Un neuro-controlador estable en tiempo real para reducir el consumo de energía en una bomba centrífuga ante perturbaciones

Abstract

[EN] In this paper, the application of an on-line tuning method based on neural networks for a PID controller was proposed to regulate the flow in a centrifugal pump. The implementation of a modified back-propagation algorithm stable in the sense of input-to-state stability was carried out to update the weights of a neural network. The energy consumed by the pump to maintain a certain flow in the pipeline of an experimental station as an indicator to assess the efficiency of the controller was chosen. Different experimental tests to show the performance of the proposed controller under different conditions were carried out such as non-disturbance, constant disturbances and time-dependent disturbances. A proportional valve was implemented to generate the disturbances in the system. The controller was compared with a classical PID controller and an on-line tuning method based on neural networks for a PID controller without back-propagation modification. The results showed that the on-line tuning method based on neural networks with a stable learning algorithm produced a lower energy consumption in the centrifugal pump.

[ES] En este trabajo se propuso la aplicacion de un método de sintonización en línea basado en redes neuronales para un controlador PID que regula el flujo en una bomba centrífuga. Se llevo a cabo la implementación de un algoritmo de retropropagación modificado estable en el sentido de estabilidad de entrada a estado para actualizar los pesos de una red neuronal. Se empleó la energía consumida por la bomba para mantener un determinado flujo en la tuber´ía de una a estación experimental como indicador para evaluar la eficiencia del controlador. Se llevaron a cabo diferentes pruebas experimentales para mostrar el rendimiento del controlador propuesto en diferentes condiciones, tales como ausencia de perturbaciones, perturbaciones constantes y perturbaciones dependientes del tiempo. Se implementó una v´álvula proporcional para generar las perturbaciones en el sistema. El controlador se comparó con un controlador PID clasico y un método de ajuste en línea basado en redes neuronales para un controlador PID con algoritmo de retropropagacion sin modificación. Los resultados mostraron que el método de ajuste en línea basado en redes neuronales con un algoritmo de aprendizaje estable produjo un menor consumo de energía en la bomba centrífuga de hasta 4 Watt-hora de acuerdo con los resultados reportados.