencia en la Red Elctrica, en: Jornada sobre
Redes Elctricas Inteligentes, Electrificacin del Transporte e
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 81-88 ISSN 1405-7743 FI-UNAM
87
88
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 81-88 ISSN 1405-7743 FI-UNAM
Linares-Flores J.
Instituto de Electrnica y Mecatrnica
Universidad Tecnolgica de la Mixteca
Huajuapan de Len, Oaxaca
Correo: jlinares@mixteco.utm.mx
Arias-Montiel M.
Instituto de Electrnica y Mecatrnica
Universidad Tecnolgica de la Mixteca
Huajuapan de Len, Oaxaca
Correo: mam@mixteco.utm.mx
Resumen
Las chumaceras hidrodinmicas radiales se usan ampliamente para soportar
carga en mquinas rotatorias que giran a alta velocidad. Tericamente, las
chumaceras hidrodinmicas se disean para una vida infinita, pero la precisin en el maquinado, el calentamiento o el desalineamiento con el rotor pueden contribuir a problemas de funcionamiento y a un desgaste indeseado. Un
problema que no se puede eliminar es el desalineamiento angular del eje provocado por el peso y la flexibilidad del rotor. El desalineamiento cambia el
espesor de pelcula del lubricante afectando las condiciones de lubricacin
hidrodinmica. En este trabajo se presenta una investigacin numrica del
comportamiento del campo de presin, el flujo axial, el espesor de pelcula y
la friccin viscosa, considerando el desalineamiento del eje por el efecto del
peso y la flexibilidad del rotor. El campo de presin hidrodinmica se resuelve
utilizando la ecuacin de la lubricacin de Reynolds junto con una expresin
modificada del espesor de pelcula que incluye el desalineamiento del eje. Tambin se presenta una expresin para calcular el mximo desalineamiento permitido por una chumacera, en funcin del punto de equilibrio de estado
estable. Los resultados muestran que a medida que el desalineamiento del eje
se incrementa el espesor de pelcula se reduce, causando el incremento de la
presin mxima y del flujo axial del lubricante, as como pequeos cambios en
la friccin viscosa. Con la finalidad de validar los resultados numricos obtenidos en esta investigacin, se compararon con resultados numricos reportados en la literatura internacional, dando una buena aproximacin.
Descriptores:
chumaceras hidrodinmicas
desalineamiento
flujo axial
espesor de pelcula
friccin viscosa
Investigacin numrica de las condiciones de lubricacin en chumaceras hidrodinmicas con el efecto del desalineamiento del eje
Abstract
The radial hydrodynamic bearings are widely used to support loads in rotating machines that operate at high speed. Theoretically, hydrodynamic bearings are designed
for infinite life, but the precision machining, heating or misalignment with the rotor
can contribute to performance problems and undesired wear. A problem that cannot
be eliminated is the shaft angular misalignment caused by the weight and flexibility
of the rotor. Misalignment changes the lubricant film thickness affecting the conditions of hydrodynamic lubrication. In this paper, a numerical investigation of the
behavior of the pressure field, axial flow, film thickness and viscous friction considering the misalignment of the shaft by the effect of the weight and flexibility of the rotor, is presented. The hydrodynamic pressure field is solved using the equation of
Reynolds lubrication with a modified expression of film thickness including the shaft
misalignment. An expression to calculate the maximum misalignment allowed by a
bearing based on the equilibrium steady state is also presented. The results show that
as the shaft misalignment increases, a reduction in the film thickness is present,
causing an increase in both maximum pressure and axial flow of lubricant, and also
small changes in viscous drag. In order to validate the numerical results obtained in
this investigation they were compared with numerical results reported in international literature, giving a good approximation.
Introduccin
Las chumaceras hidrodinmicas se usan principalmente en grandes mquinas rotatorias que giran a altas velocidades. Un buen diseo de la chumacera, suministro
y viscosidad del fluido lubricante, permiten que durante la operacin de la mquina se forme una cua de lubricante, la cual separa al eje de la chumacera evitando
el contacto entre metal y metal. La capacidad de carga
que tienen las chumaceras se debe a la generacin del
campo de presin en la pelcula de lubricante. Por medio de este campo de presin se puede evaluar si las
dimensiones de la chumacera, el claro radial y el lubricante, mantendrn las condiciones adecuadas de lubricacin hidrodinmica. Generalmente, la velocidad de
giro y el peso del rotor son los datos iniciales a partir de
los cuales se determinan la longitud, el dimetro, el claro radial, as como la viscosidad del lubricante. Los parmetros de diseo junto con las tablas y grficas
proporcionadas en la literatura (Raimondi y Boid, 1958)
permiten conocer el valor de la presin mxima, el flujo
axial, el espesor de pelcula y la friccin viscosa, los
cuales cambian con la velocidad de giro del rotor y son
importantes para mantener las condiciones de lubricacin hidrodinmica.
En las tablas y grficas presentadas por Raimondi y
Boid (1958) se considera que la distancia entre las lneas
de centro del eje y de la chumacera es constante. Esta
distancia se conoce como excentricidad e. En casos reales,
las lneas de centro del eje y de la chumacera estn sujetas a un cierto grado de desalineamiento angular. El des-
90
Keywords:
hydrodynamic bearings
misalignment
axial flow
film thickness
viscous friction
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 89-98 ISSN 1405-7743 FI-UNAM
las chumaceras hidrodinmicas presentan poca resistencia contra el desalineamiento. Nicholas (1972) estableci que la intensidad del par producido por el
desalineamiento induce poca influencia sobre la excentricidad y la rapidez del flujo axial, pero que la presin
mxima se incrementa significativamente. Mokhtar et
al., (1985) hacen una evaluacin de las caractersticas
trmicas en chumaceras desalineadas usando un enfoque adiabtico.
bricante. Los resultados se presentan en forma de grficas adimensionales con la finalidad de que se utilicen
en el diseo de chumaceras hidrodinmicas, en donde
se considere el desalineamiento angular del eje. Para
validar los resultados que se obtienen en esta investigacin, se hace la comparacin de la presin mxima pmax,
el flujo axial Qaxial, el espesor de pelcula mnimo hmin y el
coeficiente de friccin Ff /W con un caso especfico reportado en la literatura por Jun et al., (2005), obtenindose una buena aproximacin.
Desarrollo
Espesor de pelcula
Buckholz y Lin (1986) analizaron el efecto del desalineamiento y la cavitacin en chumaceras parciales lubricadas con fluidos No-Newtonianos. Qiu y Tieu
(1996) desarrollaron un equipo experimental para medir el espesor de pelcula, la presin y la temperatura en
chumaceras desalineadas. Guha (2000) investig las caractersticas de estado estable en chumaceras hidrodinmicas desalineadas considerando los efectos de la
rugosidad isotrpica. Pierre et al. (2004) hicieron una
investigacin terica y experimental de las condiciones
de estado estable en chumaceras hidrodinmicas desalineadas, considerando un modelo termo-hidrodinmico. Recientemente, Jun et al., (2005) estudiaron las
condiciones de lubricacin considerando el desalineamiento en las chumaceras debido a la deformacin por
el peso del eje a una velocidad de operacin fija. Jun et
al., (2010) incluyen los efectos termo-hidrodinmicos y
una superficie rugosa para el estudio de las condiciones
de operacin en chumaceras hidrodinmicas con desalineamiento.
En este trabajo se resuelve numricamente la ecuacin de la lubricacin de Reynolds para diferentes valores de desalineamiento. Se presenta una expresin del
espesor de pelcula h(, z) que considera el ngulo de
desalineamiento x causado por el peso Wd y la flexibilidad del rotor. Para una determinada condicin de
operacin se proporciona una expresin del rango de
valores posibles para la rotacin x en funcin de la e0 y
el ngulo de attitud 0. El campo de presin resultante
se integra para obtener el flujo axial y el coeficiente de
friccin viscosa del lubricante. Tambin se obtienen el
espesor de pelcula mnimo y la presin mxima del lu-
( )
donde
C = R - R1 es el claro radial (figura 3),
es el ngulo de attitud y
es la coordenada circular.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 89-98 ISSN 1405-7743 FI-UNAM
91
Investigacin numrica de las condiciones de lubricacin en chumaceras hidrodinmicas con el efecto del desalineamiento del eje
donde
Para obtener el espesor de pelcula con desalineamiento
que considere el peso y la flexibilidad del eje, es necesaWd es el peso del disco,
rio tomar en cuenta el ngulo de rotacin x del mun.
La relacin entre la excentricidad e a una distancia z con
l es la longitud del eje entre soportes,
la excentricidad del centro del mun e0 y el ngulo x
E es el modulo de Young e
I es el momento de inercia del eje.
se obtiene de la figura 3 como se indica a continuacin:
Si se considera que E e I son constantes, entonces el ne sin = e0 sin 0 e cos = e0 cos 0 + xz (2)
gulo x depender del peso Wd del rotor. El claro radial
Si se sustituyen las ecuaciones (2) en (1) se obtiene la
C y la relacin L/D son limitantes para el valor mximo
ecuacin (3) del espesor de pelcula que considera el
que pueda tomar el ngulo x, lo que no se considera en
desalineamiento angular x del mun.
la teora de vigas (ecuacin 5). Para calcular el mximo
ngulo x permitido por la geometra de la chumacera
H ( , z)= C + e0 cos( - 0 ) + x z cos
(3)
se resuelven las ecuaciones (2) haciendo e = C en z = L/2,
obteniendo:
En forma adimensional:
2
(6)
(4)
h(, z) = 1 + 0 cos( - 0 ) + z x cos
o en forma adimensional
donde h = H/C, 0 = e0/C, z = (L/2) z , x= (R/C)(L/D)x,
xmax= 1 - 02 sin 2 0 - 0 cos 0
(7)
D = R/2 donde e0 est comprendida entre 0 e0 C o en
forma adimensional 0 0 1 y la excentricidad a una
Dados Wd, l, E, I, C y la relacin L/D, adems de e0 y 0
distancia z = L/2 tendr como limites 0 1.
de una posicin de equilibrio, se procede a calcular el
ngulo x por medio de la teora de vigas y el ngulo
xmax permitido por la geometra de la chumacera.
Si x< xmax entonces el ngulo x est dentro del valor
permitido por la geometra de la chumacera. Por otra
parte, si x> xmax entonces slo en la chumacera se considerar que x= xmaxconservndose los valores calculados por la teora de vigas para el resto del eje. En
resumen, el ngulo x calculado por la teora de vigas
no puede ser mayor que xmax que tiene como limitante
la geometra de la chumacera.
Campo de presin
La ecuacin adimensional de Reynolds que define el
campo de presin de estado estable para chumaceras hidrodinmicas est dada por (Childs, 1993; Szeri,
1998):
Figura 3. Vista frontal de una chumacera desalineada
p D
L z
p
z
3
(8)
h3
+
12
h
=
donde
Por medio de la teora de vigas es posible calcular el
p = N ( R / C )2 p ,
ngulo x que el eje presenta en cada chumacera. Para
es la viscosidad y
una configuracin de rotor de Jeffcott como la que se
N es la velocidad de rotacin en rps (revoluciones por
muestra en la figura 1, el ngulo x est dado por (Gere
segundo).
y Timoshenko, 1998):
Para obtener el campo de presin con desalineamiento
W l2
es necesario resolver la ecuacin (8) junto con la ecua
(5)
= d
x
16 EI
cin (4) considerando las condiciones de frontera:
92
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 89-98 ISSN 1405-7743 FI-UNAM
p ( , z) =
0
para z = (9)
L/2
p p
para
=
p = = 0
= ( z)cav (10)
z
La ecuacin (9) considera la presin en los extremos de
la chumacera tomando como referencia la presin atmosfrica. La ecuacin (10) considera la cavitacin, de
tal forma que, tanto la presin como sus gradientes normales a la curva de cavitacin no existan en la frontera
de inicio de cavitacin. Esta condicin de frontera se
implementa numricamente haciendo cero cualquier
presin negativa calculada previamente en cada iteracin. Lund y Thomsen (1978) establecen que el perfil de
presin calculado de esta manera satisface el requisito
del gradiente de presin cero en la frontera de cavitacin. Esta condicin de frontera ha ganado amplia
aceptacin en chumaceras hidrodinmicas con cargas
estacionarias. El conjunto de condiciones de frontera se
completa con la presin en el puerto de inyeccin p0
para asegurar la lubricacin.
p0 = 0
Fuerzas hidrodinmicas
Las fuerzas hidrodinmicas se obtienen integrando el
campo de presin sobre el rea de la chumacera, como
se muestra en la figura 4:
FX
1
=- 1-1 2 p sin d d z
FX =
(12)
2
4
NLD( R / C )
1
FY
1
=- 1-1 2 p cos d d z
FY =
1
4
NLD( R / C )2
(13)
Flujo axial
El lubricante recircula en el interior de la chumacera y
viaja hasta alcanzar la salida en L/2. El flujo de salida
depende del campo de presin y del espesor de pelcula
(ecuacin 14).
2
Qaxial
1 D 3 p
(14)
=
d
h
L /2
=
qaxial
NRLC
12 L
La cantidad de flujo axial deber reponerse como flujo de entrada para mantener la lubricacin hidrodinmica.
Friccin viscosa
La fuerza de friccin viscosa Ff es la resistencia que se
opone a la rotacin del mun debido al esfuerzo cortante del fluido, est dada por (Childs, 1993; Szeri,
1998):
R
2 H p
(15)
Ff -L /2
=
+
R d d z
L /2 0
H
2R
o en forma adimensional:
R
S
1
2 Sh p
(16)
=
C f -1 0 8 + 2 h ddz
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 89-98 ISSN 1405-7743 FI-UNAM
93
Investigacin numrica de las condiciones de lubricacin en chumaceras hidrodinmicas con el efecto del desalineamiento del eje
tros geomtricos, de operacin y la viscosidad del lubricante. A continuacin se describen los pasos utilizados
en este trabajo para resolver numricamente la ecuacin de Reynolds y obtener las condiciones de lubricacin hidrodinmica.
1) Para valores de 0 , L/D y X (datos de entrada) se
propone un valor para el ngulo de attitud 0.
2) Se calcula el espesor de pelcula h ( , z ) utilizando la
ecuacin (4).
3) La ecuacin de Reynolds (8) se resuelve por diferencias finitas considerando las condiciones de frontera
(9), (10) y (11). Para acelerar la convergencia se utiliza un coeficiente de sobre-relajacin de 1.9.
4) Se evalan las fuerzas hidrodinmicas FX y FY. En el
caso de estado estable FX debe ser igual a cero y FY
igual a la carga W, (W = Wd /2).
5) Si FX 0 se propone un nuevo ngulo 0 y se repite a
partir del paso 2.
6) Una vez que FX = 0 finaliza el clculo del campo de
presin.
7) Una vez conocido el campo de presin, se integran
las ecuaciones (14) y (16) para obtener el flujo axial y
la friccin viscosa.
Resultados y discusin
Con fines de validacin, se hace la comparacin de
hmin, pmax, Qaxial y Ff /W que se obtienen en este trabajo, y
los resultados reportados en la literatura por Jun et al.
(2005), donde se considera el desalineamiento del eje.
Tambin se hace la comparacin con resultados sin
desalineamiento (Khonsari y Booser, 2001) con la finalidad de mostrar el cambio que sufren las condiciones
de lubricacin con el desalineamiento. Jun et al. (2005)
presentan resultados numricos (validados experimentalmente) de las condiciones de lubricacin de un
sistema rotor-chumaceras de Jeffcott para valores de
carga Wd de 200, 400, 600, 800, 1000 y 1200 N a una
velocidad de operacin fija de 1400 RPM. Los parmetros de la chumacera, del eje, las propiedades del lubricante y las condiciones de operacin que utilizaron
Jun et al. (2005) son: R = 25 mm, L = 40 mm, C = 0.07
mm, = 0.0686 Pa s, l = 1000 mm, deje = 40 mm de acero
AISI 1045.
Para utilizar el algoritmo presentado en este trabajo
es necesario calcular el ngulo x para cada una de las
cargas Wd utilizando la teora de vigas, verificando que
x < xmax. Posteriormente, se proponen valores de excentricidad del centro del mun 0 hasta que el nmero de
Sommerfeld S = NLD(R/C)2/W coincide con el calculado con los datos proporcionados por Jun et al. (2005).
94
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 89-98 ISSN 1405-7743 FI-UNAM
La figura 8 muestra la comparacin de Ff /W con desalineamiento obtenida por Jun et al. (2005) y la obtenida en
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 89-98 ISSN 1405-7743 FI-UNAM
95
Investigacin numrica de las condiciones de lubricacin en chumaceras hidrodinmicas con el efecto del desalineamiento del eje
cin) la excentricidad 0 se reduce a medida que el desalineamiento x aumenta. Por lo tanto, para determinar las
condiciones de lubricacin (hmin, pmax, Qaxial y (R/C) f ) ser
necesario determinar primero el punto de equilibro 0
del centro del mun. Por ejemplo, si para determinadas
condiciones de operacin se tuviese un nmero de Sommerfeld de 0.3 entonces para el caso alineado 0 sera
igual a 0.37 y para un caso desalineado con x = 0.7 el
punto de equilibrio 0 estara en 0.30 aproximadamente
(figura 9). La tabla 1 muestra las condiciones de operacin que se obtienen de las figuras 10, 11, 12 y 13 para
ambos casos.
Se puede ver en la figura 10 y la tabla 1 que el espesor de pelcula hmin disminuye al aumentar el desalineamiento. Tambin se observa en las figuras 11 y 12, y la
tabla 1 que la presin mxima y el flujo axial se incre-
hmin
pmax/N (R/C)2
Qaxial /NRLC
(R/C) f
X = 0
0.64
6.6
1.93
6.54
X = 0.7
0.15
12.6
2.3
7.3
96
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 89-98 ISSN 1405-7743 FI-UNAM
Agradecimientos
Se agradece a la Universidad Tecnolgica de la Mixteca
por el tiempo asignado para la realizacin de este trabajo.
Referencias
Conclusiones
En este trabajo se presenta la solucin numrica de la
ecuacin de Reynolds que considera el desalineamiento
del mun en la chumacera debido al peso y a la flexibilidad del rotor. Se emplea una expresin modificada
del espesor de pelcula que incluye el desalineamiento
angular del eje por el efecto del peso del rotor.
El ngulo de desalineamiento x se calcula por medio de la teora de vigas y se presenta una expresin
para calcular el mximo ngulo de desalineamiento
max permitido por la geometra de la chumacera. Los
resultados de las condiciones de lubricacin con desalineamiento de hmin, pmax, y Qaxial y (R/C) f que se obtienen
en este trabajo se comparan con resultados reportados
en la literatura, obtenindose una buena aproximacin.
Tambin se hace la comparacin de los resultados de
las condiciones de lubricacin con desalineamiento que
se obtienen en este trabajo y resultados sin desalineamiento reportados en la literatura, lo que muestra la
importancia de considerar el desalineamiento en el diseo de chumaceras hidrodinmicas. Se puede ver que
al considerar el desalineamiento, el espesor de pelcula
hmindisminuye y la presin mxima y el flujo axial se incrementan. Por su parte, la friccin viscosa tiene cambios moderados con incrementos del desalineamiento.
Tambin se muestra que la excentricidad del centro del
mun 0 se ubica en una nueva posicin al aumentar el
desalineamiento para las mismas condiciones de operacin (mismo nmero de Sommerfeld) lo que debe de
tomarse en cuenta para calcular las condiciones de lubricacin hidrodinmica.
Los resultados de este trabajo se presentan en forma
adimensional para un diseo preliminar de chumace-
Buckholz R.H., Lin J.F. The Effect of Journal Bearing Misalignment on Load and Cavitation for Non-Newtonian Lubricants.
ASME Journal of Tribology, volumen 108 (nmero 4), octubre
1986: 645-654.
Childs D. Tubomachinery Rotordynamics: Phenomena, Modeling and
Analysis, John Wiley & Sons, Inc., 1993.
Dubois G., Ockvirk F., Wehe R. Experimental Investigation of Misaligned Couples and Eccentricity at Ends of Misaligned Plain
Bearings, Tech note 3352, NACA, 1955.
Galleti-Manacorda L., Capriz G.Torque Produced by Misalignment in Short Lubricated Bearings. ASME Journal of Basic Engineering, volumen 65 (nmero 9), 1965.
Gere J.M., Timoshenko S.P. Mecnica de materiales, International
Thomson Editores, 1998.
Guha S.K. Analysis of the Steady-State Characteristics of Misaligned Hydrodynamic Journal Bearing with Isotropic Roughness Effect. Tribology International, volumen 33 (nmero 1),
2000: 1-12.
Jun S., Changlin G., Zhiyuan L. An Experimental Study of Journal
Bearing Lubrication Effected by Journal Misalignment as a
Result of Shaft Deformation Under Load. ASME Journal of Tribology, volumen 127 (nmero 4), 2005: 813-819.
Jun S., Mei D., Yonghong F., Changlin G. Thermohydrodynamic
Lubrication Analysis of Misaligned Journal Bearing with
Rough Surface. ASME Journal of Tribology, volumen 132 (nmero 1), 2010: 011704.
Khonsari M.M. y Booser E.R. Applied Tribology: Bearing Design and
Lubrication, John Wiley and Sons, Inc., 2001.
Lund J.W., Thomsen K.K. A Calculation Method and Data for the
Dynamic Coefficients of Oil-Lubricated Journal Bearings, Topics in Fluid Journal Bearing and Rotor Bearing System.
ASME, 1978: 1-28.
McKee S.A., McKee T.R. Pressure Distribution in Oil Film of Journal Bearings. Trans. Am. Soc. Mech. Engrs., (nmero 107), 1932:
149-165.
Mokhtar M.O.A., Safar Z.S., Abd-El-Rahman M.A.M. And Adiabatic Solution of Misaligned Journal Bearings. ASME Journal
of tribology, volumen 107 (nmero 2), abril 1985: 263-267.
Nicholas D. Les Paliers Hydrodynamiques Sounis un Torseur de Forcesquelconques, (PhD thesis), INSA de Lyon, 1972.
Pierre I., Bouyer J., Fillon M. Thermohydrodynamic Behavior of
Misaligned Plain Journal Bearings: Theoretical and Experi-
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 89-98 ISSN 1405-7743 FI-UNAM
97
Investigacin numrica de las condiciones de lubricacin en chumaceras hidrodinmicas con el efecto del desalineamiento del eje
98
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 89-98 ISSN 1405-7743 FI-UNAM
Majewski-Szymiec T.
Departamento de Metal-Mecnica
Instituto Tecnolgico de Apizaco (ITA), Tlaxcala
Corrreo: ljbedolla@itapizaco.edu.mx
Szwedowicz-Wasik D.
Martnez-Rayn E.
Corts-Garca C.
Gutirrez-Wing E.S.
Resumen
En el artculo se analizan tres tipos de aproximaciones usadas en la discretizacin de perfiles de superficies de contacto. El ensamble que se estudia corresponde a la unin flecha-cubo de rueda, la cual se usa comnmente en la
transmisin de movimiento rotatorio. Los perfiles que se analizan son 2D axisimtricos, los cuales representan las superficies de elementos mecnicos de
revolucin. El proceso de anlisis consiste en: a) simular la geometra nominal
ideal sin claros en la regin de contacto, b) obtener la convergencia de esfuerzos de contacto para la geometra nominal en la interfaz flecha-aro y c) adicionar claros a la geometra y variaciones en el perfil de contacto a nivel de
ondulacin. Las variaciones del perfil se obtienen de mediciones de dimetro
de los elementos de unin en sus regiones de inters. El estudio se centra en el
anlisis de variaciones de esfuerzos de contacto, generados por diferentes representaciones de las superficies discretas. Para este anlisis se consideran
mediciones que indican variaciones de dimetro en direccin axial, esa variacin del dimetro se ajusta mediante curvas Bezier y spline. Se indica la influencia de las aproximaciones en la discretizacin de zonas de contacto de los
modelos simulados, mediante el mtodo de elementos finitos.
Descriptores:
elemento finito
aproximacin
curvas Bezier
spline
uniones mecnicas
Abstract
The article examines three types of approximation used for the discretization of contact
surface profiles. The assembly under study corresponds to a hub-shaft connection,
which is commonly used for the transmission of rotational motion. The profiles that
are analyzed are 2D axisymmetric and represent the surfaces of the mechanical elements. The analysis process consists of: a) simulating the ideal nominal geometry
without clearances in the contact region, b) obtaining a convergence of contact stresses for the nominal geometry ring-shaft interface, and c) adding clearances to the geometry and changes in the profile contact, at the surface waviness level. The variations of
the profile are obtained from measurements of the diameter of the connecting elements
within the regions of interest. The study focuses on the analysis of variations of contact
stresses generated by different representations of the discrete surfaces. For this analysis, variations in diameter measurements are considered, as are Bezier and spline curve
fitted to these variations. The influence of the approximations on the discretization of
the contact zones of the finite element models is indicated.
Introduccin
Para el anlisis del problema de contacto mecnico existen diversas representaciones de las superficies. Como
ejemplo caracterstico se tienen las curvas usadas en el
diseo geomtrico asistido por computadora (CAGD
por sus siglas en ingls), que se usan en conjunto con el
mtodo de elemento finito (FEM) para analizar contacto (Jacobi, 2009; Gout et al., 2008). Entre las curvas comnmente usadas en la representacin de superficies
se encuentran las Bezier y spline, por su conveniencia y
simplicidad de aplicacin. En la prctica es complicado
especificar una curva inicial a priori con un nmero
adecuado de puntos de control, de forma que se pueda
obtener una aproximacin satisfactoria a un perfil de
superficie dado (Yang et al., 2004). Un tpico de inters
para reducir el gasto computacional es reducir la cantidad de informacin representada por el nmero de datos de los puntos medidos (Flry, 2009; Flry y Hofer,
2010), y sustituirla por una aproximacin de las superficies. Para representar superficies de contacto en FEM
se usan elementos discretos, cuyo proceso en s mismo
tiene problemas inherentes a la discretizacin, que se
manifiestan en desviaciones de los ajustes de perfiles
continuos mediante elementos discretos. En adicin, se
presenta el problema de establecer un tamao adecuado de los elementos discretos en contacto que representen adecuadamente la superficie.
La geometra nominal supuesta en las superficies de
contacto de elementos de ensamble, en principio fcil
de representar en sistemas CAD, difiere del perfil de
contacto de elementos mecnicos (Chen et al., 2008). La
variacin en el perfil tiene componentes de distintas
magnitudes, las cuales tienen que estar contenidas en la
zona de tolerancia del elemento. Las variaciones del
100
Keywords:
finite element
approximation
Bezier curves
spline
mechanical assemblies
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 99-111 ISSN 1405-7743 FI-UNAM
Bedolla-Hernndez J., Szwedowicz-Wasik D., Corts-Garca C., Majewski-Szymiec T., Martnez-Rayn E. y Gutirrez-Wing E.S.
Unin mecnica
La unin mecnica considerada es una flecha-cubo de
rueda con un par de aros cnicos en la interfaz de
unin. La figura 1 muestra un esquema del par de aros,
su geometra corresponde a Ringfeder RfN S8006 20x25
mm, los cuales tienen longitud axial (L) de 6.3 mm, longitud axial de aro (l) de 5.3 mm, ngulo de conicidad
() de 16.7, dimetro externo (D) de 25 mm, dimetro
interno (d) de 20 mm, y ajuste E7/f7. En el modelo discreto la geometra del cubo de rueda corresponde a un
engrane ondrives G3-25, con dimetro interno de 25
mm, dimetro externo de 50 mm, longitud axial de 50
mm y ajuste H8 en el agujero. La flecha del modelo discreto se considera maciza de longitud axial igual a la
del cubo, dimetro externo de 20 mm y ajuste h6.
La figura 2 representa una seccin de la unin mecnica con aros deformables. Para el anlisis se considera de inters la regin de contacto entre el aro
interno y la flecha. Dado que las concentraciones de
esfuerzo de contacto adquieren su valor mximo en
las discontinuidades del contacto, se usa un radio R de
0.2 mm en el aro interno en su seccin ms delgada
(figura 1), lo cual permite suavizar la discontinuidad
del contacto y evitar singularidades. En la seccin
transversal ms gruesa del aro no se considera esa modificacin, ya que como se confirma ms adelante el
esfuerzo de contacto en esa regin no es comparable al
de la seccin de menor espesor.
Para simular el proceso de ensamble de la unin
mecnica se restringe el movimiento axial a un aro, y al
otro, se le aplica fuerza de compresin en direccin
axial, que incrusta un aro en el otro. Esto genera deformacin radial en ambos aros y se logra el contacto entre
las piezas. La resistencia portante del ensamble es funcin de la fuerza de apriete axial aplicada a los aros, ya
que la deformacin radial de los aros se relaciona con la
presin que ejercen sobre el cubo de rueda y la flecha.
En la prctica, la restriccin de movimiento generalmente se logra con una modificacin del dimetro del
cubo o de la flecha (figura 2), generando un asiento
para un aro.
La geometra de revolucin de la unin mecnica en
el modelo discreto, permite usar elementos finitos axisimtricos. El eje del sistema axisimtrico coincide con el
eje geomtrico de la flecha. Se restringen los desplazamientos axiales del aro externo, flecha y cubo de rueda.
La presin se aplica al aro interno, lo cual provoca de-
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 99-111 ISSN 1405-7743 FI-UNAM
101
Refinamiento de malla
Para el anlisis de refinamiento de malla se considera el
pico de esfuerzo en la regin de contacto entre aro interno y flecha, que se ubica donde el aro interno tiene
menor espesor radial. Los elementos simulados tienen
el espesor radial de una pieza mecnica real, solamente
se restringe el movimiento axial, y no se restringe movimiento en direccin radial. El comportamiento del material se considera isotrpico con endurecimiento por
deformacin. Todas las superficies en contacto cumplen las siguientes condiciones: los pares en contacto
tienen los mismos esfuerzos y deformaciones para la
102
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 99-111 ISSN 1405-7743 FI-UNAM
(1)
Bedolla-Hernndez J., Szwedowicz-Wasik D., Corts-Garca C., Majewski-Szymiec T., Martnez-Rayn E. y Gutirrez-Wing E.S.
a)
b)
donde el i se refiere al refinamiento actual, i-1 al refinamiento previo y as sucesivamente. Este procedimiento
de verificacin de convergencia ha mostrado ser efectivo para problemas de contacto (Sinclair et al., 2002). Se
considera que el criterio descrito por la ecuacin (1) es
preferido sobre otros donde solamente se comparan resultados de 2 refinamientos sucesivos. En conjunto con
la equacin (1), se considera cubierto el criterio de convergnecia si se cumple que la diferencia de discretizacin (ed) es menor que el error predefinido (es). En
anlisis de esfuerzos se considera el nivel de exactitud
como: es=1% es excelente, es=5% es bueno, y es=10% es
satisfactorio (Beisheim y Sinclair, 2008). El error estimado de la discretizacin en refinamientos sucesivos se
calcula con la ecuacin (2).
ed =
i - i-1 ;
ed < es
i
(2)
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 99-111 ISSN 1405-7743 FI-UNAM
103
Malla
Inicial
1 ref
2 ref
3 ref
4 ref
5 ref
1500
i
i-1
1000
500
0
0
2
3
4
Longitud axial [mm]
a)
1500
i
i-1
1400
1300
1200
0.19
0.195
0.2
0.205
Longitud axial [mm]
0.21
b)
104
cada superficie se mantiene. Posteriormente, se consideran las variaciones de dimetro a lo largo del eje axial en
la regin de contacto entre el aro interno y la flecha. Las
variaciones que se consideran para la simulacin se obtuvieron a partir de mediciones con una mquina de medicin por coordenadas en 3D Mitutoyo Apex 710. Por la
magnitud de las variaciones obtenidas de las mediciones, se considera que stas se encuentran en el orden de
ondulaciones de las superficies, la mquina no cuantifica
rugosidad. En funcin de lo anterior, la magnitud que se
considera para el anlisis est en el orden de las ondulaciones superficiales. Las variaciones de dimetros se incluyen en el modelo discreto como parte de la regin de
tolerancia de las piezas.
La regin de claro para la unin mecnica est dada
por sus ajustes, que son: 20 E7/h6 mm entre flecha y aro
interno y 25 H8/f7 mm entre aro externo y cubo. Si se consideran caractersticas axisimtricas de los elementos de la
unin, as como el concepto de mxima condicin de material (MMC) los claros radiales entre las superficies de
contacto se determinan de los dimetros mximos y mnimos. Si bien, el claro resultante del ajuste se obtiene en
funcin del dimetro, para efectos prcticos del modelo
axisimtrico se usan variaciones radiales. Para este caso,
los radios considerados se indican a continuacin: Radio
mximo del eje: 10 mm, radio mnimo del aro interno:
10.02 mm, radio mximo del aro externo: 12.49 mm, radio
mnimo del cubo: 12.5 mm. Las variaciones que modifican
el perfil de contacto en la regin de interfaz de la flecha y
aro interno, as como los claros se esquematizan en la figura 5. Para efectos de anlisis y de representacin de la modificacin en las superficies, se considera un sistema
coordenado local, cuyo eje horizontal (axial) es paralelo al
eje axial del modelo y el eje vertical (radio) coincide con el
borde del aro interno (figura 5). Tomando como referencia
el sistema local de la figura 5, las modificaciones que se
usan para cambiar el perfil de contacto en la configuracin
sin deformar se presentan en las figuras 6 y 7, para el aro
interno y para la flecha. Con el objeto de analizar la interaccin de contacto entre flecha y aro interno, se considera
en el sistema local que el eje radial se desplaza con el borde del aro interno.
La modificacin en el modelo discreto en funcin de
los puntos medidos se realiza para tres condiciones de
aproximacin, mediante interpolacin lineal de nodos de
la malla y puntos medidos, posteriormente se incluyen
dos consideraciones comnmente usadas en representaciones grficas, mediante curvas Bezier y mediante curvas
spline. Las modificaciones del perfil de contacto, tanto
para el aro como para la flecha, se presentan en las figuras
8 y 9. Estos perfiles se incluyen por separado, uno a la vez
en la malla con claros del modelo discreto de la unin.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 99-111 ISSN 1405-7743 FI-UNAM
Bedolla-Hernndez J., Szwedowicz-Wasik D., Corts-Garca C., Majewski-Szymiec T., Martnez-Rayn E. y Gutirrez-Wing E.S.
a)
b)
Los resultados obtenidos en las pruebas de convergencia de malla, indican que los picos de esfuerzos de contacto para la geometra nominal superan el lmite
elstico (figura 4) para materiales estructurales. Tomando en cuenta esa caracterstica, para las simulaciones
con los modelos discretos que incluyen claros y modificacin del perfil de la superficie de contacto, se incluye
comportamiento elstico y plstico con endurecimiento
del material. Para aproximar el comportamiento plstico se usa la ecuacin (3) y las propiedades del acero
AISI 1045, que son: mdulos elstico (E) 205 GPa (Matweb, 2010), lmite elstico (ys) 310 MPa y coeficiente de
endurecimiento de 0.1736 (zel y Zeren, 2006). Los resultados de la ecuacin 3 se presentan en la figura 10.
ys
=
plastic
E ys
1/n
(3)
donde
plastic es la deformacin en la regin plstica,
E el mdulo elstico,
ys el esfuerzo de fluencia,
es el esfuerzo y
n es el ndice de endurecimiento del material.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 99-111 ISSN 1405-7743 FI-UNAM
105
contacto. Para garantizar que las variaciones de los dimetros correspondan a efectos de las tolerancias de manufactura (considerada como ondulacin), la regin de
inters se limita al rango de variaciones radiales presentado en las figuras 8 y 9. De igual manera, por esta razn no se consideran variaciones cercanas a los bordes
del aro cnico donde el rebaje en las esquinas no corresponde a ondulacin, sino a la caracterstica de acabado.
Las dimensiones y geometra de la unin simulada
corresponden a una flecha slida, un par de aros Ringfeder RfN S8006 20x25 mm, y el cubo de un engrane
ondrives. La fuerza de apriete aplicada en el modelo discreto con claros, al aro interno en direccin axial es 30.5
kN. El coeficiente de friccin en las superficies de contacto se considera de 0.12 (Ringfeder, 2007).
Previamente se estableci el radio mnimo del aro
interno en 10.020 mm. Con el objeto de tomar en cuenta
las incorporaciones de las modificaciones del perfil (figuras 8 y 9), se modifica el radio nominal del aro interno a 10.021 mm (an dentro de su regin de tolerancia),
para evitar que al adicionar las modificaciones al perfil
se rebase la regin de tolerancia. De forma anloga para
la flecha, su radio mximo es de 10 mm y se modifica a
9.999 mm. Con esa consideracin se logra que las modificaciones en el perfil de la superficie de contacto sean
mayor al radio mnimo del aro interno y menores para
el dimetro de la flecha, correspondientes al ajuste E7/
h6 (figuras 8 y 12).
Resultados
Los resultados corresponden a las 3 aproximaciones del
perfil de contacto del aro interno y la flecha usados en
el anlisis. Para simular los cambios del perfil de la
unin mecnica se usa el tamao caracterstico del elemento de contacto que se obtuvo del 5o refinamiento
(tabla 1). Ese refinamiento proporciona ed= 0.4%, lo cual
se considera como un excelente nivel de exactitud. Para
el anlisis del esfuerzo de contacto en la unin se incluyen claros radiales para la geometra nominal en el modelo discreto axisimtrico. Posteriormente y en forma
separada se incluyen las modificaciones del perfil de
contacto con modificacin directa con puntos medidos,
interpolacin mediante curva spline, e interpolacin
mediante curva Bezier. En las figuras 8 y 9 se observa
que los puntos iniciales y finales son coincidentes para
las diferentes representaciones del perfil de contacto;
sin embargo, el resto de los puntos difieren, lo que produce variaciones en los resultados de esfuerzos de
106
En condiciones ideales del proceso de unin, la deformacin radial del aro interno se supone igual en toda su
longitud axial. Sin embargo, por la geometra cnica de
los aros, la porcin del aro de menor espesor presenta la
mayor deformacin radial. La figura 13 muestra la deformacin del aro interno para la configuracin con claro y
geometra nominal para dos condiciones: a) deformacin radial del aro antes de alcanzar el contacto con la
flecha y b) deformacin radial con la carga total aplicada
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 99-111 ISSN 1405-7743 FI-UNAM
Bedolla-Hernndez J., Szwedowicz-Wasik D., Corts-Garca C., Majewski-Szymiec T., Martnez-Rayn E. y Gutirrez-Wing E.S.
carga total
sin contacto
-0.02
Deformacin
radial [mm]
-0.018
-0.022
-0.024
Longitud
axial [mm]
-0.026
0
2
3
4
Longitud axial [mm]
a) b)
Figura 13. Deformacin radial del aro interno en su radio interno, donde: a) curvas de deformacin y
b) correspondencia de los ejes en el aro interno
a) b)
Figura 14. Presin de contacto usando material con comportamiento elasto-plstico para la geometra nominal con claro, donde: a)
toda la longitud del aro y b) ampliacin alrededor del radio R=0.2 mm
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 99-111 ISSN 1405-7743 FI-UNAM
107
2000
1500
1000
500
0
0
2
3
Lomgitud axial [mm]
2000
1500
1000
500
0
0
Posicin axial
0.4 mm
258.9
1596.3
1549.2
1567.3
Modelo discreto
Claro nominal
Puntos medidos
Spline
Bezier
108
2
3
Longitud axial [mm]
0.2 mm
1128.6
348.4
0
730.6
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 99-111 ISSN 1405-7743 FI-UNAM
Bedolla-Hernndez J., Szwedowicz-Wasik D., Corts-Garca C., Majewski-Szymiec T., Martnez-Rayn E. y Gutirrez-Wing E.S.
Deformacin
radial [mm]
radial deformation
[mm]
0
-0.01
-0.02
bezier
Puntos
medidospoints
measured
Spline
spline
Nominal
nominal
-0.04
-0.05
0
2
3
Longitud
[mm]
axialaxial
length
[mm]
Bezier
bezier
Puntos medidos
measured
points
Spline
spline
Nominal Spline
nominal
-0.022
-0.023
Aro
interno
-0.024
-0.025
-0.026
-0.027
0
axial length
[mm]
Longitud
axial
[mm]
a)
b)
Figura 19. Deformacin radial final del aro interno para la carga
total aplicada (30.5 kN), donde: a) deformacin del aro para
las diferentes aproximaciones y b) representacin esquemtica
deformada del aro
Conclusiones
Bezier
-0.03
-0.02
-0.021
Deformacin
radial [mm]
Radial deformation
[mm]
Se present el anlisis de tres mtodos diferentes de discretizacin de superficies de contacto para representar
una unin mecnica eje cubo, la cual se realiza mediante
presin y contacto. Se analiz su geometra nominal para
lograr la convergencia del pico de esfuerzos, obtenindose una exactitud en ese proceso de 0.4 %, en el 5o refinamiento de malla del modelo propuesto.
Se concluye que la aproximacin de perfiles de contacto
mediante curvas Bezier presenta las mejores caracterstica, ya que en la regin del pico de esfuerzo de contacto la diferencia obtenida en relacin al perfil con puntos
medidos es solamente 1.8 %. Mientras que para el resto
de la longitud axial el perfil de la curva de esfuerzo de
contacto es aproximadamente el mismo que para el
caso de la geometra nominal, a diferencia de los otros
dos mtodos analizados. Se concluye que la representacin con curvas Bezier proporciona las caractersticas
relevantes de la curva de esfuerzo de contacto en la re-
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 99-111 ISSN 1405-7743 FI-UNAM
109
Agradecimientos
Los autores agradecen el apoyo otorgado al Fondo de
Ciencia Bsica Conacyt para la realizacin del presente
trabajo dentro del proyecto Conacyt CB 102025.
Referencias
Abaqus, Analysis user Manual, ver 6.10, Simulia, Fremont, Ca,
2010.
Beisheim y Sinclair. Three-Dimensional Finite Element Analysis
of Dovetail Attachments with and Without Crowning. J. of
Turbomachinery, volumen 130 (nmero 2), 2008: 1-8.
Cheng K., Wang H., Qin H., Wong K., Yang H., Liu Y. Design and
Analysis of Optimization Methods for Subdivision Surface
Fitting. IEEE Transactions on Visualization and Computer Graphics, volumen 13 (nmero 5), 2007: 878-890.
Chen X.D., Yong J.H., Wang G., Paul J.C., Xu G. Computing the
Minimum Distance between a Point and a NURBS Curve.
Computer Aided Design, volumen 40, 2008:1051-1055.
Dan J. Lancheng W. An Algorithm of NURBS Surface Fitting for
Reverse Engineering. International Journal in Advanced Manufacture Technology, volumen 31, 2006: 92-97.
Flry S. Fitting Curves and Surfaces to Point Clouds in the Presence of Obstacles. Computer Aided Geometric Design, volumen 26
(nmero 2), 2009: 192-202.
Flry S., Hofer M. Surface Fitting and Registration of Point Clouds
Using Approximations of the Unsigned Distance Function.
Computer Aided Geometric Design, volumen 27 (nmero 1),
2010: 60-77.
Gout C., Le-Guyader C., Romani L., Saint-Guirons A.G. Approximation of Surfaces with Fault(s) and/or Rapidly Varying Data,
110
Using a Segmentation Process, Dm-Splines and the Finite Element Method. Numerical Algortihms, volumen 48 (numeros
1-3), 2008: 67-92.
Jacobi A. Approximation and Construction of Composite Bzier
Surfaces Using Minimization and Finite-Element Methods.
Computer Modelling and New Technologies, volumen 13 (nmero 4), 2009: 2137.
Matweb 2010. Material Property Data [en lnea] [consultado el 5
de junio de 2010]. Disponible en: www.matweb.com/search/
zel T. Zeren E. A Methodology to Determine Work Material
Flow Stress and Tool-Chip Interfacial Friction Properties by
Using Analysis of Machining. Journal of Manufacturing Science
and Engineering, volumen 128, 2006: 119-129.
Ringfeder Locking Elements RfN 8006 Catalogue, 2007 [en lnea] [consultado el 5 de noviembre de 2009]. Disponible en:
http://www.ringfeder.com/CatalogDownload.htm
Sidebottom 0.M., Chu S.C. Bursting Pressure of Thick-Walled
Cylinders Subjected to Internal and External Pressures, Axial
Load and Torsion. Experimental Mechanics, volumen 15 (nmero 6), 1975: 209-218.
Sinclair G.B., Cormier N.G., Griffin J.H., Meda G. Contact Stress in
Dovetail Attachments: Finite Element modeling . J. Eng. Gas
Turbines Power, volumen 124, 2002: 182-189.
Szwedowicz D., Bedolla J., Martnez E., Bedolla M. Descripcin
discreta de superficies de contacto de elementos cnicos elsticos en elementos mecnicos. CIT Informacin Tecnolgica, volumen 17 (nmero 4), 2006: 47-52.
Szwedowicz D., Bedolla J. Experimental and Numerical Coupling Proof of Conical Friction Joints. Key Engineering Materials, Trans Tech Publications, Switzerland, volumen 347, 2007:
557-562.
Wang W., Pottaman H., Liu Y. Fitting B-Spline Curves to Point Clouds
by Curvature-Based Squared Distance Minimization. ACM Transactions on Graphics, volumen 25 (nmero 2), 2006: 214-238.
Yang H., Wang W., Sun J. Control Point Adjustment for B-Spline
Curve Approximation. Computer Aided Design, volumen 36,
2004: 639-652.
Zhao j., Xia R., Liu W., Wang H. A Computing Method for Accurate Slice Contours Based on an STL Model. Virtual and Physical Prototyping, volumen 4, (nmero 1), 2009: 29-37.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 99-111 ISSN 1405-7743 FI-UNAM
Bedolla-Hernndez J., Szwedowicz-Wasik D., Corts-Garca C., Majewski-Szymiec T., Martnez-Rayn E. y Gutirrez-Wing E.S.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 99-111 ISSN 1405-7743 FI-UNAM
111
Campos-Aranda D.F.
Facultad de Ingeniera
Universidad Autnoma de San Luis Potos
Correo: campos_aranda@hotmail.com
Resumen
La distribucin Logstica Generalizada es la ms reciente cuya aplicacin ha
sido establecida bajo precepto, por ello es importante su contraste con las
otras dos que le precedieron, la LogPearson tipo III en USA y la General de
Valores Extremos en Inglaterra. Se comenz por destacar la importancia en
la estimacin de las crecientes de diseo, de los anlisis probabilsticos y de
las distribuciones citadas. Para la ms reciente se describe con detalle la estimacin de sus tres parmetros de ajuste por el mtodo de momentos L. Adems se propone su ajuste por minimizacin del error cuadrtico medio a
travs optimizacin numrica. Los resultados de la aplicacin de esta distribucin en 31 registros de eventos mximos anuales, con base en los dos mtodos citados, se contrastan con los ptimos obtenidos previamente con los
modelos General de Valores Extremos y LogPearson tipo III. Se concluye
que la distribucin Logstica Generalizada (LOG) es una opcin conveniente
para registros que muestran grandes cocientes L de curtosis y que en general
sus resultados conducen a las predicciones ms severas en los periodos de
retorno extremos, en registros con valores dispersos.
Descriptores:
distribucin LOG
momentos L
cocientes de momentos L
diagrama de cocientes de
momentos L
optimizacin numrica
Abstract
The Generalized Logistic distribution is the most recent whose application has been
established as precept. Thus, comparing it with the other two that preceded it: the
LogPearson type III in USA and the General Extreme Values in England, is of high
importance. In this work, the relevance of probabilistic analysis and the above mentioned distributions in design flood estimation is pointed out. For the most recent, a
fitting method of Lmoments is described in detail for the estimation of its three parameters, also a fitting by minimizing the quadratic mean error through numerical
optimization is proposed. The results of the application of this distribution to 31 records, using both cited methods, are compared with the optimal ones obtained using
the General Extreme Values and LogPearson type III models. It is concluded that
the Generalized Logistic distribution is a good choice for records with high Lkurtosis quotients and its predictions in general are more extreme in high return periods
when applied to records with outliers.
Introduccin
Las estimaciones fundamentales de los hidrlogos estn relacionadas con el escurrimiento en dos escalas de
tiempo, la mensual y la instantnea. En el primer caso,
se buscan los volmenes escurridos disponibles para el
diseo hidrolgico de embalses de aprovechamiento.
En el segundo caso, se intenta obtener las crecientes que
generan la cuenca estudiada, asociadas stas a diversas
probabilidades de excedencia, cuyo recproco es el periodo de retorno o intervalo promedio de recurrencia
en aos. Las crecientes son bsicas en el diseo y la revisin hidrolgica de todo tipo de obras hidrulicas de
proteccin como son: presas, diques, rectificaciones y
encauzamientos; adems permiten el dimensionamiento de las obras de cruce (alcantarillas y puentes).
La estimacin de crecientes de diseo ms confiable
es la que est basada en los registros de gastos mximos
anuales, existiendo actualmente dos enfoques de procesamiento, el local y el regional. El tratamiento local de
los datos disponibles se aplica donde el registro es amplio (> 50 aos), si es menor, pero cuenta con ms de 25
aos, los resultados de procesamiento local se deben
ratificar mediante comparacin con cuencas vecinas
(WRC, 1977). Cuando el registro tiene menos de 25 aos
las estimaciones de crecientes deben estar basadas en el
enfoque regional.
La estimacin probabilstica de crecientes ha evolucionado desde sus inicios en 1930 y 1941 con los estudios de Hazen y Gumbel (Maidment, 1993), hasta el uso
de modelos probabilsticos fsicamente basados. Una
etapa importante aconteci a mediados de los aos sesenta, cuando el Subcomit de Hidrologa del US Water
114
Keywords:
GLO distribution
Lmoments
Lmoment ratios
Lmoment ratios diagram
numerical optimization
Resources Council, contrast seis distribuciones comnmente empleadas en esa poca y concluy que el
modelo LogPearson tipo III (LP3) era el ms conveniente y lo recomend para uso general en las agencias
de gobierno (Ponce, 1989). En un estudio similar en Inglaterra se determin que las distribuciones de tres parmetros de ajuste (General de Valores Extremos,
Pearson tipo III y LP3) conducan a mejores ajustes que
los modelos de dos parmetros (NERC, 1975).
La propuesta de uso generalizado de la distribucin general de valores extremos (GVE) incluye como
caso especial a la distribucin Gumbel, la cual ya era
conocida y utilizada; adems define a los modelos
LogGumbel y Weibull, que son curvas en el papel de
probabilidad GumbelPowell, el primero con concavidad hacia arriba y el segundo hacia abajo. La nueva
versin del Flood Studies Report (NERC, 1975) se llama Flood Estimation Handbook y recomienda para
los anlisis de frecuencia de crecientes a la distribucin Logstica Generalizada, ajustada mediante el mtodo de los momentos L, que es ms confiable y
consistente en registros sesgados (Mansell, 2003; Shaw
et al., 2011).
Ya se han realizado contrastes de las distribuciones
GVE y LP3 (Campos, 2001 y 2002a, b) en 31 registros
histricos de eventos mximos anuales con amplitudes
variando de 16 a 113 aos. Por tanto, el objetivo de este
estudio fue aplicar la distribucin Logstica Generalizada
(LOG) a tales registros histricos mediante dos mtodos de ajuste, el de momentos L y el de optimizacin
numrica y confrontar sus resultados con los ptimos
obtenidos para los modelos citados, finalmente formular conclusiones relativas a esta ltima distribucin.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 113-123 ISSN 1405-7743 FI-UNAM
Campos-Aranda D.F.
En una muestra de tamao n, con sus elementos arreglados en orden ascendente (x1 x2 xn) los estimadores insesgados de r son:
Desarrollo
Momentos y cocientes L muestrales
Son un sistema alternativo para describir las formas de
las funciones de distribucin de probabilidades (FDP). Histricamente aparecen como modificaciones de los momentos de probabilidad pesada (MPP) desarrollados por
Greenwood et al. (1979). Los momentos L son combinaciones lineales de los MPP, de manera que (Hosking y
Wallis, 1997):
1 = 0
(1)
2 = 21 0
(2)
3 = 62 61 + 0
(3)
(4)
Adems se definen los cocientes () de momentos L, comenzando con LCv que es anlogo al coeficiente de
variacin y despus los de similitud con los coeficientes
de asimetra (Cs) y de curtosis (Ck):
2= 2/1
(5)
3 = 3/2
(6)
4 = 4/2
(7)
b0 =
1 n
xj
n j =1
(8)
b1 =
1 n ( j 1)
xj
n j =2 (n 1)
(9)
1 n ( j 1) ( j 2 )
b2 =
xj
n j =3 (n 1) (n 2 )
n
b3 =
( j 1) ( j 2) ( j 3) x
1
j
n j =4 (n 1) (n 2 ) (n 3)
(10)
(11)
Los estimadores muestrales de r sern lr estando definidos por las ecuaciones 1 a 4 y los de los cocientes sern t2, t3 y t4, segn las ecuaciones 5 a 7.
Diagrama de momentos L
Hosking y Wallis (1997) establecieron la relacin que
guardan los cocientes de momentos L de asimetra y
curtosis en cinco distribuciones de probabilidad (figura
1): logstica generalizada (LOG), general de valores extremos
(GVE), LogNormal de 3 parmetros (LN3), Pearson tipo III
(PT3) y pareto generalizada (PAG).
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 113-123 ISSN 1405-7743 FI-UNAM
115
Registros procesados
Las referencias de procedencia de los 31 registros histricos que se usarn se pueden consultar en Campos
(2001, 2002a, b), as como sus parmetros estadsticos
insesgados. En cambio, en el cuadro 1 se presentan los
valores de sus momentos y cocientes L, segn las ecuaciones 1 a 7. Los valores de los cocientes 3 y 4 de cada
registro se llevaron al diagrama de momentos L para
dibujar puntos que por su cercana a una cierta curva,
definen la distribucin de probabilidades ms conveniente (figura 1).
l1
l2
t2
t3
t4
16
1704.375
455.875
0.26747
0.17662
0.11678
21
55.824
12.880
0.23073
0.23555
0.09142
26
328.638
101.761
0.30965
0.37397
0.29472
28
351.250
51.718
0.14724
0.25466
0.22151
31
838.999
304.141
0.36250
0.36151
0.20923
31
231.670
50.173
0.21657
0.08024
0.16833
31
117.343
49.061
0.41810
0.26479
0.22365
35
136.663
33.434
0.24465
0.25348
0.09261
36
789.445
326.194
0.41319
0.28267
0.13124
39
191.736
115.072
0.60016
0.59523
0.44937
40
1125.975
449.852
0.39952
0.49668
0.35404
44
800.979
385.172
0.48088
0.39767
0.21139
45
1734.244
436.824
0.25188
0.20775
0.16068
47
49.996
14.933
0.29869
0.38044
0.24498
50
2699.780
722.653
0.26767
0.30074
0.19099
53
221.945
34.423
0.15510
0.09604
0.09866
53
3176.434
1453.917
0.45772
0.50858
0.31946
55
1556.600
262.540
0.16866
0.10948
0.10513
55
327.800
223.791
0.68271
0.58924
0.37464
57
208.560
33.051
0.15847
0.05494
0.10148
57
1490.702
361.034
0.24219
0.33790
0.20694
58
244.086
63.197
0.25891
0.23256
0.18047
59
409.578
78.535
0.19175
0.20427
0.19191
66
1911.642
339.965
0.17784
0.01024
0.09361
67
1139.560
651.000
0.57127
0.51895
0.32703
69
191.317
26.121
0.13653
0.14525
0.19306
85
319.529
66.927
0.20945
0.19039
0.17347
113
324.487
64.349
0.19831
0.15436
0.16966
21
21.689
1.376
0.06346
0.15284
0.09797
70
47.486
7.210
0.15183
0.12331
0.15185
72
66.260
8.961
0.13524
0.14060
0.07917
116
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 113-123 ISSN 1405-7743 FI-UNAM
Campos-Aranda D.F.
( x)==
fF(x)
F( x) =
1 e (1 k ) y
(1 + e y )2
(12)
1
(1 + e y )
(13)
(14)
cuando k = 0
(15)
cuando k 0
(16)
cuando k = 0
(17)
k
(1 F )
F
x( F ) = + 1
(1 F )
F
x( F ) = log
(18)
(19)
l2 sen ( k )
k
= l1
sen ( k )
(20)
Resultados y discusin
Resumen de resultados
En el cuadro 2 para cada registro procesado hay seis
renglones de resultados, los dos primeros proceden de
Campos (2001) y corresponden a los parmetros de
ajuste (u, , k), EEA y predicciones con periodos de retorno 10, 25, 50, 100, 500, 1 000 y 10 000 aos obtenidas
con la distribucin GVE, con uno de los cuatro mtodos
de ajuste, el que condujo al EEA mnimo y con el ajuste
mediante optimizacin numrica (OPN), indicando, en la
columna 8 del cuadro 2, los nmeros de etapas y evaluaciones de la funcin objetivo (EEA) realizadas; en la columna 3 se indica el mtodo de ajuste (MA): momentos L
(MOL), optimizacin numrica (OPN), mxima verosimilitud (MMV), sextiles (SEX), momentos en el dominio logartmico (MML), mezcla de momentos (MMM), mxima
entropa (MME) y promedios diversos (MPD). Los siete
periodos de retorno citados, cubren los diversos dimensionamientos y/o revisiones hidrolgicas de las obras
hidrulicas.
De manera similar, en los renglones 3 y 4 de cada registro se presentan idnticos resultados para la distribucin LP3, pero utilizando alguno de sus seis mtodos de
ajuste y el de OPN. Finalmente en los renglones 5 y 6 de
cada registro estn los resultados de la distribucin LOG,
en este caso, ajustada mediante el mtodo de momentos
L (ecuaciones 16 a 20) y de OPN.
El algoritmo de OPN nicamente fall en los registros
19, 25 y 31 al ajustar la distribucin LOG, lo cual se corrigi limitando el nmero de etapas permitido a la ltima
en que se tenan resultados consistentes.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 113-123 ISSN 1405-7743 FI-UNAM
117
1) En todos los casos, con el mtodo de optimizacin numrica (OPN), el EEA es reducido ms all del mnimo obtenido con los procedimientos estadsticos;
2) Las tres distribuciones conducen a valores del EEA
del mismo orden de magnitud, ya sea a travs de los
mtodos estadsticos o con el de OPN;
3) Lo mismo se puede decir para sus parmetros de
ajuste, los cuales no cambian radicalmente con el
mtodo de ajuste;
4) Respecto a las predicciones, en general, sus magnitudes son bastante coincidentes en periodos de retorno
bajos (< 50 aos), incluso en ciertos registros hasta los
periodos de retorno elevados (>1,000 aos), tal es el
caso de los registros 2, 6, 9, 16, 18, 20, 22, 26, 27, 28 y 31;
5) En registros que presentan valores extremos dispersos (outliers), sus predicciones en los periodos de
retorno altos (> 1,000 aos) varan notablemente,
como en los registros 10, 11, 12, 17 y 25.
Conclusiones
La aplicacin de las tres distribuciones de probabilidad
contrastadas (general de valores extremos, LogPearson
tipo III y logstica generalizada) es recomendable en los
anlisis probabilsticos de crecientes y de otros datos
hidrolgicos extremos, debido a la consistencia o similitud numrica que presentan todas sus predicciones en
los periodos de retorno reducidos (< 50 aos), sin importar el mtodo de ajuste. La distribucin logstica generalizada ofrece una opcin probabilstica adecuada o
conveniente a los registros con valores grandes del cociente L de curtosis (4), tanto en los anlisis probabilsticos locales como regionales. En registros que presenten
valores extremos dispersos (outliers), la distribucin logstica generalizada, permitir un ajuste muy bueno a los
datos, por medio del mtodo de optimizacin numrica,
pero debido a ello sus predicciones en los periodos de
Anexo
Para los ocho registros donde es recomendable la distribucin LOG se observa (cuadro 2) que sus EEA mnimos son plenamente coincidentes con los de los
modelos GVE y LP3. Tambin son similares las predic-
NR DA
1
1
1
1
1
1
2
2
2
2
2
2
3
MA
MOL
OPN
MML
OPN
PT3
PAG
118
651.656
710.061
0.47700
0.54632
0.01045
0.04934
0.16191
0.05204
152.8
118.7
164.1
115.8
(6) 77
(5) 59
10
25
2838
3004
2805
3063
3474
3775
3448
3934
4425
4981
4406
5333
5538
6477
5532
7116
6022
7158
6026
7943
10 000
7654
9593
7715
10979
MOL
1573.953
432.840
0.17662
187.1
2736
3419
3996
4641
6466
7423
11590
OPN
MOL
OPN
MML
OPN
MOL
OPN
MOL
1585.836
44.431
44.284
3.94563
3.95179
50.968
51.399
228.506
495.145
16.805
18.678
0.39843
0.44325
11.736
13.045
102.689
0.22334
0.10008
0.11427
0.25293
0.03372
0.23555
0.29079
0.29557
127.0
5.0
4.0
5.0
4.0
5.8
4.3
73.8
(9) 96
(5) 64
(2) 32
(3) 29
2990
87
92
87
92
85
92
557
3877
108
116
107
114
107
120
775
4656
125
136
124
130
126
146
982
5556
143
157
141
148
148
177
1234
8248
189
213
184
190
216
280
2061
9737
212
241
205
209
255
341
2557
16711
299
349
285
280
437
660
5166
OPN
222.626
103.217
0.48721
34.4
(5) 35
645
1017
1429
2003
4384
6142
18836
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 113-123 ISSN 1405-7743 FI-UNAM
Campos-Aranda D.F.
NR DA
3
3
3
3
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
7
7
7
7
7
7
8
8
8
8
8
8
9
9
9
9
9
9
10
10
10
10
10
10
11
11
11
11
11
11
LOG
LOG
PAG
LOG
LOG
PAG
PAG
LOG
GVE
MA
MMM
OPN
MOL
OPN
MOL
OPN
MMM
OPN
MOL
OPN
MMV
OPN
MML
OPN
MOL
OPN
MMV
OPN
MME
OPN
MOL
OPN
MOL
OPN
MPD
OPN
MOL
OPN
MOL
OPN
MML
OPN
MOL
OPN
MMV
OPN
MPD
OPN
MOL
OPN
MMV
OPN
MML
OPN
MOL
OPN
MMV
OPN
MML
OPN
MOL
OPN
0.53160
0.58065
79.914
73.615
65.360
70.727
0.25088
0.28246
46.375
51.012
277.582
307.901
0.62233
0.66673
242.847
250.600
77.343
80.472
0.40380
0.41913
49.643
53.671
60.935
61.054
0.93576
0.80294
43.595
45.880
42.321
38.949
0.41880
0.46171
30.011
32.826
355.577
431.984
0.84715
0.94710
284.979
313.477
61.520
28.076
1.06880
1.17500
58.803
29.823
326.064
217.322
0.64206
0.69789
288.286
204.980
0.60848
0.28644
0.37397
0.65487
0.12830
0.18816
0.98022
0.16921
0.25466
0.33106
0.43927
0.42979
0.48521
0.12861
0.36151
0.50781
0.09530
0.05088
0.03810
0.03141
0.08024
0.15198
0.14309
0.27199
0.75429
0.01951
0.26479
0.39338
0.12686
0.23170
0.40433
0.02776
0.25348
0.27250
0.27754
0.17485
0.60666
0.12772
0.28267
0.28267
0.69011
1.19579
0.41776
0.29390
0.59523
1.17626
0.53163
0.86285
1.12598
0.42785
0.49667
0.88059
69.3
34.1
77.9
31.4
21.2
15.1
21.1
15.1
23.1
14.7
104.4
83.1
140.6
85.4
173.0
82.3
19.9
18.2
18.6
18.0
19.7
16.0
20.9
11.6
21.2
12.9
22.3
10.1
9.7
9.6
9.7
7.4
11.8
9.1
89.5
61.4
84.5
55.0
112.0
82.3
155.1
62.7
170.0
71.3
193.8
63.3
435.4
239.4
464.7
245.6
527.8
241.6
(12) 123
(14) 130
(3) 36
(3) 38
(2) 25
(7) 85
(12) 128
(7) 95
(6) 82
(7) 97
(4) 60
(17) 142
(15) 157
(29) 254
(1) 9
(3) 59
(3) 40
(8) 83
(1) 9
(1) 9
(10) 94
(5) 36
(18) 170
(24) 197
(17) 176
(15) 155
10
25
563
631
543
618
475
501
471
495
467
494
1591
1699
1564
1668
1484
1674
350
366
360
368
344
363
234
259
269
255
227
253
217
221
217
227
211
224
1584
1680
1701
1925
1512
1598
400
387
415
446
364
392
2069
2151
2069
2328
1949
2149
733
863
758
1045
563
613
535
571
557
616
2468
2647
2252
2330
2117
2646
407
432
435
447
405
442
320
381
406
374
314
384
273
291
275
282
270
291
2305
2340
2483
2921
2111
2258
789
1117
763
841
653
1121
3399
4374
3315
3471
3034
4360
1017
1289
1248
2423
714
820
628
685
735
881
4660
4988
3646
3542
3535
5258
482
525
550
567
501
580
469
629
665
598
488
687
371
426
375
370
384
426
3785
3540
3916
4815
3031
3599
2111
5791
1694
1904
1521
5697
7116
13730
6498
5859
5908
13851
1401
1931
2238
6717
926
1137
737
820
1034
1380
9576
10165
6003
5339
6345
11740
556
623
689
710
625
777
683
1062
1056
939
785
1320
507
647
516
481
577
659
6379
5340
6007
7677
5473
5956
6471
39629
3837
4332
3986
37875
16724
54049
13755
10031
12921
55856
1587
2267
2885
10499
1031
1306
784
880
1205
1692
13026
13760
7343
6266
8156
16630
585
663
751
774
683
878
791
1314
1257
1117
957
1742
574
771
586
532
687
795
7905
6284
7064
9156
6738
7348
10457
90785
5329
6004
6026
85625
24165
98018
18888
12452
18150
102475
10 000
2306
3707
6750
46943
1456
2053
946
1089
2049
3426
36002
37329
13795
10153
18757
53191
668
786
969
998
902
1301
1238
2593
2088
1872
1819
4345
846
1358
870
718
1227
1486
15700
10382
11339
15279
13256
14517
51308
1.4106
14799
16361
23743
1.3106
82090
712207
53440
24405
56505
775362
12
MMV
389.809
317.042
0.50729
254.6
1722
2931
4289
6211
14380
20544
66581
12
12
12
12
OPN
MMV
OPN
MOL
443.176
6.27776
6.39346
567.972
288.938
0.92300
0.81139
292.512
0.58068
0.13929
0.17226
0.39767
245.1
286.3
248.8
336.2
(16) 164
(13) 162
1784
1740
1713
1595
3133
2700
2594
2436
4742
3589
3410
3290
7140
4638
4379
4406
18305
7804
7345
8534
27412
9537
8996
11300
104528
17309
16629
28491
PAG
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 113-123 ISSN 1405-7743 FI-UNAM
119
NR DA
12
13
13
13
13
13
13
14
14
14
14
14
14
15
15
15
15
15
15
16
16
16
16
16
16
17
17
17
17
17
17
18
18
18
18
18
18
19
19
19
19
19
19
20
20
20
20
20
20
21
21
21
21
21
21
22
22
LN3
LN3
LN3
PT3
PAG
PT3
LN3
GVE
LN3
120
MA
OPN
MOL
OPN
MMV
OPN
MOL
OPN
MMV
OPN
MML
OPN
MOL
OPN
SEX
OPN
MML
OPN
MOL
OPN
MOL
OPN
MML
OPN
MOL
OPN
MMV
OPN
MML
OPN
MOL
OPN
MOL
OPN
MML
OPN
MOL
OPN
SEX
OPN
MML
OPN
MOL
OPN
MOL
OPN
MMM
OPN
MOL
OPN
MMV
OPN
MML
OPN
MOL
OPN
MOL
OPN
328.265
595.786
604.967
0.45244
0.47102
406.465
434.086
13.742
13.907
0.49605
0.53169
11.623
12.602
831.726
935.595
0.46651
0.50601
619.836
702.022
54.827
56.643
0.27474
0.29216
33.904
35.451
996.848
1421.410
0.76133
0.95060
909.645
1188.785
411.226
417.847
0.29893
0.31356
257.393
268.004
126.713
197.718
1.48007
1.59587
116.174
126.657
55.216
56.305
0.29080
0.30391
32.887
34.361
375.284
425.841
0.40700
0.43891
296.947
332.770
82.858
90.853
0.48604
0.05831
0.12056
0.16003
0.02658
0.20775
0.25198
0.40480
0.45370
0.85605
0.20937
0.38044
0.47430
0.21273
0.17413
0.30729
0.03126
0.30074
0.27764
0.11901
0.12102
0.14776
0.04168
0.09604
0.10079
0.57129
0.44506
0.85203
0.02212
0.50858
0.50726
0.09683
0.05730
0.05445
0.01055
0.10948
0.13962
0.59493
0.52828
0.10623
0.06368
0.58924
0.70133
0.18829
0.16552
0.43105
0.07483
0.05494
0.06724
0.29940
0.25562
0.77811
0.13107
0.33790
0.34981
0.09563
0.09092
255.8
104.6
70.6
89.2
74.0
114.3
66.2
4.6
3.0
6.6
3.1
7.8
2.9
267.4
232.5
254.4
223.4
303.7
258.1
4.7
4.2
5.3
4.1
6.9
6.3
836.9
675.4
815.7
611.7
1085.8
706.0
61.4
55.3
60.5
54.8
64.9
56.7
218.2
152.5
160.8
132.6
235.1
169.5
7.8
7.4
7.8
7.4
8.0
7.5
102.7
83.6
111.8
79.6
134.3
93.0
13.9
11.5
(3) 30
(10) 125
(17) 171
(7) 108
(7) 74
(7) 78
(12) 126
(6) 68
(7) 126
(5) 68
(4) 86
(3) 52
(4) 61
(20) 276
(10) 150
(15) 153
(11) 98
(4) 39
(6) 86
(30) 257
(5) 46
(3) 21
(7) 89
(5) 74
(3) 49
(1) 9
(8) 96
(10) 118
(5) 30
10
25
1895
2794
2900
2807
2890
2720
2858
85
89
85
89
81
90
4404
4604
4451
4626
4288
4559
304
308
303
310
300
304
6195
7118
6290
7337
5786
6996
2186
2229
2181
2226
2149
2194
685
933
807
1050
668
822
287
290
290
295
282
287
2342
2434
2345
2421
2269
2419
396
414
3095
3456
3698
3483
3618
3418
3699
125
135
118
117
113
135
5814
6031
5736
5892
5657
6016
342
347
341
355
343
350
10732
11683
10492
11533
9322
11601
2485
2568
2501
2578
2488
2577
1301
1732
1681
2171
1231
1656
318
324
331
338
320
327
3149
3246
3061
3018
2994
3258
498
524
6233
4504
5056
4543
4771
4714
5345
219
251
188
166
186
250
8496
8624
7953
7939
8505
8961
390
396
394
418
412
424
24045
23166
21301
20126
18830
23962
2881
3036
2953
3086
3047
3231
3160
3956
4203
5242
2904
4511
355
366
388
399
378
390
4852
4872
4413
3977
4574
5114
667
706
13764
5822
6932
5868
6227
6744
8104
421
518
309
236
336
521
12756
12507
11059
10581
13648
14095
437
444
450
488
505
523
60616
49158
45851
34382
42460
54619
3274
3531
3457
3664
3800
4155
8458
9676
10282
12065
7615
14071
388
403
451
467
449
470
7937
7628
6534
5213
7593
8726
891
946
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 113-123 ISSN 1405-7743 FI-UNAM
19315
6428
7858
6476
6900
7847
9680
557
708
381
271
434
718
15087
14542
12607
11820
16748
17110
454
462
473
518
549
571
90152
67510
63053
42580
60302
77735
3425
3730
3671
3913
4167
4620
12845
14089
14564
16576
11490
22909
388
416
478
496
482
507
9797
9210
7686
5794
9489
11023
999
1060
10 000
59312
8625
11550
8683
9364
12889
17404
1413
2005
745
411
1026
2111
25828
23365
18866
16438
33184
32518
503
511
546
618
719
755
336240
190924
175998
78020
193860
250383
3860
4337
4380
4755
5603
6530
50915
48253
41466
42118
44792
115314
399
451
566
591
600
644
19636
17014
12929
7968
20167
24219
1412
1496
Campos-Aranda D.F.
NR DA
22
22
22
22
23
23
23
23
23
23
24
24
24
24
24
24
25
25
25
25
25
25
26
26
26
26
26
26
27
27
27
27
27
27
28
28
28
28
28
28
29
29
29
29
29
29
30
30
30
30
30
30
31
31
31
31
31
31
GVE
LOG
PT3
PAG
LOG
GVE
LOG
GVE
GVE
PAG
MA
MMV
OPN
MOL
OPN
MOL
OPN
MMM
OPN
MOL
OPN
MOL
OPN
MPD
OPN
MOL
OPN
MMV
OPN
MMV
OPN
MOL
OPN
MOL
OPN
MMV
OPN
MOL
OPN
MOL
OPN
MMV
OPN
MOL
OPN
SEX
OPN
MMV
OPN
MOL
OPN
MOL
OPN
MML
OPN
0.46596
0.48836
57.723
63.495
107.694
117.360
0.33555
0.34782
73.255
76.095
594.815
607.700
0.34210
0.35951
339.906
351.197
403.393
501.411
1.10027
1.22503
398.602
460.704
39.034
40.304
0.24629
0.25159
25.224
27.746
93.736
92.497
0.38280
0.38211
63.007
69.308
93.018
94.484
0.36916
0.36126
61.857
68.042
2.704
2.935
0.11604
0.13545
0.11666
0.00813
0.23256
0.23256
0.05301
0.10033
0.34764
0.10830
0.20427
0.27097
0.26634
0.25752
0.78476
0.14677
0.01024
0.01525
0.67640
0.55541
0.08350
0.00709
0.51895
0.57561
0.03898
0.02645
0.13407
0.05087
0.14524
0.14524
0.03176
0.09044
0.04381
0.04334
0.19039
0.19039
0.00843
0.03379
0.11273
0.02357
0.15437
0.15437
0.57722
0.66494
1.20543
0.23489
12.7
11.0
16.7
13.5
25.0
21.6
23.8
18.4
23.7
14.5
51.2
48.7
54.6
50.0
65.6
62.6
286.2
206.3
304.9
165.5
453.1
212.5
7.9
7.7
7.6
7.2
7.2
6.5
16.3
13.5
15.8
14.0
15.1
12.9
14.1
11.8
12.4
12.3
11.3
10.9
0.333
0.252
0.420
0.260
(9) 97
(1) 9
(6) 91
(9) 113
(6) 75
(5) 56
(6) 93
(4) 65
(7) 92
(5) 45
(10) 84
(12) 131
(11) 114
(1) 9
(20) 184
(11) 108
(1) 9
(7) 71
(4) 61
(1) 9
(4) 46
(3) 38
10
25
399
411
386
403
600
625
596
610
587
610
2702
2725
2793
2842
2661
2689
2562
2749
2562
2841
2287
2755
254
260
255
257
250
257
483
491
486
489
471
488
479
490
488
486
470
486
24.6
24.6
24.4
25.4
498
518
492
519
718
772
701
725
712
765
2976
3012
3246
3324
3004
3048
5019
4934
4315
5066
3882
4906
287
296
286
290
287
297
580
603
582
587
574
602
565
588
582
577
562
588
25.1
25.0
25.0
26.9
654
687
695
742
904
1015
857
899
942
1076
3272
3326
3887
4008
3505
3576
13221
11219
8191
10307
8223
11192
334
347
331
338
350
367
728
788
727
737
762
808
691
739
722
713
722
764
25.5
25.4
25.5
28.7
850
902
1025
1105
1135
1341
1041
1110
1301
1613
3502
3571
4598
4769
4086
4193
39714
28068
15158
20369
19187
28519
385
403
380
390
440
465
908
1032
899
917
1048
1123
835
922
888
874
953
1018
25.7
25.5
25.9
30.5
940
1001
1209
1308
1241
1498
1123
1205
1495
1925
3574
3649
4899
5082
4339
4462
63594
41450
19208
26467
27557
42565
406
427
401
413
485
515
988
1148
976
998
1201
1291
896
1004
962
946
1071
1148
25.8
25.5
25.9
31.1
10 000
1268
1365
2086
2273
1621
2106
1406
1542
2378
3507
3736
3827
5890
6156
5189
5377
302482
149948
38805
57562
91326
160487
472
502
470
488
673
722
1267
1590
1244
1285
1879
2037
1096
1290
1220
1194
1568
1694
25.8
25.6
26.1
33.2
MOL
22.031
1.324
0.15284
0.444
24.5
25.4
25.9
26.4
27.3
27.7
28.6
OPN
MOL
OPN
MMV
OPN
MOL
OPN
MOL
OPN
MML
OPN
MOL
OPN
22.026
41.793
41.445
3.82453
3.82584
46.034
45.908
58.959
59.519
4.16632
4.16678
64.207
64.609
1.467
11.095
11.363
0.27009
0.27985
7.031
7.343
13.476
12.980
0.23395
0.24590
8.672
8.889
0.19819
0.07426
0.03287
0.14311
0.02164
0.12331
0.15104
0.04642
0.02113
0.19732
0.01540
0.14059
0.14059
0.293
1.5
1.3
1.4
1.3
1.4
1.0
1.6
1.7
1.7
1.5
2.3
2.2
(3) 40
(10) 98
(5) 67
(6) 62
(3) 29
(3) 61
(2) 14
24.6
65
66
65
66
64
65
88
88
87
88
87
88
25.5
73
76
74
75
73
76
99
100
99
99
99
100
26.0
79
83
80
82
81
85
107
108
107
107
109
111
26.5
85
90
86
88
89
95
115
116
115
115
120
122
27.3
97
105
101
104
112
122
132
135
134
132
150
153
27.5
102
112
107
110
123
135
139
143
142
139
165
168
28.2
116
132
127
132
167
193
160
168
170
162
228
232
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 113-123 ISSN 1405-7743 FI-UNAM
121
Simbologa:
NR
DA
PT3
PAG
LOG
GVE
LN3
MA
MOL
OPN
MMV
SEX
MML
MMM
MME
MPD
u
k
Ym
Sy
gc
EEA
Referencias
Campos-Aranda D.F. Contraste de cinco mtodos de ajuste de la
distribucin GVE en 31 registros histricos de eventos mximos anuales. Ingeniera Hidrulica en Mxico, volumen XVI
(nmero 2), abriljunio de 2001: 77-92.
Campos-Aranda D.F. Contraste de seis mtodos de ajuste de la
distribucin Log-Pearson tipo III en 31 registros histricos de
eventos mximos anuales. Ingeniera Hidrulica en Mxico, volumen XVII (nmero 2), abril-junio de 2002a: 77-97.
Campos-Aranda D.F. Ajuste de la distribucin Log-Pearson tipo
III por medio de optimizacin numrica no restringida. Ingeniera Hidrulica en Mxico, volumen XVII (nmero 4), octubrenoviembre de 2002b: 115-128.
Campos-Aranda D.F. Introduccin a los Mtodos Numricos: Software en Basic y aplicaciones en Hidrologa Superficial, captulo 9:
122
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 113-123 ISSN 1405-7743 FI-UNAM
Campos-Aranda D.F.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 113-123 ISSN 1405-7743 FI-UNAM
123
Cuevas-Jimnez E.
Oliva-Navarro D.A.
Resumen
El filtraje de respuesta infinita al impulso (IIR) provee un enfoque poderoso
para la solucin de una variedad de problemas. Sin embargo, su diseo representa una tarea compleja, ya que su superficie de error es multi-modal
con respecto a los coeficientes del filtro. Este hecho imposibilita la utilizacin
de mtodos iterativos de optimizacin. Para resolver este problema, se requiere la utilizacin de tcnicas de optimizacin global que eviten quedar
atrapados en mnimos locales. En este artculo se propone un mtodo de
identificacin y modelado de filtros IIR basado en el enfoque con capacidades de optimizacin global llamado: Electromagnetism-Like Optimization Algorithm (EMO). EMO es un mtodo heurstico que emplea los principios de la
teora del electromagnetismo para la definicin de operadores evolutivos.
En el algoritmo, las soluciones son construidas considerando la atraccin y
repulsin electromagntica entre las partculas cargadas; en donde la carga
representa la afinidad que tiene cada partcula con la solucin. Resultados
de simulacin demuestran que el enfoque propuesto tiene una mejor precisin y convergencia que los obtenidos por mtodos reportados en la literatura para desempear la misma tarea.
Descriptores:
filtros digitales
algoritmos heursticos
modelado de sistemas
Abstract
Infinite-impulse-response (IIR) filtering provides a powerful approach for solving a
variety of problems. However, its design represents a very complicated task, since
the error surface of IIR filters is generally multimodal, global optimization techniques are required in order to avoid local minima. In this paper, a new method
based on the Electromagnetism-Like Optimization Algorithm (EMO) is proposed
for IIR filter modeling. EMO originates from the electro-magnetism theory of physics by assuming potential solutions as electrically charged particles which spread
around the solution space. The charge of each particle depends on its objective function value. This algorithm employs a collective attraction-repulsion mechanism to
move the particles towards optimality. The experimental results confirm the high
performance of the proposed method in solving various benchmark identification
problems.
Introduccin
Los filtros digitales son clasificados en dos principales
categoras (Oppenheim et al., 1999): los filtros de respuesta finita al impulso (FIR) y los filtros de respuesta infinita al
impulso (IIR). La salida de un filtro FIR es calculada con
base al valor actual y previos de la entrada. Esto implica
que cuando no existe una seal de entrada, la salida
tender a desaparecer. Por otro lado, la salida de un filtro IIR es dominada no slo por el valor presente y previo de la entrada, sino tambin por los valores pasados
de su propia salida. Esta realimentacin produce el hecho de que cuando la entrada deja de existir, las salidas
pasadas del filtro seguirn excitndolo.
La identificacin y modelado de filtros digitales IIR
es de gran importancia en diversas reas de la ingeniera, tales como procesamiento de seales, control, sistemas de comunicaciones, procesamiento de imgenes y
eliminacin de ruido (Howell y Gordon, 2001). El proceso de identificacin consiste en alterar los coeficientes
de un determinado filtro modelo para estimar los parmetros de un sistema desconocido, a partir del conocimiento de su entrada y salida. Para desempear esta
tarea es necesario la minimizacin de una funcin objetivo, tpicamente el error cuadrtico medio (MSE, mean
square error) existente entre la respuesta del sistema
desconocido y la salida del filtro modelado.
An y tomando en cuenta la amplia gama de aplicaciones de los filtros IIR, su identificacin y modelado se
considera un proceso complejo que requiere de algoritmos de optimizacin globales capaces de operar sobre
superficies de error multi-modales tpicas de estos procesos. Para resolver este problema, se han desarrollado
numerosos algoritmos que hacen uso de diversas tcnicas heursticas. Algunos ejemplos son: el trabajo realizado por Howell y Gordon en 2001, en el cual se emplea
un algoritmo de identificacin basado en autmatas de
126
Keywords:
digital filter,
meta-heuristc algorithms
system modeling
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
(1)
x [l, u]
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
127
1: contador 1
2: longitud (max {ud ld})
3: for p = 1 to m do
Inicializacin
4:
5:
6:
7:
8:
9:
10:
11:
Bsqueda local
En esta etapa se intenta mejorar la solucin ya encontrada, sin embargo, para algunos problemas puede resultar innecesaria. Considerando esto, es posible formular
una clasificacin de los algoritmos EMO: EMO sin bsqueda local, EMO con bsqueda local aplicada slo a la
mejor partcula actual y EMO con bsqueda local aplicada a todas las partculas, ste ltimo es el caso de estudio de este artculo.
Considerando un determinado nmero de iteraciones, llamado LSITER y un parmetro de vecindad de
bsqueda , el procedimiento para encontrar el valor
ptimo local se lleva a cabo de la siguiente manera: el
punto x p es asignado a una variable temporal y para
almacenar la informacin inicial. A continuacin, para
una coordenada dada d de una partcula, un nmero
aleatorio (1 ) es seleccionado y combinado con obteniendo la longitud de paso de bsqueda. El punto y
es entonces desplazado en la direccin que la longitud
de paso indique, el signo que esta direccin tendr,
tambin se calcula de manera aleatoria (2 ) . Si el valor
obtenido tras evaluar y en la funcin a optimizar es
mejor despus de haber realizado LSITER iteraciones,
el punto x p es reemplazado por y , terminando as la
bsqueda en la vecindad p , de otra forma x p conserva
su valor. Finalmente, el mejor punto actual es actualizado en la partcula. El pseudo-cdigo de este algoritmo
es descrito en la figura 1.
De forma general, la bsqueda local aplicada a todas las partculas puede reducir el riesgo de caer en un
mnimo local, pero la desventaja es que tiende a aumentar el tiempo de cmputo. Mantener la bsqueda local
128
for d = 1 to n do
1 U (0, 1)
while contador < LSITER do
y xp
2 U (0, 1)
if 1 < 0.5 then
yd yd + 2 (longitud)
Else
12: yd yd 2 (longitud)
13: end if
14: if f (y) < f (xp) then
15:
16:
17:
18:
19:
20:
21:
22:
xp y
contador LSITER 1
end if
contador contador +1
end while
end for
end for
xmejor arg min {f (xp), p}
centrada en la mejor partcula actual resulta ms conveniente, ya que as es posible mantener la eficiencia y
precisin computacional. En la bsqueda local la longitud de paso representa un importante factor que depende de los lmites de cada dimensin y determina el
desempeo del mtodo de bsqueda local.
f ( x p ) - f ( x mejor )
exp -n m
qp =
f ( x h ) - f ( x mejor )
h =1
p,
(2)
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
tcula atrae otras partculas que tengan peores resultados de afinidad y repele a las que tienen mejores valores
de afinidad.
La fuerza resultante que existe entre las partculas
determina la modificacin del valor de las partculas en
el proceso de optimizacin. La fuerza de cada partcula
se calcula por la ley de Coulomb y el principio de superposicin, por medio de (3).
q1
F23
q3
d
F3
q2
q1
F13
Fp
h
q p qh
p
( x - x ) h
m
x - xp
q p qh
h p
x p - xh )
(
xh - x p
si
si
f (x ) < f (x )
p, (3)
f (x h ) f (x p )
Fp
Fp
F21
F21 F12
d
q1
q2
q2
F12
Movimiento
De acuerdo a la fuerza resultante cada partcula se desplaza como indica la siguiente ecuacin:
x p + F p ( ud - x dp ) si F p > 0
p
, p mejor (5)
p
p
p
x + F ( x d - ld ) si F 0
Entrada
Sistema
desconocido
Filtro
adaptivo
Algoritmo
Meta-heurstico
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
129
(6)
1 Ti
=
J
(Yp (t ) - Y fil (t )) 2
(8)
T
t
1
=
donde, B = {b0 , b1, b2, ..., br} es un vector R-dimensional,
que contiene los parmetros del numerador. Del mismo
Para la medicin del MSE tanto el sistema como el filtro
modo, Y (z) corresponde a la respuesta o salida del filtro,
son simulados durante un nmero de iteraciones. Por
mientras que X (z) es la seal de entrada del filtro FIR.
objetivos de comparacin, este parmetro se establece
Por otra parte, un filtro IIR se define por la siguiente
como (Howell y Gordon, 2001), que es el valor usado
funcin de transferencia:
por las dems propuestas presentadas en la literatura.
Y ( z ) b0 + b1 z -1 + b2 z -2 + + br z - r
,
=
X ( z ) a0 + a1 z -1 + b2 z -2 + + ac z - c
(7)
Implementacin
La implementacin del algoritmo propuesto se puede
resumir en los siguientes pasos:
Paso 1:
s m = sm1 , sm2 , sm3 , , smd
transpuesto.
Paso 3:
Paso 4:
Funcin objetivo
La calidad de dichas partculas es evaluada con respecto a la funcin objetivo, que mide la afinidad de las res-
130
Paso 2:
Paso 5:
Paso 6:
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
Resultados experimentales
Para evaluar el desempeo del algoritmo propuesto en
la identificacin de filtros IIR, se emple un conjunto de
problemas propuestos originalmente por Johnson y Larimor (1977), y que son utilizados como pruebas estndar para calificar la calidad de identificacin de una
determinada propuesta. Estos problemas en general
incluyen la identificacin de sistemas, considerando la
utilizacin de filtros IIR de diferente orden. Con el objetivo de verificar la eficiencia del algoritmo propuesto,
los resultados se compararon con el enfoque de identificacin propuesto en (Lin et al., 2008), basado en el algoritmo de optimizacin heurstico PSO.
La descripcin del trabajo experimental se presenta
en el siguiente orden:
donde Hp (z1) y Hm (z1) corresponden a la relacin entrada-salida de la planta y del modelo propuesto, respectivamente. u (z1) es la entrada, que es una seal de
ruido blanco, la cual es aplicada tanto a la planta como
al modelo. Los valores a y b son modificados por el algoritmo EMO, este proceso se realiza haciendo modificaciones en base a los valores que toma la funcin
objetivo J. Para este problema, el espacio de bsqueda
se encuentra definido por los lmites superior u = [1, 1]
e inferior l = [1, 1].
y p ( z -1 )
0.05 - 0.4 z -1
=
u ( z -1 ) 1 - 1.1314 z -1 + 0.25 z -2
(9)
(10)
a
0.9034
0.906
b
-0.3030
-0.311
J
0.0107
-
Los valores finales que calcula el algoritmo EMO comparados con los que dan solucin al problema son presentados en la tabla 1.
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
131
-1
H=
p (z )
yp (z )
1
1
=
=
u ( z -1 ) (1 - 0.7 z -1 ) 2 1 - 1.4 z -1 + 0.49 z -2
(11)
a1
-1.3936
-1.4000
a2
0.4803
0.4900
b
1.0005
1.0000
J
2.463e-5
-
ym ( z -1 )
b
=
u ( z -1 ) 1 + a1 z -1 + a2 z -2
(12)
(13)
La figura 7 muestra como el MSE se minimiza drsticamente dentro de las primeras 100 iteraciones, finalmente se estaciona en un valor cercano a cero.
La evolucin de los tres parmetros durante el proceso de identificacin es mostrada en la figura 8. Estos
parmetros toman diversos valores iniciales que son
modificados en base a la funcin objetivo J, hasta que
finalmente logran converger a un valor que ha minimizado el MSE. La tabla 2 presenta los valores finales de
a1, a2 y b encontrados por el algoritmo EMO.
132
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
y p ( z -1 )
1
=
u ( z -1 ) (1 - 0.6 z -1 )3
(14)
Por otra parte, en (15) se propone el modelo IIR de segundo orden que aproxima a la planta.
-1
H=
m (z )
ym ( z -1 )
b
=
-1
-1
u ( z ) 1 + a1 z + a2 z -2
(15)
Al igual que en las sub-secciones anteriores, el problema de optimizacin se define como encontrar los valores de los parmetros a1, a2 y b, que minimicen el MSE
existente entre las respuestas de yp y ym. Las cuales dependen de una seal de entrada u(z-1), que contiene el
ruido aadido por medio del filtro FIR, que se muestra
a continuacin:
H fi ( z -1 ) = (1 - 0.6 z -2 ) (1 + 0.6 z -2 )
(16)
y p ( z -1 )
1 - 0.4 z -2 - 0.65 z -4 + 0.26 z -6
=
(17)
-1
u ( z ) 1 - 0.77 z -2 - 0.8498 z -4 + 0.6486 z -6
-1
H=
m (z )
ym ( z -1 ) b0 + b1 z -1 + b2 z -2 + b3 z -3 + b4 z -4
=
u ( z -1 ) 1 + a1 z -1 + a2 z -2 + a3 z -3 + a4 z -4
(18)
a) b)
Figura 9. a) evolucin del error cuadrtico medio para la planta de tercer orden con un modelo de segundo orden, b) parmetros a1, a2
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
133
Valores a
-0.4950
-0.7049
0.5656
-0.2691
b0
b1
b2
b3
b4
Valores b
1.0335
-0.6670
-0.4682
0.6961
-0.2100
b)
c)
Figura 10. a) grafica de la evolucin del error cuadrtico medio para un filtro de orden 4, b) evolucin de los parmetros del
denominador de un filtro de orden 4, c) evolucin de los parmetros del numerador de un filtro de orden 4
134
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
a
0.9034
0.8950
0.906
b
-0.3030
-0.3142
-0.311
J
0.0107
0.0121
-
-1.3901
-1.4024
-1.4000
0.4802
0.4925
0.4900
b
1.0091
0.9706
1.0000
J
2.6027e-5
1.4113e-4
-
b)
c)
Figura 11. a) comparacin de los valores MSE del algoritmo EMO y del PSO para una planta de segundo orden modelada con un filtro
de primer orden, b) comparacin de los parmetros a y b, encontrados por el algoritmo EMO y PSO durante 3000 iteraciones y c)
comparacin de los valores MSE del algoritmo EMO y del PSO para una planta de segundo orden modelada con un filtro de segundo
orden
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
135
a)
b)
Figura 13. Grfica de los parmetros del denominador del filtro de los algoritmos: a) EMO, b) PSO
a)
b)
Figura 14. Grfica de los parmetros del numerador del filtro del algoritmo: a) EMO, b) PSO
136
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
usando un conjunto de pruebas estndar (Jonson y Larimore, 1977). De los resultados se desprende que el algoritmo basado en EMO, entrega resultados ms precisos
en prcticamente el mismo nmero de iteraciones.
Aunque el algoritmo propuesto ofrece evidencia de
un mejor desempeo, el objetivo de este artculo no es
presentar un algoritmo que demerite las tcnicas que
actualmente son utilizadas para este fin, sino que tiene
como propsito mostrar que los sistemas basados en
principios fsicos como el Electromagnetism-Like, se
pueden considerar como una alternativa sumamente
atractiva para la identificacin de los filtros IIR.
Agradecimientos
El segundo autor agradece al Consejo Nacional de
Ciencia y Tecnologa (CONACyT), por la beca doctoral
nmero 215517 y al Instituto Jalisciense de la Juventud
por el apoyo brindado para realizar esta investigacin.
Referencias
Figura 15. Comparacin de los valores de MSE obtenidos por
los algoritmos EMO y PSO
Tabla 6. Valores encontrados por el algoritmo EMO y PSO para
los parmetros del numerador y los del denominado
Valores EMO Valores PSO
a1
-0.4950
-0.2327
b0
1.0335
0.7254
a2
a3
a4
-0.7049
0.5656
-0.2691
-0.1496
-0.0469
-0.3720
b1
b2
b3
b4
-0.6670
-0.4682
0.6961
-0.2100
-0.1618
0.3113
0.0601
-0.0673
Conclusiones
Este artculo present un nuevo algoritmo para la identificacin y modelado de filtros IIR, el cual est basado
en EMO. Bajo este enfoque, la adaptacin de los coeficientes es considerada como un problema de optimizacin, para la cual se utiliza como funcin objetivo el
error cuadrtico medio (MSE) existente entre la respuesta del sistema desconocido y la estimada por el filtro durante cierto periodo de tiempo. Guiados por los
valores de la funcin objetivo, el conjunto de coeficientes que modelan al filtro son operados usando el algoritmo EMO hasta encontrar la mejor configuracin
posible (mnimo global).
El desempeo del algoritmo propuesto, fue comparado experimentalmente contra el algoritmo de identificacin IIR basado en la tcnica PSO (Lin et al., 2008),
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
137
Kennedy J., Eberhart R.C. Particle Swarm Optimization, en: Proceedings of IEEE International Conference on Neural Networks 4, 1995, pp. 1942-1948.
Lin Y.L., Chang W.D., Hsieh J.G. A Particle Swarm Optimization
Approach to Nonlinear Rational Filter Modeling. Expert Systems with Applications, volumen 3, 2008: 1194-1199.
Naderi B., Tavakkoli-Moghaddam R., Khalili M. Electromagnetism-Like Mechanism and Simulated Annealing Algorithms
for Flowshop Scheduling Problems Minimizing the Total
Weighted Tardiness and Make Span. Knowledge-Based Systems,
volumen 23 (nmero 2), 2010:00 77-85.
Oppenheim A.V., Schafer R.W., Buck J.R. Discrete Time Signal Processing, 2a ed., Prentice-Hall, 1999.
Rashedi E., Nezamabadi-Pour H., Saryazdi S. Filter Modeling
Using Gravitational Search Algorithm. Engineering Applications of Artificial Intelligence, volumen 24 , 2011: 117-122.
Rocha A., Fernndez E. Hybridizing the Electromagnetism-Like
Algorithm with Descent Search for Solving Engineering Design Problems. International Journal of Computer Mathematics,
volumen 86 (nmero 10), 2009: 1932-1946.
Rocha A., Fernndez E. Modified Movement Force Vector in an
Electromagnetism-Like Mechanism for Global Optimization.
Optimization Methods & Software, volumen 24 (nmero 2),
2009: 253-270.
Shilane D., Martikainen J., Dudoit S., Ovaska S. A General Framework for Statistical Performance Comparison of Evolutionary Computation Algorithms. Information Sciences, volumen
178, 2008: 2870-2879.
Ying-Ping C., Pei Jiang. Analysis of Particle Interaction in Particle
Swarm Optimization. Theoretical Computer Science, volumen
411 (nmero 21), 2010: 2101-2115.
Yurtkuran A., Emel E. A new Hybrid Electromagnetism-Like Algorithm for Capacitated Vehicle Routing Problems. Expert
Systems with Applications, volumen 37 (nmero 4), 2010: 34273433.
138
Ingeniera Investigacin y Tecnologa, volumen XIV (nmero1), enero-marzo 2013: 125-138 ISSN 1405-7743 FI-UNAM
Ingeniera, Investigacin y Tecnologa es una publicacin arbitrada, de investigacin cientfica y tecnolgica editada e impresa
por la Facultad de Ingeniera de la UNAM. Su propsito es difundir informacin y conocimientos originales e inditos relacionados con la ingeniera en todas sus reas. Es un foro para
profesores, investigadores, profesionales y estudiantes de todo
el mundo, el cual incluye artculos en espaol y en ingls.
La presente gua es un extracto del documento disponible
en nuestro sitio web, para la elaboracin y envo de manuscritos y puede ser modificado sin previo aviso, por lo que es responsabilidad de los autores, asegurarse de haber consultado la
ltima versin. Se recomienda leerlo completo en nuestro sitio
web antes de enviar su trabajo y verificar la fecha de la ltima
modificacin, la cual aparece al principio de ese documento.
Artculos de divulgacin.
Reseas histricas an cuando la resea trate sobre algn problema de la ingeniera.
Sobre el envo
Los artculos sern recibidos slo por correo electrnico en
la siguiente direccin: iit.arbitraje@gmail.com
Con el artculo deber incluir como archivos anexos, los
siguientes documentos: Declaratoria de conformidad (cdigo de tica), Formato de registro de artculos (hoja de MS
Excel debidamente llenada), y Cdigo de clasifcacin del
conocimiento. Los tres documantos estn disponibles en el
sitio web y constituyen la primera comunicacin formal de los
autores con el Editor acerca del artculo que se enva y les
permite solicitar la consideracin del trabajo para su evaluacin. Vaya a la pgina mencionada y consulte las instrucciones para autores y lea la descripcin completa de los puntos
que debe incluir.
Al recibir el artculo, enviaremos por correo electrnico
al autor principal, el Acuse de Recibo correspondiente. En
caso de no recibirlo a la brevedad, deber solicitarlo por la
misma va en la direccin: iit.arbitraje@gmail.com
Las figuras, fotografas y tablas deben ir colocadas en ellugar que les corresponde a lo largo del artculo, no al final.
lugar de trabajo con nombres completos, correo electrnico, direccin postal), resumen y palabras clave en espaol e ingls.
Introduccin, desarrollo, discusin o resultados y anlisis,
conclusiones, agradecimientos, apndices (en su caso) y
referencias.
Semblanza de los autores (resumen curricular breve incluido al final del artculo).
Se les recuerda una vez ms que este es un extracto del documento de la Poltica Editorial (instrucciones para autores) disponible en nuestra pgina de internet y que deben consultar en
la versin completa todos los puntos de las instrucciones para
cumplir los requerimientos.
About submitting
The articles will be received only by e-mail at the flowing
address: iit.arbitraje@gmail.com
Together with the article, authors are required to send
the following documents: Statement of Agreement (ethics
code), Article Registration Form (MS Excel sheet filled), and
Knowledge Classifcation Code. All three documents are
provided in the website, and constitute the first of many formal communications between the authors and the Editor
about the paper and they allow you to request the consideration of your work for evaluation. Go to our website and see
the Instructions for Authors mentioned above for the complete description of all aspects it must include.
At the time the paper is received, an e-mail to the main
author will be sent with the corresponding Acknowledgement of Receipt as an attachment. In case of a delay in receiving such e-mail, you should ask for it at the same
address: iit.arbitraje@gmail.com
11-22
23-35
Bortoni-Anzures L.
Gmez-Melndez D.
Herrera-Ruz G.
Martnez-Madrid M.
Pineda-Contreras A.R.
Auvinet-Guichard G.
Optimizacin de forma de un
cuerpo suspendido basada en
reglas evolutivas y modelado
paramtrico: la forma de un
fruto
PP. 1- 138
Velzquez-Villegas F.
Santilln- Gutirrez S.D.
37-42
43-51
53-63
Estudio de validacin de un
mtodo para seleccionar
tcnicas de pronstico de
series de tiempo mediante
redes neuronales artificiales
Acosta-Cervantes M.C.
Villarreal-Marroqun M.G.
Cabrera-Ros M.
89-98
Investigacin numrica de las
condiciones de lubricacin en
chumaceras hidrodinmicas
con el efecto del
desalineamiento del eje
Velasco-Ramrez E.
ngeles-Camacho C.
Garca-Martnez M.
Osornio-Correa C.
Villarreal-Calva R.C.
Molina-Cristbal A.
Estavillo-Galsworthy J.
Santilln-Gutirrez S.D.
Antonio Garca A.
Linares-Flores J.
Arias-Montiel M.
99-111
113-123
125-138
Aproximacin de perfiles
discretos en elementos de
contacto de ensambles
mecnicos
Contraste de la distribucin
Logstica Generalizada en 31
registros histricos de eventos
mximos anuales
Bedolla-Hernndez J.
Szwedowicz-Wasik D.
Cortes-Garca C.
Majewski-Szymiec T.
Martnez-Rayn E.
Gutirrez-Wing E.S.
Campos-Aranda D.F.
Cuevas E.
Oliva D.
www.ingenieria.unam.mx/~revistafi
H, Z
X
x
e0
Z
Z
81-88
Redes de transmisin
inteligente. Beneficios y
riesgos
65-80
Optimization of Power Train
and Control Strategy of a
Hybrid Electric Vehicle for
Maximum Energy Economy
Investigacin y Tecnologa
Vol. XIV
Salazar-Hornig E.
Medina-S. J.C.
Ingeniera
Nm. 1
Ibarra-Martnez S.
Castn-Rocha J.A.
Laria-Menchaca J.
Guzmn-Obando J.
Castn-Rocha E.
1-9
ISSN 1405-7743