Metodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporte
El presente trabajo de tesis de maestría se desarrolló para el establecimiento de una metodología, que permita el diseño e implementación de sensores inferenciales basados en datos, bajo tres técnicas seleccionadas, por la creciente atención que vienen despertando en tareas de modelamiento y estimac...
- Autores:
-
Cote Ballesteros, Jorge Eduardo
- Tipo de recurso:
- Fecha de publicación:
- 2017
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/60961
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/60961
http://bdigital.unal.edu.co/59451/
- Palabra clave:
- 6 Tecnología (ciencias aplicadas) / Technology
62 Ingeniería y operaciones afines / Engineering
Sensores inferenciales
Sof-sensors
Artificial neural network
Support vector machines
SVM
ANFIS
ANN
Selección características
Feature selection
Outliers filtering
Filtrado
Modelo autorregresivo
NARX
NARMAX
Hampel filter
Mutual information
Hill climbing
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| Summary: | El presente trabajo de tesis de maestría se desarrolló para el establecimiento de una metodología, que permita el diseño e implementación de sensores inferenciales basados en datos, bajo tres técnicas seleccionadas, por la creciente atención que vienen despertando en tareas de modelamiento y estimación de variables industriales. Las técnicas seleccionadas son las redes neuronales artificiales, las máquinas de vectores de soporte y los sistemas de inferencia neuro-difusa, que adicionalmente utilizan bases distintas para la solución del problema de regresión. Teniendo en cuenta lo anterior, se diseñaron 3 sensores inferenciales basados en estas técnicas, explorando las etapas necesarias para establecer una predicción de buen desempeño y por consiguiente diferentes técnicas para el preprocesamiento de los datos, selección de modelo y el entrenamiento y validación de las técnicas. Para llevar a cabo estas tareas se obtuvo el modelo matemático de una columna de destilación con el fin de acercar el entorno de simulación a datos con características típicas del ambiente industrial. Con el desarrollo de los 3 sensores inferenciales se estableció una metodología que puede ser aplicada en la industria y que desemboca en un desempeño adecuado para predecir variables de difícil o impráctica medición. |
|---|