Beruflich Dokumente
Kultur Dokumente
I. INTRODUCCIN
Los Sistemas de Conversin de Energa Elica (WECS =
Wind Energy Conversion System) ms utilizados en la
actualidad son aquellos que utilizan turbinas de velocidad
variable. Entre sus mltiples ventajas destaca la posibilidad de
realizar un ajuste dinmico de la velocidad de la turbina en
funcin de la velocidad del viento a fin de optimizar su
eficiencia aerodinmica [1, 2].
Los Generadores Sincrnicos de Imn Permanente (PMSG
= Permanent Magnet Synchronous Generator) y los
Generadores de Induccin Doblemente Alimentados (DFIG =
Double Fed Induction Generator) son actualmente los ms
utilizados [1]. Este ltimo particularmente para sistemas de
conversin de energa elica a gran escala mientras que los de
imn permanente son utilizados a baja y mediana escala [1].
Entre las ventajas de los PMSG se destaca la independencia de
Artculo recibido el 27 de Febrero de 2015.
A.G. y S.M. estn con la Universidad Central de Venezuela, Ciudad
Universitaria, Facultad de Ingeniera, Escuela de Ingeniera Elctrica, Caracas,
Distrito Capital, Venezuela, Tlf. +58-212-6053294 / 1753, Fax: +58-6053306,
E-mail: alejandro.g.gonzalez@ucv.ve, simon.j.morales@ucv.ve
ISBN: 978-980-7185-03-5
CA-1
(1)
(6)
Donde representa la densidad del aire,
la longitud del
aspa, r la velocidad angular del rotor, el ngulo de
inclinacin de las aspas, CP la eficiencia de la turbina para la
conversin de energa elica a energa mecnica y la
relacin de velocidad de punta, la cual es la relacin entre la
velocidad lineal en la punta del aspa y la velocidad del viento
como se muestra en (2) [1], [2].
(2)
Se observa en (1) que CP es funcin de y . Puede ser
calculado utilizando (3) definiendo 1 como se muestra en (4)
[3].
(3)
(4)
Donde los coeficientes c1,..,6 dependen de las
caractersticas aerodinmicas de las aspas.
Se supone una turbina con los valores utilizados en [3] y
ISBN: 978-980-7185-03-5
CA-2
(11)
III. ESTRATEGIA DE CONTROL
Dado el comportamiento dual de la mquina elctrica, su
control de movimiento como generador o como motor es
bastante similar, lo cual permite utilizar la misma lgica de
control y dispositivos para su implementacin [1].
En [1, 3] se muestran tcnicas de control basadas en un
modelo lineal del sistema en espacio de estados, en este caso
una estrategia alternativa es la asignacin de polos
(autovalores) en funcin de la dinmica deseada para el
mediante realimentacin de variables de estado, explicada en
[6].
A. Control en Rgimen de Velocidad Variable
En lneas generales la estructura de control para la
velocidad angular de la turbina en rgimen de velocidad
variable (Regin 1) se muestra en la Fig. 3.
(12)
C. Modelo en Espacio de Estados del Sistema de Conversin
de Energa Elica
Definiendo como vector de estado x(t) segn se muestra en
(13) asi como el vector de control u(t) mostrado en (14).
(13)
(14)
(16)
Donde f1 y f2 pueden ser determinadas directamente a partir
de (7) y (8), mientras que para f3 es necesario sustituir (9) y (5)
en (10). Adicionalmente se toma el efecto de la velocidad del
viento en f3 como una perturbacin. Se asume como
condiciones iniciales x(to) y la salida del sistema viene dada
por y(t) (velocidad angular del eje).
ISBN: 978-980-7185-03-5
(17)
CA-3
(18)
Donde el termino
puede ser calculado mediante (5)
utilizando CpMAX,
y .
Definido el punto de operacin , asumiendo pequeas
variaciones
en torno a
, la aproximacin
lineal del sistema por serie de Taylor viene dada por (19) y
(20).
(25)
Donde Ki1 y Ki2 corresponden a las ganancias de la variable
de estado w(t), obtenida al incorporar el integrador al sistema.
La estrategia de control se muestra en la Fig. 4.
(19)
(20)
Donde las matrices A, B, dependen del punto de operacin
y son determinadas como se muestra en (21), (22) y (23). La
matriz C tiene la misma forma que en el sistema original como
se muestra en (24).
(21)
(22)
TABLA I
PARMETROS DEL SISTEMA DE CONVERSIN DE ENERGA ELICA
Smbolo
Parmetro
Rt
(23)
L
o
(24)
E. Asignacin de Polos por Realimentacin de Variables
de Estado
Asumiendo que todo el vector de estado es fsicamente
medible, si el sistema definido por el par (A, B) es
completamente controlable, entonces mediante realimentacin
de variables de estado utilizando una matriz de ganancia K
apropiada se pueden asignar arbitrariamente los polos del
sistema a lazo cerrado [6]. Esto puede realizarse utilizando el
modelo lineal del sistema.
Adicionalmente [6] sugiere un mtodo para mejorar el
seguimiento de la seal de referencia incorporando un
integrador en el trayecto directo, lo cual incrementa el orden y
tipo de sistema. Para el clculo de K se utiliz un programa
basado en el algoritmo expuesto en [7], el cual realiza una
P
J
f
Valor
3m
4.3
27 mH
0.272 Wb
1
1kg m2
0.002 kg m2/s
Smbolo
Vm
Lt
ISBN: 978-980-7185-03-5
Parmetro
Velocidad media del Viento
Longitud de turbulencia
Desviacin estndar de la
turbulencia
Densidad del aire
Valor
8 m/s
0.05 m
1m
1.25 Kg/m3
CA-4
Parmetro
Valor
K11
-3.868
K12
0.5832
K13
-13.573
Ki1
K21
-0.583
K22
-3.909
K23
1.201
Ki2
33.88
B. Resultados de la simulacin
Se muestran los resultados en una simulacin realizada en
MATLAB/Simulink durante 25 s. El perfil de velocidad del
viento utilizado se muestra en la Fig. 5, se introduce
intencionalmente un incremento de 10% en la velocidad media
a los 15 s. No se toma en cuenta el arranque del generador en
tanto dicho rgimen se encuentra fuera de la regin de
operacin del sistema bajo estudio.
C. Anlisis de Resultados
En la Fig. 8 se puede apreciar que el sistema de control
logra mantener el coeficiente de eficiencia de la turbina
entorno a su mximo valor (0.48), mostrado previamente en la
Fig 3. Asimismo se observa en la Fig. 7 que la relacin de
velocidad de punta mantiene su valor en torno a 8.1. Se puede
destacar adems que el incremento de la velocidad media del
viento a los 15 s, identificable en la Fig. 5, no tiene un efecto
considerable sobre Cp.
ISBN: 978-980-7185-03-5
CA-5
ISBN: 978-980-7185-03-5
CA-6
[3]
[4]
[5]
[6]
[7]
ISBN: 978-980-7185-03-5
CA-7
I. INTRODUCCIN
Un sistema SCADA (Supervisory, Control and Data
Acquisition), consiste en la adecuacin de la telemetra y
adquisicin de datos. El sistema SCADA maneja la
informacin transmitida desde una Unidad Terminal Remota
(RTU = Remote Terminal Unit) y/o un Dispositivo Electrnico
Inteligente (IED = Intelligent Electronic Device), despliega
dicha informacin en una pantalla que se encuentra ubicada en
una estacin de control mediante un software SCADA, donde
Artculo recibido el 27 de febrero de 2015.
L.E.R.,G.T. y M.C. estn con la Universidad de Los Andes, Sector La
Hechicera, Facultad de Ingeniera, Escuela de Ingeniera Elctrica, Mrida,
estado
Mrida,
Venezuela,
Tlf.
+58-274-2402903,
E-mail:
luis20er@gmail.com,
torresggd@gmail.com,
mcoronelmendez@gmail.com
ISBN: 978-980-7185-03-5
CA-8
n/c
n/c
TxD
RxD
2 Wire
Conection
Noninverted
Inverted
n/c
5
6
7
8
9
GND
n/c
RTS
CTS
5V
GND
B
n/c
n/c
5V
GND
5V
RS-232
RS-485
4 Wire
Conection
Tx Noninverted
Tx-inverted
Rx Noninverted
GND
Rx Inverted
5V
ISBN: 978-980-7185-03-5
CA-9
1,2
2,3
ModeSelection
JP 1 - 4
RS-232
RS-485
RS-485 configuration:
JP5
HalfDuplex
Full Duplex
JP6
2 wire
4 wire
JP7
2 wire
4 wire
RS-485 Termination/Biasresistors:
JP8
121
Open
JP9
523
Open
JP10
523
Open
ISBN: 978-980-7185-03-5
CA-10
ISBN: 978-980-7185-03-5
CA-11
V. ANLISIS Y RESULTADOS
El resultado fue el esperado, supervisin de los datos en
tiempo real y control sobre algunas variables de inters. La
arquitectura definitiva es un sistema SCADA, conformado por
lneas de transmisin conectadas a un rel de proteccinREL512, mediante un canal de comunicacin cableada utilizando
el estndar RS-485 y convertido a RS-232 para conectarlo al
sofware ScadaBR.
Se le pueden anexar ms nmeros de variables, lo cual
depender de lo que desea el personal de sistemas de
proteccin de la subestacin, ms lo que el operador debe
informar cada perodo de tiempo. Con respecto a la seguridad,
el sistema SCADA que se instal con el software ScadaBr, no
debe estar expuesto directamente a modificaciones de los
parmetros que se mencionaron anteriormente, as como
tambin, la computadora donde se instala el ScadaBR no debe
estar conectado a redes no supervisadas o con salida a
personas sin autorizacin, para as evitar posibles
infiltraciones y sabotajes al sistema elctrico.
VI. CONCLUSIONES
ISBN: 978-980-7185-03-5
CA-12
[4]
[5]
[6]
[7]
ISBN: 978-980-7185-03-5
CA-13
I. INTRODUCCIN
Actualmente, las industrias registran grandes cantidades de
datos para monitorear sus procesos asociados, donde en
algunos casos los datos no son utilizados eficientemente.
Debido al almacenamiento masivo de datos, no solo en la
industria petrolera, sino tambin en diversos campos
empresariales e industriales, se han desarrollado o han surgido
gran cantidad de tcnicas inteligentes para manipular dichos
datos. El principal objetivo, que persiguen estas tcnicas, es
obtener conocimiento valioso de las bases de datos, que
permita a las empresas beneficiarse de ese conocimiento ya sea
para, tomar decisiones, tareas de prediccin, optimizacin, etc.
Las tcnicas de Minera de Datos (MD) [1-3], son conocidas
por ser usadas para el descubrimiento de informacin oculta en
grandes masas de datos. Para realizar el proceso completo de
extraccin del conocimiento sobre datos, se suele seguir los
siguientes pasos: Conocimiento del dominio de la aplicacin,
establecimiento de los objetivos del proceso de
Artculo recibido el 05 de Enero 2015. Este artculo fue financiado por
PDVSA.
E.C. y E.A. estn con PDVSA, Lnea de Servicio de Automatizacin
Industrial, Gerencia AIT Corporativo, Lagunillas, Edo. Zulia, Venezuela, Telf.
+58-261-8051269/52266,
E-mail:
camargoea@pdvsa.com,
acerose@pdvsa.com
ISBN: 978-980-7185-03-5
CA-14
ISBN: 978-980-7185-03-5
CA-15
FIG. 2. Esquemtico Pozo y Ciclo de Extraccin de CrudoGas con Mtodo de Inyeccin de Gas para el Levantamiento
Artificial.
IV. EXPERIMENTACIN CON EL SISTEMA BASADO EN MINERA
DE DATOS
Se muestra una posible implementacin del sistema supervisor
inteligente para Estaciones de Flujo, as como los resultados
de las pruebas realizadas para la validacin del mismo, usando
datos de mediciones provenientes de un pozo Levantamiento
Artificial por Gas (LAG) de un campo petrolero proveniente
de la industria petrolera venezolana. Ese procedimiento se
seguira para cualquier pozo LAG.
El caso de estudio ser la estacin de flujo y mltiple de
produccin e inyeccin asociados a los pozos manejados por
esta estacin de flujo. El propsito de este prototipo es la
prediccin del flujo de gas instantneo dependiendo de las
variables asociadas a la estacin de flujo para poder identificar
un posible problema operacional. El desarrollo de esta
ISBN: 978-980-7185-03-5
CA-16
ISBN: 978-980-7185-03-5
CA-17
(1)
(2)
Muestra
Donde:
Muestra
Muestra 1
Muestra 2
Muestra 3
Muestra 4
Muestra 5
Muestra 5
Muestra 5
Promedio
(3)
TABLA I
ARBOL DE DECISIN
Raz Error
Error Absoluto
Cuadrtico
Relativo
Relativo
42,6375
41,784
43,64567
42,039
42,5459
42,501
43,4273
41,908
43,6564
42,096
43,6595
41,976
43,5296
41,929
43,300
42,033
Coeficiente de
Correlacin
0,9064
0,9018
0,9056
0,9027
0,9016
0,9016
0,9022
0,9030
TABLA II
PERCEPTRON MULTICAPA
Muestra
Raz Error
Cuadrtico
Relativo
Error
Absoluto
Relativo
Coeficiente de
Correlacin
Muestra 1
Muestra 2
Muestra 3
Muestra 4
Muestra 5
Muestra 6
Muestra 7
Promedio
43,1514
44,4264
122,0678
99,2423
270,152
173,175
48,07098
114,3266
43,991
44,085
44,453
44,263
44,954
44,542
44,082
44,339
0,9023
0,8964
0,5678
0,6484
0,2899
0,4456
0,8792
0,6614
Muestra
Muestra 1
Muestra 2
Muestra 3
Muestra 4
Muestra 5
Muestra 6
Muestra 7
Promedio
TABLA III
REGRESION LINEAL
Raz Error
Error Absoluto
Cuadrtico
Relativo
Relativo
49,4968
52,544
48,6458
51,778
47,8354
50,214
46,5941
48,024
46,9804
48,802
49,0125
50,667
46,1606
47,6537
47,8179
49,9551
Coeficiente de
Correlacin
0,8748
0,8831
0,8901
0,8837
0,8818
0,88236
0,8896
0,8836
Muestra 1
Muestra 2
Muestra 3
Muestra 4
Muestra 5
Muestra 6
Muestra 7
Promedio
TABLA IV
ALGORITMO DEL VECINO MS CERCANO
Raz Error
Error Absoluto
Coeficiente de
Cuadrtico
Relativo
Correlacin
Relativo
50,1803
50,9065
0,865
50,5389
50,7148
0,862
50,1654
50,7714
0,865
50,5201
50,9833
0,863
50,8074
50,8163
0,861
50,6762
50,7549
0,862
50,8426
51,0467
0,861
50,533
50,8563
0,862
Valor Predicho
Diferencia
% error
47276
54146
57773
52438
55606
59969
52141
38384
49675
47842
44438
66459
54630
52666
55851
55446
47920
53696
57273
53091
54694
60375
52662
38603
49154
48489
45173
65894
54206
51716
55945
55222
Promedio
644
450
500
653
912
406
521
219
521
647
735
565
424
950
94
224
529
1,36
0,83
0,87
1,25
1,64
0,68
1,00
0,57
1,05
1,35
1,65
0,85
0,78
1,80
0,17
0,40
1,02
ISBN: 978-980-7185-03-5
CA-18
REFERENCIAS BIBLIOGRFICAS
[1] J. Aguilar, et al. Metodologa para identificar tareas de minera de
datos en una organizacin. Informe Tcnico, CEMISID. Universidad
de los Andes. 2013.
[2] C. Rangel, et al. Methodology for detecting the feasibility of using
data mining in an organization, Proceedings of the XXXIX
Conferencia Latinoamericana en Informtica (CLEI 2013), IEEE
Xplore, Vol.1, pp. 502-513, Naiguat, Venezuela, Octubre 2013.
[3] J. Gallardo. Metodologa para la Definicin de Requisitos en
Proyectos de Data Mining (ER-DM), Universidad Politcnica de
Madrid, 2009.
[4] R. Keith Oilfield Data Mining Workflows for Robust Reservoir
Characterization. Society of Petroleum Engineers. SPE 149785. March
2012.
[5] Sharma Classification of Oil and Gas Reservoirs Based on Recovery
Factor: A Data Mining Approach. Society of Petroleum Engineers. SPE
130257. Septiembre 2010.
ISBN: 978-980-7185-03-5
CA-19
. INTRODUCCIN
La produccin industrial petrolera se compone de procesos
grandes y complejos, por lo cual, requiere una plataforma
tecnolgica que maneje grandes volmenes de informacin
que permita el control de los mismos, la toma de decisiones
gerenciales, y la generacin de la planificacin de la
produccin. A pesar de contar con una plataforma tecnolgica
compuesta por diversos niveles que van desde el control de los
procesos (en el cual se encuentran dispositivos de control
regulatorio y adquisicin de datos de procesos) hasta los
gerenciales y supervisorios (compuestos por diversos sistemas
de informacin para optimizacin, gestin de recursos, apoyo
a la toma de decisiones, entre otros), la industria petrolera
actualmente hace frente a una nueva realidad: Cmo
incrementar, o al menos estabilizar, la produccin de
hidrocarburos debido a la madures de los campos de gas y
petrleo?. Una respuesta consiste en acceder a nuevas tcnicas
ISBN: 978-980-7185-03-5
CA-20
ISBN: 978-980-7185-03-5
CA-21
TABLA 1
VARIABLES UTILIZADAS PARA EL DIAGNSTICO
Tipo de Variable
Variables Lingstica
Variables de Entrada
(Antecedentes)
Torque (lb/pulg)
Variables de Salida
(Consecuentes)
Entrada 1
SC
Salida
Entrada 2
ISBN: 978-980-7185-03-5
CA-22
Por otra parte segn los datos histricos obtenidos del pozo, se
estableci el rango de operacin de cada variable para generar
el sistema de diagnstico, los rangos de cada variable
lingstica se muestran a continuacin (Ver Tablas 2-5):
Variable
Valor Lingstica
Lingstica
Muy Bajo
119000-155000
Bajo
142000-168000
Torque
Medio
155000-179000
(lb/pulg)
Alto
168000-188000
Muy Alto
179000-197000
TABLA 3
RANGO DE OPERACIN DE LA CARGA DE FLUIDO
Variable
Valor Lingstica
Lingstica
Carga de
Fluido (lb)
Rango de operacin
(lb)
Muy Bajo
4000-4300
Bajo
4200-4400
Medio
4300-4500
Alto
4400-4600
Muy Alto
4500-4800
TABLA 4
RANGO DE OPERACIN DE LLENADO DE LA BOMBA
Variable
Valor Lingstica
Lingstica
(%)
Muy Bajo
Llenado de
Bomba
(%)
Rango de operacin
10-25
Bajo
20-40
Medio
35-55
Alto
50-70
Muy Alto
65-80
TABLA 5
RANGO DE OPERACIN DE SOBRECARGA DEL MOTOR
Variable
Valor Lingstica
Rango de operacin
Muy Bajo
11-15
Sobrecarga del
Bajo
14-16
Motor(%)
Medio
15-17
Alto
16-18
Muy Alto
17-20
Lingstica
ISBN: 978-980-7185-03-5
(%)
CA-23
Estado
(lb/pulg)
(lb)
Operacional
164843
4394
39.8
Medio
114284
4019
18.5
Bajo
166762
4478
44.8
Medio
176267
4444
47.9
Medio
178855
4765
51.4
Medio
181895
4580
63.6
Alto
183406
4665
57.2
Alto
145513
4350
31.4
Bajo
164360
4727
41.5
Medio
170595
4701
42
Medio
175021
4584
50.1
Medio
178522
4627
55.2
Alto
180091
4684
56.5
Alto
140215
4396
28.3
Bajo
145513
4350
31.4
Bajo
166238
4774
38
Medio
176685
4474
48.1
Alto
174670
4627
50.4
Medio
178652
4800
52.7
Medio
182091
4515
54.9
Medio
133646
4388
26.9
Bajo
131531
4153
25.6
Bajo
155027
4450
35.4
Medio
166055
4310
44.3
Medio
173606
4438
50.1
Medio
176886
4548
48.6
Medio
172182
4513
51.6
Medio
178245
4410
53.7
Medio
4584
50.1
Medio
4449
48.1
Medio
CA-24
TABLA 7
DATO HISTRICO SOBRECARGA DEL MOTOR
Torque
(lb/pulg)
TABLA 8
RESULTADOS COMPARATIVOS DEL SISTEMA DESARROLLADO EN MATLAB Y EN
SISTEMA DE CONTROL LGICO PROGRAMABLE PARA EL LLENADO DE LA
BOMBA
%Sobrecarga
Estado
Motor
Operacional
164843
4394
15.8
Medio
114284
4019
13.9
Bajo
166762
4478
16.2
Alto
176267
4444
16.9
Alto
178855
4765
17
Alto
181895
4580
18.9
Muy Alto
183406
4665
17.9
Muy Alto
145513
4350
15.1
Medio
164360
4727
15.6
Medio
170595
4701
16.1
Alto
175021
4584
17.1
Muy Alto
178522
4627
17.9
Muy Alto
180091
4684
17.7
Muy Alto
140215
4396
14.3
Medio
145513
4350
15.1
Medio
166238
4774
15.3
Medio
176685
4474
17.3
Muy Alto
174670
4627
17.1
Muy Alto
178652
4800
17.1
Muy Alto
182091
4515
18.1
Muy Alto
133646
4388
14
Medio
131531
4153
14.7
Medio
155027
4450
15.4
Medio
166055
4310
16.6
Alto
173606
4438
17.5
Muy Alto
176886
4548
16.7
Alto
172182
4513
17.1
Muy Alto
178245
4410
18
Muy Alto
175021
4584
17.1
Muy Alto
177376
4449
16.9
Alto
%Llenado
%Llenado Bomba, Datos de %Llenado Bomba, Datos
Bomba, Datos del
Matlab
del PLC
Pozo
39.8
43.9596
44.699
18.5
22.7118
15.417
44.8
45
45
47.9
51.5682
51.6
51.4
59.8155
59.802
63.6
64.6064
64.691
57.2
67.1304
67.139
31.4
35.1898
34.053
41.5
45
45
42
48.4372
48.539
50.1
54.6426
59.348
55.2
59.3879
61.768
56.5
61.6831
57.117
28.3
30
30
31.4
35.1898
34.053
38
45
45
48.1
56.1986
56.1
50.4
54.15
54.095
52.7
59.5555
59.525
54.9
64.9314
65.009
26.9
30
30
25.6
15.414
15.417
35.4
45
45
44.3
42.8501
35.806
50.1
51.3688
50.7
48.6
56.0491
50.703
51.6
50.6421
46.5
53.7
46.4241
54.574
50.1
54.6426
52.35
48.1
52.3446
54.574
ISBN: 978-980-7185-03-5
CA-25
TABLA 9
RESULTADOS COMPARATIVOS DEL SISTEMA DESARROLLADO EN
MATLAB Y UN SISTEMA DE CONTROL LGICO PROGRAMABLE PARA LA
SOBRECARGA DEL MOTOR
%Sobrecarga
Motor, Datos
del Pozo
15.8
13.9
16.2
16.9
17
18.9
17.9
15.1
15.6
16.1
17.1
17.9
17.7
14.3
15.1
15.3
17.3
17.1
17.1
18.1
14
14.7
15.4
16.6
17.5
16.7
17.1
18
17.1
%Sobrecarga
Motor, Datos de
Matlab
15.7919
14.8464
15.9178
16.7233
16.9911
17.505
17.748
12.9911
16
16.201
16.6623
16.9695
17.1886
12.7594
12.9911
16
16.8136
16.6256
16.9781
17.5382
12.7594
12.7594
15.0028
15.8821
16.5115
16.7637
16.3588
16.9486
16.6623
REFERENCIAS BIBLIOGRFICAS
[1] Camargo, Edgar; Aguilar , J. Hybrid Intelligent Supervision Model
of Oil Wells International Conference on Fuzzy Systems (FUZZ-IEEE)
July 6-11, 2014, Beijing, China. 978-1-4799-2072-3/14 PP 934-939
2014 IEEE.
[2] Leal, R., Camargo, E., Aguilar, J., Analysis of Diagnosability for Gas
Lift Wels. XII Congreso Internacional de Mtodos Numricos en
Ingeniera y Ciencias Aplicadas . ISBN: 978-980-7161-04-. Pp EC-91EC96. Isla Margarita, Venezuela, Abril 2014
[3] Moon G. Joo A method of converting a fuzzy system to a twolayered hierarchical fuzzy system and its run-time efficiency.
Journal IEEE Transactions on Fuzzy Systems aVolume 17 Issue 1, Feb.
2009.
[4] Mena L, Klein, S., Surface Axial Load Based Progressive Cavity
Pump Optimization System. Society of Petroleum Engineers. SPE
53692. April. 1999.
[5] Carr, D., Shearer, J. Nonlinear Control and Decision Making Using
Fuzzy Logic in Logix. Allen Bradley Rockwell Automation. Vol. 12,
N 1, pp.23-28. 2011.
[6] Cordero, S., Moreno, F. Una Herramienta de Induccin de Sistemas
Difusos Jerarquicos. XV Congreso Espaol sobre Tecnologas y
Lgica Fuzzy. Huelva (Spain), pp. 249-254. Feb. 2010.
ISBN: 978-980-7185-03-5
CA-26