Identificación de sistemas dinámicos a través de técnicas de aprendizaje de máquina utilizando la planta de control MPS Workstation de Festo

Abstract

En este proyecto se muestra cómo se identifica un sistema dinámico a través de una técnica de aprendizaje de máquina tomando datos experimentales de la planta de control MPS Workstation de Festo (es una planta compacta que combina cuatro circuitos cerrados (control de nivel, caudal, temperatura y presión)). Los datos fueron tomados con ayuda de un PLC S7-300 y una pantalla HMI KTP700 Basic. De la planta de control se escogieron dos configuraciones o rutas de control de nivel para la toma de datos. De estas dos configuraciones se realizaron los modelos matemáticos para poderlos comparar con los modelos identificados a través de la técnica de aprendizaje de máquina. En el proyecto se plantean varias técnicas de aprendizaje de máquina, se definen cada de estas y se escoge la más apropiada para el proyecto a través del método de ponderación lineal SCORING. Ya teniendo la técnica de aprendizaje escogida (redes neuronales) se procede con el diseño de esta y la validación. El tipo de redes neuronales que se escogió, fueron las redes neuronales en cascada hacia adelante con el modelo NARX (ARX no lineal). Finalmente, se realiza una comparación de los modelos obtenidos y se diseña una aplicación en Matlab donde se puede obtener el modelo matemático del comportamiento del sistema utilizando la planta de control MPS Workstation de Festo.