La Tesis Doctoral se fundamenta, principalmente, en la exploración de nuevos métodos de Control Predictivo Basado en Modelos (MBPC) mediante la incorporación de herramientas de optimización heurística y las mejoras en las prestaciones que se pueden conseguir con ello. La metodología de MBPC constituye un campo cada vez más importante en el control de procesos debido a que se trata de una formulación muy intuitiva, y a la vez muy potente, de un problema de control (por tanto es más fácilmente aceptable en el ámbito industrial). A pesar de ello, presenta limitaciones cuando se quiere aplicar a ciertos procesos complejos. Un elemento fundamental y al mismo tiempo limitante de ésta metodología lo constituye la técnica de optimización que se utilice. Simplificando mucho, el MBPC se convierte en un problema de minimización en cada periodo de muestreo, y la complejidad del problema de control se refleja directamente en la función a minimizar en cada instante. Si se incorporan modelos no lineales, restricciones en las variables, e índices de funcionamiento sofisticados, todo ello asociado a los problemas de tiempo real, se va a requerir algoritmos de optimización adecuados que garanticen el mínimo global en un tiempo acotado. En este sentido, la tesis incluye un análisis de las metodologías de Optimización Heurísticas, Simulated Annealing y Algoritmos Genéticos, como candidatas a la resolución de ese tipo de problemas y apartir de ellas realiza una implementación novedosa (denominada ASA) dentro del grupo de los algoritmos de Simulated Annealing que reduce el coste computacional. En los Algoritmos Genéticos, se obtienen las combinaciones de codificación y operadores genéticos más adecuadas para conseguir buenas relaciones de 'calidad de la solución/coste computacional' en la resolución de problemas de minimización complejos (no convexos, con discontinuidades, restricciones, etc.). Todo este análisis previo, permite la adaptación adecuada de estas técnicas heurísticas...... / Blasco Ferragud, FX. (1999). Control predictivo basado en modelos mediante técnicas de optimización heurística. Aplicación a procesos no lineales y multivariables [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/15995 / Palancia
| Identifer | oai:union.ndltd.org:upv.es/oai:riunet.upv.es:10251/15995 |
| Date | 06 June 2012 |
| Creators | Blasco Ferragud, Francesc Xavier |
| Contributors | Martínez Iranzo, Miguel Andrés, Universitat Politècnica de València. Departamento de Ingeniería de Sistemas y Automática - Departament d'Enginyeria de Sistemes i Automàtica |
| Publisher | Universitat Politècnica de València |
| Source Sets | Universitat Politècnica de València |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/acceptedVersion |
| Source | Riunet |
| Rights | http://rightsstatements.org/vocab/InC/1.0/, info:eu-repo/semantics/openAccess |
Page generated in 0.0018 seconds