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
| id |
UNACIONAL2_fa101fcf4d1998f7c6e1983b80b9a948 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/60961 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
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 |
| title |
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 |
| spellingShingle |
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 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 |
| title_short |
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 |
| title_full |
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 |
| title_fullStr |
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 |
| title_full_unstemmed |
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 |
| title_sort |
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 |
| dc.creator.fl_str_mv |
Cote Ballesteros, Jorge Eduardo |
| dc.contributor.author.spa.fl_str_mv |
Cote Ballesteros, Jorge Eduardo |
| dc.contributor.spa.fl_str_mv |
Grisales Palacio, Victor Hugo Gil Chaves, Iván Darío |
| dc.subject.ddc.spa.fl_str_mv |
6 Tecnología (ciencias aplicadas) / Technology 62 Ingeniería y operaciones afines / Engineering |
| topic |
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 |
| dc.subject.proposal.spa.fl_str_mv |
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 |
| description |
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. |
| publishDate |
2017 |
| dc.date.issued.spa.fl_str_mv |
2017 |
| dc.date.accessioned.spa.fl_str_mv |
2019-07-02T19:33:29Z |
| dc.date.available.spa.fl_str_mv |
2019-07-02T19:33:29Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/60961 |
| dc.identifier.eprints.spa.fl_str_mv |
http://bdigital.unal.edu.co/59451/ |
| url |
https://repositorio.unal.edu.co/handle/unal/60961 http://bdigital.unal.edu.co/59451/ |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.spa.fl_str_mv |
Universidad Nacional de Colombia Sede Bogotá Facultad de Ingeniería Departamento de Ingeniería Eléctrica y Electrónica Departamento de Ingeniería Eléctrica y Electrónica |
| dc.relation.references.spa.fl_str_mv |
Cote Ballesteros, Jorge Eduardo (2017) 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. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá. |
| dc.rights.spa.fl_str_mv |
Derechos reservados - Universidad Nacional de Colombia |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional Derechos reservados - Universidad Nacional de Colombia http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/60961/1/80829579.2017.pdf https://repositorio.unal.edu.co/bitstream/unal/60961/2/80829579.2017.pdf.jpg |
| bitstream.checksum.fl_str_mv |
3b6d7db876a2ad30f818b3473f39f2ce 78ca44348f8100fd3292acee6536f980 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1812169812732805120 |
| spelling |
Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Grisales Palacio, Victor HugoGil Chaves, Iván DaríoCote Ballesteros, Jorge Eduardo4e41524f-6283-449f-a609-2f3997f5cdea3002019-07-02T19:33:29Z2019-07-02T19:33:29Z2017https://repositorio.unal.edu.co/handle/unal/60961http://bdigital.unal.edu.co/59451/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.Abstract: The present master's thesis work was developed for the establishment of a methodology, which allows the design and implementation of data-based inferential sensors, under three selected techniques. Due to the increasing attention they have been arousing in modeling and estimation of industrial variables. The techniques selected are artificial neural networks, support vector machines and neuro-diffuse inference systems, which additionally use different methods for the solution of the regression problem. Taking into account the above, 3 inferential sensors based on these techniques has been designed, by exploring the steps to establish a prediction of good performance and by means of different techniques for pre-processing of data, model selection and training of the techniques. To carry out these tasks, the mathematical model of a distillation column was obtained in order to bring the simulation environment closer to data with typical characteristics of the industrial environment. With the development of the 3 inferential sensors, a methodology was established that can be applied in the industry and that leads to adequate performance to predict variables of difficult or impractical measurement.Maestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Bogotá Facultad de Ingeniería Departamento de Ingeniería Eléctrica y ElectrónicaDepartamento de Ingeniería Eléctrica y ElectrónicaCote Ballesteros, Jorge Eduardo (2017) 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. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.6 Tecnología (ciencias aplicadas) / Technology62 Ingeniería y operaciones afines / EngineeringSensores inferencialesSof-sensorsArtificial neural networkSupport vector machinesSVMANFISANNSelección característicasFeature selectionOutliers filteringFiltradoModelo autorregresivoNARXNARMAXHampel filterMutual informationHill climbingMetodología 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 soporteTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMORIGINAL80829579.2017.pdfapplication/pdf4590062https://repositorio.unal.edu.co/bitstream/unal/60961/1/80829579.2017.pdf3b6d7db876a2ad30f818b3473f39f2ceMD51THUMBNAIL80829579.2017.pdf.jpg80829579.2017.pdf.jpgGenerated Thumbnailimage/jpeg5665https://repositorio.unal.edu.co/bitstream/unal/60961/2/80829579.2017.pdf.jpg78ca44348f8100fd3292acee6536f980MD52unal/60961oai:repositorio.unal.edu.co:unal/609612024-04-15 23:09:31.39Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co |