Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.12104/79979
Title: | CALIBRACIÓN DE UN FUZZY FRACCIONAL USANDO ALGORITMOS DE CÓMPUTO EVOLUTIVO |
Author: | Luque Chang, Alberto |
Advisor/Thesis Advisor: | Cuevas Jiménez, Erik Valdemar Zaldivar Navarro, Daniel |
Keywords: | Controlador Fuzzy;Evolutivo;Sso |
Issue Date: | 20-Jun-2016 |
Publisher: | Biblioteca Digital wdg.biblio Universidad de Guadalajara |
Abstract: | Los controladores difusos (FCs, por sus siglas en inglés Fuzzy Controller) basados en sistemas de orden entero han demostrado su desempeño en una extensa variedad de aplicaciones. Por otro lado, diversos sistemas dinámicos pueden ser controlados de manera más precisa utilizando controladores de orden fraccional. Debido a esto actualmente hay un creciente interés en el diseño de FCs con operadores fraccionales. En la etapa de diseño de los FCs fraccionales, el proceso de calibración de parámetros es planteado como un problema multidimensional de optimización donde tanto el orden fraccional del operador como los parámetros del sistema difuso son considerados como variables de decisión. Bajo este enfoque la complejidad del problema de optimización tiende a generar superficies de error multimodal cuyas funciones de costo son significativamente difíciles de minimizar. Varios algoritmos basados en los principios del cómputo evolutivo han sido aplicados exitosamente para identificar los parámetros óptimos de los FCs fraccionales. Sin embargo la mayoría de ellos tienen una limitación importante, ya que frecuentemente tienden a obtener soluciones sub-optimas como resultado de un equilibrio inapropiado entre la exploración y explotación en sus estrategias de búsqueda. Ésta tesis presenta un algoritmo para calibración optima de parámetros de FCs fraccionales. Para determinar los parámetros, el método propuesto usa un nuevo algoritmo evolutivo llamado Social Spider Optimization (SSO) el cual está inspirado en la emulación del comportamiento colaborativo de las arañas sociales. En el SSO, las soluciones imitan un conjunto de arañas las cuales cooperan con otras basadas en las leyes naturales de la colonia cooperativa. A diferencia de la mayoría de los algoritmos evolutivos existentes, el SSO explícitamente evita la concentración de individuos en las mejores posiciones, evitando así fallas críticas tales como convergencia prematura a mínimos locales y el balance limitado entre exploración y explotación. Se han conducido simulaciones numéricas en varias plantas para mostrar la efectividad del esquema propuesto. |
URI: | https://hdl.handle.net/20.500.12104/79979 https://wdg.biblio.udg.mx |
metadata.dc.degree.name: | MAESTRIA EN CIENCIAS EN INGENIERIA ELECTRONICA Y COMPUTACION |
Appears in Collections: | CUCEI |
Files in This Item:
File | Size | Format | |
---|---|---|---|
MCUCEI10029.pdf Restricted Access | 1.96 MB | Adobe PDF | View/Open Request a copy |
Items in RIUdeG are protected by copyright, with all rights reserved, unless otherwise indicated.