Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad U.N.
Publicado
Modelamiento de Sistemas de Inferencia Borrosa tipo Takagi-Sugeno
Palabras clave:
Modelamiento Borroso, Sistema de Inferencia Borrosa, Takagi-Sugeno, Regularización del Modelo (es)Fuzzy Modeling, Fuzzy Inference Systems, Takagi-Sugeno, Model Regularization (en)
Descargas
En este trabajo se presentan aspectos generales del modelamiento como herramienta ingenieril, haciendo énfasis en la utilidad de los Sistemas de Inferencia Borrosa tipo Takagi-Sugeno (SIB TS) cuando se utilizan en la construcción de modelos. Se proponen además modificaciones a la metodología tradicional de identificación de tales sistemas, así como a la configuración de los antecedentes y consecuentes en las reglas que conforman la base de conocimientos del SIB TS. Finalmente, se presentan dos ejemplos de aplicación, uno sobre un problema de referencia típico en modelamiento, conocido como horno de gas de Box and Jenkins, y otro sobre un problema de referencia para el proceso de neutralización del pH en aguas residuales industriales.
General aspects of modeling as an engineering tool are presented in this work. The usefulness of Takagi-Sugeno Fuzzy Inference Systems (TS FIS) as modeling technique are emphasized. Additionally, various modifications of known methodology for identifying such a models and rules configuration arc proposed. Finally, two application examples are presented. The first one is a modeling of the Box and Jenkins gas furnace and the second is a model for a waste water pH neutralization benchmark.
Referencias
Alvarez, H. (2000), ‘Control predictivo basado en modelo borroso para el control del PH’, Temas de Automática. 10. Editorial Fundación UNSJ, San Juan, Argentina.
Alvarez, H., Londoño, C., disSciascio, F. y Carelli, R. (2001), ‘pH Neutralization process as a benchmark for testing nonlinear controllers’, Indust, and Eng. Chemistry Research 26.
Alvarez, H. y Peña, M. (2001), 'Implicit multidimensional fuzzy sets in Takagi-Sugeno fuzzy modeling’, International Congress on Computational Intelligence .
Babuska, R. y Verbruggen, H. (1995), ‘An identification method for linguistic fuzzy models’, Proc. FUZZ- IEEE/IFES‘95 2.
Bezdek, J. (1987), ‘Pattern Recognition whit Fuzzy Objective Function Algorithms’, Plenum Press . Second Printing.
Bossley, K. (1997), Neurofuzzy modelling approaches in system identification, PhD thesis, University of Southampton, U.K.
Bremermann, H. y Anderson, R. (1990), An alternative to back-propagation: a simple rule of synaptic modification for neural net training and memory, Technical report, Center for pure and applied mathematics, University of California, Berkeley.
Brown, M. y Harris, C. (1994), Neurofuzzy adaptive modeling and control, Prentice Hall.
Draper, N. y Nostrand, R. (1979), ‘Ridge regression and James-Stein estimation: review and comments’, Thech-nometrics 21(4).
Driankov, D., Hellendoorn, H. y Reinfrank, M. (1993), An introduction to fuzzy control. Springer-Verlag.
Espinosa, J. (2001), Fuzzy modeling and control, PhD thesis, Katholieke Universiteit Leuven, Belgium.
Jackson, J. (1991), A User’s guide to principal components, John Wiley & Sons Inc.
Johansen, T. (1996), ‘Identification of nonlinear systems using empirical data and prior knowledge’, Automática 32.
Kim, E., Park, M. y Ji, S. (1997), 'A new approach to fuzzy modelling ', IEEE Transactions on Frizzy Systems 5(3).
Kosko, B. (1997), Fuzzy engineering, Prentice-Hall.
Laukonen, E. y Passino, K. (1995), ‘Training fuzzy systems to perform estimation and identification’, Engng Applic. Artif. Intell. 8, 499-514.
Lewis, F. y Syrmos, V. (1995), Optimal Control, second edition edn, John Wiley & Sons Inc.
Lidskog, P. (1996), Methods, algorithms and tools for systems identification based on prior knowledge, PhD thesis, Linköping University, Sweden.
Linkens, D. y Kandiah, S. (1996), ‘Long-range predictive control using fuzzy process models’, Trans. IChemE 74. Part A.
Mat (1996), MATLAB, Optimization TOOLBOX, user guide.
Michalewicz, Z. (1992), Genetic algorithms+data structures=evolution programs, Springer-Verlag.
Peña, M., diSciascio, F. y Carelli, R. (1998), ‘Identificación de la estructura do un modelo borroso tipo Takagi-Sugeno’ Memorias VIII Congreso Latinoamericano de Control Automáticos 2.
Rhodes y Morari (1996), ‘Determining the model order of nonlinear input/output systems’, AlChe-Journal 44.
Sugeno, M. y Yasukawa, T. (1993), ‘A fuzzy-logic-based approach to qualitative modeling’, IEEE trans. on Fuzzy Systems 1.
Takagi, T. y Sugeno, M. (1985), ‘Fuzzy Identification of systems and its application to modeling an control’, IEEE Trans on Systems Man and Cybernetics 15(1).
Tikhonov, A. y Arsenin, V. (1977), Solutions of ill-posed problems, Winston Inc.
Vásquez, C. y Alvarez, H. (1998), ‘Integridad en un controlador difuso adaptado mediante algoritmos genéticos’, Memorias VII RPIC.
