Recurrent neural controller for a continuous ohmic heater

Abstract

RESUMEN: En esta tesis se presenta el diseño, desarrollo e implementación por computadora de un controlador neuronal para un sistema de calentamiento óhmico continuo para alimentos, el cual es un sistema multivariable, no lineal y variante en el tiempo que presenta a su vez retardo en tiempo y que está siempre perturbado. A través de un proceso de identificación se determinó que no es posible obtener un modelo genérico del sistema, por lo que para ser controlado se requiere de un controlador que presente capacidad de adaptación y aprendizaje. A su vez, se presenta el diseño de un actuador para el sistema, el cual consiste en una etapa electrónica y una mecánica para convertir la señal de control en una señal recibida por un transformador variable. El controlador diseñado fue programado en una interfaz gráfica para el usuario desarrollada en Visual Basic.Net, se trata de un sistema monitor el cual ofrece flexibilidad al usuario además del total monitoreo de los parámetros del controlador. Así, se diseñó un controlador multivariable basado en una Red Neuronal Diagonal Recurrente RNDR. Se trata de un perceptrón multicapa utilizado en un esquema de control directo. Sus principales características son que la red es entrenada en línea con los errores de control del sistema, tiene adaptación permanente y en tiempo real de sus pesos sinápticos, contiene además un algoritmo para mantener un factor de aprendizaje variable y sobretodo, presenta una arquitectura simple. El controlador fue primeramente simulado utilizando una planta no-lineal y posteriormente implementado en la interfaz gráfica del usuario, finalmente fue probado para controlar la temperatura y la velocidad del sistema óhmico. Los resultados obtenidos muestran que la RNDR tiene la capacidad de controlar el sistema óhmico con un mejor desempeñó que otros trabajos de redes neuronales aplicados al control de sistemas de alimentos, presentando a su vez una topología simple que facilita su desempeñó durante la operación del sistema.

ABSTRACT: This thesis presents the design, development and computer implementation of a neural controller to control a continuous ohmic heating system, which is a multivariable, non-linear, time variant process that presents time delay and that is always disturbed. Through an identification process, it was demonstrated that the obtention of a general model of the system was a hard task and the controller required must have adaption and learning capabilities. The development of a transducer for the system is presented, it consists of an electronic and a mechanical stage, to convert the control signal into a signal received by a variable transformer. The controller developed was implemented in a graphical user interface programmed in Visual Basic.Net, it is a monitor system which offers flexibility to the user. Thus, a multivariate controller based on a diagonal recurrent neural network DRNN was designed. It is a multilayer perceptron used in a direct control scheme. Its main characteristics are that, it is trained on-line with the output errors of the controlled plant, it has a permanent real time adaptation of its weighting coefficients, it has an algorithm to have a variable learning coefficient and overall it presents a simple architecture. The controller was first simulated to control a multivariable non-linear plant and afterwards implemented in the graphical user interface and tested in the control of the speed and temperature of the ohmic heating system. The results obtained show that the DRNN has the capability to control the system having at the same time a simple topology that enhances its performance during the operation of the system.