| Popis: |
RESUMEN: En laminado en caliente, la estimacion de la temperatura de la punta de la barra a la entrada del rompedor de oxido es crucial para configurar el molino acabador y asi cumplir con los requerimientos de calidad. En la mayoria de los molinos la estimacion se lleva a cabo mediante un modelo fisico a partir de la temperatura medida a la salida del molino desbastador y el tiempo de traslado. Sin embargo, dicha estimacion es afectada grandemente por incertidumbres de medicion, variaciones en las condiciones de la barra entrante y cambios de producto. Con el objeto de solventar este problema, se han desarrollado y probado anteriormente varios sistemas de inferencia difusa y modelos de caja gris difusos. En este trabajo se desarrollaran modelos de caja gris basados en sistemas difusos Mamdani tipo 1 y tipo 2 con aprendizaje hibrido, tales sistemas no se han presentado antes para esta aplicacion. Se recolectaron datos de un molino real y se extrajeron de manera aleatoria dos conjuntos diferentes de datos, uno para entrenamiento de los sistemas y el otro para su validacion. Cinco medidas de desempeno se usan para evaluar los sistemas a partir del error de estimacion de estos usando el conjunto de validacion y se comparan con los sistemas desarrollados anteriormente y con el modelo fisico usado actualmente en la planta. Los resultados demuestran que el modelado de caja gris difuso Mamdani con aprendizaje hibrido mejora la estimacion. Palabras clave: sistemas difusos tipo-2, modelado de caja gris, aprendizaje hibrido, estimacion de temperatura, laminado en caliente. |
