Beruflich Dokumente
Kultur Dokumente
patriciosuquilloq@hotmail.com
Resumen.- El presente documento incorpora el control que fue implementado en la interfaz humano
diseo e implementacin de controladores mquina en conexin con el PLC SIEMENS S7-300.
neuronales mediante la aplicacin de las teoras de La efectividad de los neurocontroladores de temperatura
control inteligente para el control de temperatura de se evidenci sobre el mdulo Air Flow Temperature
flujo de aire. Las redes neuronales son la base para Control System.
el desarrollo de los controladores, realizando su
entrenamiento en el software NeuroSystems de II. REDES NEURONALES
Siemens siendo factible su implementacin a escala ARTIFICIALES.
industrial. Se considerar a las redes neuronales artificiales como:
un sistema, hardware o software, de procesamiento,
Palabras clave. Neurocontroladores, redes neuronales, que copia esquemticamente la estructura neuronal del
inteligencia artificial, patrones de entrenamiento, cerebro para tratar de reproducir sus capacidades. [2]
modelo matemtico.
I. INTRODUCCIN
La teora de las Redes Neuronales Artificiales
(RNAs) busca la solucin de problemas complejos,
mediante la evolucin de sistemas de computacin
inspirados en el cerebro humano, y dotados por tanto de
cierta "inteligencia", consiguiendo resolver un
sinnmero de problemas de control y optimizacin.
u Dtemp
Planta
+
-
Neurocontrolador
Red Neuronal
c Inversa
u
x y
G(s) G(s)
Estado
Controlado con
Modelo de la
Planta con
-+
RNAs
RNAs
El error entre la salida del modelo y la respuesta de la Figura 8 PLC Siemens S7-300
planta es usado como seal de retroalimentacin para el
controlador. En el entrenamiento las ponderaciones del
modelo de la planta permanecen fijas, mientras las Considerado un miniautmata modular para las gamas
ponderaciones del controlador se ajustan por la baja y media, las caractersticas que este presenta se
retropropagacin del error a travs del modelo neuronal detallan a continuacin.[8]
de la planta.
CARACTERSTICAS DESCRIPCIN
Neurocontrolador con identificacin de controlador. Memoria central
128 Kbytes
integrada.
Consiste en usar una red neuronal para modelar un Memoria de carga,
64 Kbytes a 4 Mbytes
controlador existente. La entrada al controlador es la enchufable
entrada de entrenamiento de la red y la salida del Tiempo de ejecucin de
0,1 _s
controlador sirve como la salida deseada para dicha red instrucciones
neuronal. Tiempo de reaccin
400 _s
alarmas
c 12 Mbits/s, mx. 32
Error Ctrl u estaciones,
Puerto MPI
PID conmutacin
maestro/esclavo
Tabla 1 Caractersticas del PLC S7-300
+
- Para la puesta en funcionamiento del PLC se utilizaron
los siguientes programas de la linea Siemens.
Identificacin un
Ctrl PID PROGRAMA DESCRIPCIN
RNAs Configurar y programar los
Step 7 sistemas de automatizacin
SIMATIC
Visualizacin y manejo de
Figura 7 Estructura para modelar un controlador existente mediante WinCC procesos, lneas de fabricacin,
RNAs
mquinas e instalaciones.
IV. CONTROLADORES LGICOS NeuroSystems Creacion de modulos neuronales.
Tabla 2 Programas para el manejo del PLC
PROGRAMABLES.
V. MODELAMIENTO MATEMTICO
El PLC es un instrumento electrnico que sirve de DE LA PLANTA DE
herramienta para dar solucin a problemas de TEMPERATURA.
automatizacin especialmente en el mbito industrial,
El desarrollo del modelo matemtico de la planta de
dentro de los lenguajes de programacin soportados
temperatura esta descrito por la ley de equilibrio de
estn: el lenguaje escalera, bloques funcionales y texto
energa trmica, considerando que la temperatura no
estructurado. El PLC ocupado para la implementacin
solo cambia por la situacin al interior del cuerpo,
tambin cambia con el tiempo, tanto la tasa de Coeficiente de
transferencia de calor a travs del cuerpo como la transferencia de calor por [ ]
energa interna, permitindole al cuerpo acumular o conveccin.
perder energa de donde parte el desarrollo de la rea de transferencia de
calor.
temperatura en el mdulo PCT-2.
Flujo msico. [ ]
Calor especifico del
[ ]
asa de calor transferida. cuerpo.
[ ]
[ ] [ ]
El modelo matemtico obtenido es implementado en
Simulink.[11]
( )
Figura 9 Identificacin del mdulo PCT-2
( ) [D. Capelo, P. Cabezas (2012)]
( )
Ecuacin de temperatura vlida para cualquier sistema La planta de temperatura presenta una ganancia no
con resistencia interna insignificante. lineal por lo cual se antepone el bloque MATLAB
function que contiene un polinomio que caracteriza la
( )
no linealidad.
Flujo de Calor. [ ]
VI. OBTENCIN DE PATRONES DE Figura 13 Ctrl_PID creado en MATLAB
ENTRENAMIENTO.
VII. ENTRENAMIENTO DE REDES
El archivo de aprendizaje puede ser creado o editado en
Bloc de notas, y deber cumplir la siguiente estructura: NEURONALES EN
NEUROSYSTEMS.
Cada fila contiene un patrn de entrada y salida. La creacin del proyecto en NeuroSystems inicia con la
Cada fila es terminada con enter. definicin de la estructura de la red neuronal.
Hay tantas filas como conjuntos de patrones
tenga el archivo.
Las primeras columnas contienen las entradas y
luego la salida.
Figura 26 Vinculacin de entradas a la RNA con Figura 29 Vinculacin de la salida neuronal con la variable U de
variables WinCC Ctrl_Id_PID WinCC
IX. IMPLEMENTACIN DE LOS
NEUROCONTROLADORES. X. ANLISIS DE RESULTADOS.
Para la implementacin de los neurocontroladores fue La eficiencia de los neurocontroladores desarrollados se
necesarios los siguientes elementos: determin mediante variaciones en el punto de consigna
Set point, as como con perturbaciones que consisten
PLC S7-300. en obstruir el flujo normal del aire.
o CPU 315F-2 PN/DP
o Mdulo Analgico SM 334 AI4/AO2 Error en Neurocontroladores
o Micro Memory Card [C]
Computador PG-PC Ident
Mdulo de Temperatura, AIR FLOW Inverso Referencia
PID
TEMPERATURE CONTROL SYSTEM PCT-2
Patch Core Ethernet Industrial CAT6. 40C 0.56 0.90 0.85
Conectores E/S Analgicas. 50C 0.29 0.70 0.75
60C 0.94 0.90 1.42
70C 1.30 1.35 1.53
En el diagrama se establecen las conexiones entre la Perturbacin
planta de temperatura y el modulo analgico del PLC. 0.62 0.29 0.74
14 a 45C
Perturbacin
24 VDC
0.29 0.29 0.62
41 a 45C
Tiempo de Estabilizacin en
Neurocontroladores [seg]
Ident
Inverso Referencia
PID
40C 20.4 22 20.4
GND 50C 22.8 34.8 27.6
60C 40.8 61 60
Figura 30 Diagrama de Conexin PLCPlanta
Tabla 5 Tiempo de estabilizacin en incrementos de temperatura
La interaccin entre los dispositivos es posible siempre
y cuando se establezca una red de comunicacin para Del anlisis realizado en las pruebas efectuadas a los
ello se debe asignar direcciones IP estticas. diferentes controladores se puede determinar:
XI. CONCLUSIONES
Figura 31 Diagrama de Comunicacin
Acorde a los resultados obtenidos en el las pruebas [3] ISASI VIUELA Pedro; GALVN LEN Ins, Redes
Neuronales Artificiales un Enfoque Practico, Pearson Prentice Hall,
realizadas para el mdulo de temperatura PCT-2
Madrid 2004.
se puede concluir que los controladores con Redes
Neuronales presentan una respuesta bastante [4] PELAYO DIAZ Susana, Obtencin de un Modelo Dinmico para
apropiada para el control de temperatura y Simulacin de una Caldera de Vapor Industrial, Universidad de
perturbaciones inesperadas, mantenindose dentro Valladolid, Valladolid 2008.
En la obtencin de los patrones de entrenamiento [7] SIEMENS. (2006). Manual NeuroSystems V 5.0.Siemens AG,
el tiempo de muestreo es un parmetro crtico. I&S
Del proceso de control se concluye que la zona de [8] SIEMENS. (2006). SIMATIC S7-300, Datos Tcnicos CPU 31xC
y CPU 31x. Nrnberg: Siemens AG, I&S.
ms importancia y que mejor definida debe estar,
es la zona comprendida entre de diferencia [9] SIEMENS. (2006). SIMATIC: Configurar el hardware y la
de temperatura entre el set point y la temperatura comunicacin con STEP7. Nrnberg: Siemens AG, I&S.
de la planta.
[10] ACUA Byron; IBARRA Oswaldo, Diseo e Implementacin
Cuando el entrenamiento cae en un mnimo local de un Sistema Controlador de Temperatura PID para la Unidad Air
sin satisfacer el porcentaje de error permitido se Flow Temperature Control System Mediante la Utilizacin de la
puede considerar: cambiar la topologa de la red Herramienta RTW (Real Time Workshop) de Matlab, Escuela
(nmero de capas y nmero de neuronas), Politcnica del Ejercito, Sangolqu 2010.
comenzar el entrenamiento con pesos iniciales
diferentes, modificar los parmetros de [11] CABEZAS Paul; CAPELO Daniel, Diseo e Implementacin de
Controladores Inteligentes para la Unidad Air Flow Temperature
aprendizaje, modificar el conjunto de
Control System mediante la Utilizacin de la Herramienta RTW
entrenamiento o presentar los patrones en otro (Real-Time Workshop) de Matlab., Escuela Politcnica del Ejercito,
orden. Sangolqu 2012.