- -

Metodología formal de análisis del comportamiento dinámico de sistemas no lineales mediante lógica borrosa

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Metodología formal de análisis del comportamiento dinámico de sistemas no lineales mediante lógica borrosa

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.author Barragán, Antonio Javier es_ES
dc.contributor.author Al-Hadithi, Basil Mohammed es_ES
dc.contributor.author Andújar, José Manuel es_ES
dc.contributor.author Jiménez, Agustín es_ES
dc.date.accessioned 2020-05-19T09:24:53Z
dc.date.available 2020-05-19T09:24:53Z
dc.date.issued 2015-10-15
dc.identifier.issn 1697-7912
dc.identifier.uri http://hdl.handle.net/10251/143675
dc.description.abstract [ES] Tener la capacidad para analizar un sistema desde un punto de vista dinámico puede ser muy útil en muchas circunstancias (sistemas industriales, biológicos, económicos,. ..). El análisis dinámico de un sistema permite conocer su comportamiento y la respuesta que presentará a distintos estímulos de entrada, su estabilidad en lazo abierto, tanto local como global, o si está afectado por fenómenos no lineales, como ciclos límites o bifurcaciones, entre otros. Si el sistema es desconocido o su dinámica es lo suficientemente compleja como para no poder obtener un modelo matemático del mismo, en principio no sería posible realizar un análisis dinámico formal del sistema. En estos casos la lógica borrosa, y más concretamente los modelos borrosos de tipo Takagi-Sugeno (TS), se presentan como una herramienta muy poderosa de análisis y diseño. Los modelos borrosos TS son aproximadores universales tanto de una función como de su derivada, por lo que permiten modelar sistemas no lineales en base a datos de entrada/salida. Puesto que un modelo borroso es un modelo matemático formalmente hablando, a partir del mismo es posible estudiar aspectos de la dinámica del sistema real que modela tal como se hace en la teoría de control no lineal. En este artículo se presenta una metodología para la obtención de los estados de equilibrio de un sistema no lineal, la linealización exacta de su modelo borroso de estado completamente general, el estudio de la estabilidad local de los equilibrios a partir de dicha linealización, y la utilización de la metodología de Poincare para el estudio de órbitas periódicas en modelos borrosos. A partir de esa información, es posible estudiar la estabilidad local de los estados de equilibrio, así como la dinámica del sistema en su entorno y la presencia de oscilaciones, obteniéndose una valiosa información del comportamiento dinámico del sistema. es_ES
dc.description.abstract [EN] Having the ability to analyze a system from a dynamic point of view can be very useful in many circumstances (industrial systems, biological, economical, . . .). The dynamic analysis of a system allows to understand its behavior and response to different inputs, open loop stability, both locally and globally, or if it is affected by nonlinear phenomena, such as limit cycles, or bifurcations, among others. If the system is unknown or its dynamic is complex enough to obtain its mathematical model, in principle it would not be possible to make a formal dynamic analysis of the system. In these cases, fuzzy logic, and more specifically fuzzy TS models is presented as a powerful tool for analysis and design. The TS fuzzy models are universal approximators both of a function and its derivative, so it allows modeling highly nonlinear systems based on input/output data. Since a fuzzy model is a mathematical model formally speaking, it is possible to study the dynamic aspects of the real system that it models such as in the theory of nonlinear control.This article describes a methodology for obtaining the equilibrium states of a generic nonlinear system, the exact linearization of a completely general fuzzy model, and the use of the Poincaré’s methodology for the study of periodic orbits in fuzzy models. From this information it is possible to study the local stability of the equilibrium states, the dynamics of the system in its environment, and the presence of oscillations, yielding valuable information on the dynamic behavior of the system. es_ES
dc.description.sponsorship Este artículo es una contribución del proyecto DPI2013-43870-R financiado por el Ministerio de Economía y Competitividad, y del proyecto TEP-6124 financiado por la Junta de Andalucía. Ambos proyectos están cofinanciados con fondos FEDER es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation.ispartof Revista Iberoamericana de Automática e Informática industrial es_ES
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject Análisis dinámico es_ES
dc.subject Estabilidad es_ES
dc.subject Estado de equilibrio es_ES
dc.subject Linealización es_ES
dc.subject Metodología de Poincaré es_ES
dc.subject Modelado borroso es_ES
dc.subject Sistemas dinámicos es_ES
dc.subject Takagi-Sugeno (TS) model es_ES
dc.subject Dynamic analysis es_ES
dc.subject Dynamic systems es_ES
dc.subject Equilibrium state es_ES
dc.subject Fuzzy control linearization es_ES
dc.subject Fuzzy modeling Poincaré’s es_ES
dc.subject Methodology stability es_ES
dc.title Metodología formal de análisis del comportamiento dinámico de sistemas no lineales mediante lógica borrosa es_ES
dc.title.alternative Formal methodology for analyzing the dynamic behavior of nonlinear systems using fuzzy logic es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.1016/j.riai.2015.09.005
dc.relation.projectID info:eu-repo/grantAgreement/MINECO//DPI2013-43870-R/ES/DISEÑO, DESARROLLO Y CONSTRUCCION DE PILA DE COMBUSTIBLE MODULAR: INSTRUMENTACION Y CONTROL, MONITORIZACION ONLINE, ESTUDIO DE EFECTOS DE DETERIORO/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/Junta de Andalucía//P10-TEP-6124/ES/Sistema Integral para la optimizacion, monitorización y análisis de fallos en paneles, arrays e instalaciones fotovoltáicas/ es_ES
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Barragán, AJ.; Al-Hadithi, BM.; Andújar, JM.; Jiménez, A. (2015). Metodología formal de análisis del comportamiento dinámico de sistemas no lineales mediante lógica borrosa. Revista Iberoamericana de Automática e Informática industrial. 12(4):434-445. https://doi.org/10.1016/j.riai.2015.09.005 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.1016/j.riai.2015.09.005 es_ES
dc.description.upvformatpinicio 434 es_ES
dc.description.upvformatpfin 445 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 12 es_ES
dc.description.issue 4 es_ES
dc.identifier.eissn 1697-7920
dc.relation.pasarela OJS\9346 es_ES
dc.contributor.funder Ministerio de Economía y Competitividad es_ES
dc.contributor.funder Junta de Andalucía es_ES
dc.contributor.funder European Regional Development Fund es_ES
dc.description.references Abraham, R.H., Shaw, C.D., 1997. Dynamics: The Geometry of Behavior. Aerial Press, Incorporated. es_ES
dc.description.references Al-Hadithi, B.M., Jiménez, A., Matía, F., Andújar, J.M., Barragán, A.J., Aug. 2014. New concepts for the estimation of Takagi-Sugeno model based on extended Kalman filter. En: Matía, F., Marichal, G.N., Jiménez, E., (Eds.), Fuzzy Modeling and Control: Theory and Applications. Vol. 9 of Atlantis Computational Intelligence Systems. Atlantis Press, pp. 3-24. DOI: 10.2991/978-94-6239-082-9_1. es_ES
dc.description.references Al-Hadithi, B. M., Jiménez, A., & Matía, F. (2011). New methods for the estimation of Takagi-Sugeno model based extended Kalman filter and its applications to optimal control for nonlinear systems. Optimal Control Applications and Methods, 33(5), 552-575. doi:10.1002/oca.1014 es_ES
dc.description.references Andujar, J. M., Aroba, J., de Torre, M. L. la, & Grande, J. A. (2005). Contrast of evolution models for agricultural contaminants in ground waters by means of fuzzy logic and data mining. Environmental Geology, 49(3), 458-466. doi:10.1007/s00254-005-0103-2 es_ES
dc.description.references Andújar, J. M., & Barragán, A. J. (2005). A methodology to design stable nonlinear fuzzy control systems. Fuzzy Sets and Systems, 154(2), 157-181. doi:10.1016/j.fss.2005.03.006 es_ES
dc.description.references Andújar, J.M., Barragán, A.J., Apr. 2014. Hybridization of fuzzy systems for modeling and control. Revista Iberoamericana de Automática e Informática Industrial {RIAI} 11 (2), 127-141. DOI:http://dx.doi.org/10.1016/j.riai.2014.03.004. es_ES
dc.description.references Andújar, J.M., Barragán, A.J., Al-Hadithi, B.M., Matía, F., Jiménez, A., Aug. 2014a. Stable fuzzy control system by design. En: Matía, F., Marichal, G.N., Jiménez, E., (Eds.), Fuzzy Modeling and Control: Theory and Applications. Vol. 9 of Atlantis Computational Intelligence Systems. Atlantis Press, pp. 69-94. DOI: 10.2991/978-94-6239-082-9_4. es_ES
dc.description.references Andújar, J.M., Barragán, A.J., Al-Hadithi, B.M., Matía, F., Jiménez, A., Aug. 2014b. Suboptimal recursive methodology for Takagi-Sugeno fuzzy models identification. En: Matía, F., Marichal, G.N., Jiménez, E., (Eds.), Fuzzy Modeling and Control: Theory and Applications. Vol. 9 of Atlantis Computational Intelligence Systems. Atlantis Press, pp. 25-47. DOI: http://dx.doi.org/10.2991/978-94-6239-082-9_2. es_ES
dc.description.references Marquez, J. M. A., Pina, A. J. B., & Arias, M. E. G. (2009). A General and Formal Methodology to Design Stable Nonlinear Fuzzy Control Systems. IEEE Transactions on Fuzzy Systems, 17(5), 1081-1091. doi:10.1109/tfuzz.2009.2021984 es_ES
dc.description.references Andújar, J. M., & Bravo, J. M. (2005). Multivariable fuzzy control applied to the physical–chemical treatment facility of a Cellulose factory. Fuzzy Sets and Systems, 150(3), 475-492. doi:10.1016/j.fss.2004.03.023 es_ES
dc.description.references Andújar, J. M., Bravo, J. M., & Peregrı́n, A. (2004). Stability analysis and synthesis of multivariable fuzzy systems using interval arithmetic. Fuzzy Sets and Systems, 148(3), 337-353. doi:10.1016/j.fss.2004.01.008 es_ES
dc.description.references Angelov, P., & Buswell, R. (2002). Identification of evolving fuzzy rule-based models. IEEE Transactions on Fuzzy Systems, 10(5), 667-677. doi:10.1109/tfuzz.2002.803499 es_ES
dc.description.references Angelov, P. P., & Filev, D. P. (2004). An Approach to Online Identification of Takagi-Sugeno Fuzzy Models. IEEE Transactions on Systems, Man and Cybernetics, Part B (Cybernetics), 34(1), 484-498. doi:10.1109/tsmcb.2003.817053 es_ES
dc.description.references Aroba, J., Grande, J. A., Andújar, J. M., de la Torre, M. L., & Riquelme, J. C. (2007). Application of fuzzy logic and data mining techniques as tools for qualitative interpretation of acid mine drainage processes. Environmental Geology, 53(1), 135-145. doi:10.1007/s00254-006-0627-0 es_ES
dc.description.references Babuška, R., Mar. 1995. Fuzzy modeling - a control engineering perspective. En: Proceedings of, FUZZ-IEEE/IFES’95., Vol. 4., Yokohama, Japan, pp. 1897-1902. DOI: 10.1109/FUZZ.Y. 1995.409939. es_ES
dc.description.references Babuška, R., Verbruggen, H.B., Mar. 1995. A new identification method for linguistic fuzzy models. En: Proceedings of FUZZ-IEEE/IFES’95. Vol. 4. Yokohama, Japan, pp. 905-912. DOI: 10.1109/FUZZY. 1995.409939. es_ES
dc.description.references Barragán, A. J., Al-Hadithi, B. M., Jiménez, A., & Andújar, J. M. (2014). A general methodology for online TS fuzzy modeling by the extended Kalman filter. Applied Soft Computing, 18, 277-289. doi:10.1016/j.asoc.2013.09.005 es_ES
dc.description.references Bezdek, J. C., Ehrlich, R., & Full, W. (1984). FCM: The fuzzy c-means clustering algorithm. Computers & Geosciences, 10(2-3), 191-203. doi:10.1016/0098-3004(84)90020-7 es_ES
dc.description.references Chua, L.O., Desoer, C.A., Kuh, E.S., 1987. Linear and nonlinear circuits. McGraw-Hill series in electrical and computer engineering: Circuits and systems. McGraw-Hill Book Company, New York. es_ES
dc.description.references Denaï, M. A., Palis, F., & Zeghbib, A. (2007). Modeling and control of non-linear systems using soft computing techniques. Applied Soft Computing, 7(3), 728-738. doi:10.1016/j.asoc.2005.12.005 es_ES
dc.description.references Grande, J. A., Andújar, J. M., Aroba, J., de la Torre, M. L., & Beltrán, R. (2005). Precipitation, pH and metal load in AMD river basins: an application of fuzzy clustering algorithms to the process characterization. J. Environ. Monit., 7(4), 325-334. doi:10.1039/b410795k es_ES
dc.description.references Horikawa, S. -i., Furuhashi, T., & Uchikawa, Y. (1992). On fuzzy modeling using fuzzy neural networks with the back-propagation algorithm. IEEE Transactions on Neural Networks, 3(5), 801-806. doi:10.1109/72.159069 es_ES
dc.description.references Jang, J.-S. R. (1993). ANFIS: adaptive-network-based fuzzy inference system. IEEE Transactions on Systems, Man, and Cybernetics, 23(3), 665-685. doi:10.1109/21.256541 es_ES
dc.description.references Jiménez, A., Aroba, J., de la Torre, M. L., Andujar, J. M., & Grande, J. A. (2009). Model of behaviour of conductivity versus pH in acid mine drainage water, based on fuzzy logic and data mining techniques. Journal of Hydroinformatics, 11(2), 147-153. doi:10.2166/hydro.2009.015 es_ES
dc.description.references Kosko, B. (1994). Fuzzy systems as universal approximators. IEEE Transactions on Computers, 43(11), 1329-1333. doi:10.1109/12.324566 es_ES
dc.description.references Kreinovich, V., Nguyen, H. T., & Yam, Y. (2000). Fuzzy systems are universal approximators for a smooth function and its derivatives. International Journal of Intelligent Systems, 15(6), 565-574. doi:10.1002/(sici)1098-111x(200006)15:6<565::aid-int6>3.0.co;2-0 es_ES
dc.description.references López-Baldán, M. J., García-Cerezo, A., López, J. M. C., & Gallego, A. R. (2002). Fuzzy modeling of a thermal solar plant. International Journal of Intelligent Systems, 17(4), 369-379. doi:10.1002/int.10026 es_ES
dc.description.references Marquez, H.J., 2003. Nonlinear control systems. Analysis and design. John Wiley & Sons, Inc. es_ES
dc.description.references Mencattini, A., Salmeri, M., & Salsano, A. (2005). Sufficient conditions to impose derivative constraints on MISO Takagi-Sugeno Fuzzy logic systems. IEEE Transactions on Fuzzy Systems, 13(4), 454-467. doi:10.1109/tfuzz.2004.841742 es_ES
dc.description.references Moré, J.J., 1977. The Levenberg-Marquardt algorithm: Implementation and theory. En: Watson, G. (Ed.), Numerical Analysis. Springer Verlag, Berlin, pp. 105-116. es_ES
dc.description.references Nguyen, H.T., Sugeno, M., Tong, R.M., Yager, R.R., 1995. Theoretical aspects of fuzzy control. John Wiley Sons, New York, NY, USA. es_ES
dc.description.references Nijmeijer, H., Schaft, A. v. d., 1990. Nonlinear dynamical control systems. Springer Verlag, Berlin. es_ES
dc.description.references Sastry, S., 1999. Nonlinear system: analysis, stability, and control. Springer, New York. es_ES
dc.description.references Slotine, J.-J. E., Li, W., 1991. Applied nonlinear control. Prentice-Hall, NJ. es_ES
dc.description.references Takagi, T., & Sugeno, M. (1985). Fuzzy identification of systems and its applications to modeling and control. IEEE Transactions on Systems, Man, and Cybernetics, SMC-15(1), 116-132. doi:10.1109/tsmc.1985.6313399 es_ES
dc.description.references Wang, L.-X., 1992. Fuzzy systems are universal approximators. En: IEEE International Conference on Fuzzy Systems. San Diego, CA, USA, pp. 1163-1170. DOI: 10.1109/FUZZY. 1992.258721. es_ES
dc.description.references Wang, L.X., 1994. Adaptive fuzzy systems and control. Prentice Hall, New Jersey. es_ES
dc.description.references Wang, L.-X., 1997. A course in fuzzy systems and control. Prentice Hall, New Yersey, USA. es_ES
dc.description.references Wiggins, S., Oct. 2003. Introduction to Applied Nonlinear Dynamical Systems and Chaos, 2nd Edición. Texts in Applied Mathematics. Springer. es_ES
dc.description.references Wong, L., Leung, F., Tam, P., Jul. 1997. Stability design of TS model based fuzzy systems. En: IEEE International Conference on Fuzzy Systems. Vol. 1. Barcelona, Spain, pp. 83-86. DOI: 10.1109/FUZZY. 1997.616349. es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem