El modelado y control del proceso de renovación de la carga en motores turbodiesel se presenta como un importante reto desde el punto de vista de control. Este sistema presenta un fuerte comportamiento no lineal, por lo que técnicas clásicas de control, resultan insuficientes frente a los requerimientos de diseño que se plantean en los motores diesel actuales. Por tanto, resulta necesario la aplicación de técnicas no lineales que puedan resolver aquellos aspectos que están fuera del alcance de los controladores lineales tradicionales. El presente trabajo aborda dos de los aspectos fundamentales en el diseño de un sistema de control. En primer lugar, se plantea una metodología de identificación de modelos borrosos con estructura Takagi-Sugeno (T-S), a partir de datos experimentales, para sistemas no lineales. En segundo lugar, se propone el diseño de controladores borrososóptimos basados en la estructura PDC (Compensador Paralelo Distribuido1* El término anglosajón correspondiente es Parallel Distributed Compensation El término anglosajón correspondiente es Linear Matrix Inequalities
Información de la revista
Vol. 6. Núm. 2.
Páginas 36-48 (abril 2009)
Vol. 6. Núm. 2.
Páginas 36-48 (abril 2009)
Open Access
Sistema de Control Borroso para el Proceso de Renovación de la Carga en Motores Turbodiesel
Visitas
2346
S. García-Nieto
, J.V. Salcedo
, X. Blasco
, M. Martínez
* Instituto Universitario de Automática e Informática Industrial. Universidad Politécnica de Valencia, Camino de Vera 14, 46022 - Valencia, España
Este artículo ha recibido
Información del artículo
Resumen
Palabras clave:
Sistemas Borrosos
Identificación
LMIs
Control No Lineal
Motores Diesel
El Texto completo está disponible en PDF
Referencias
[Abonyi, 2003]
J. Abonyi.
Fuzzy Model Identification for Control.
Birkhauser Boston, (2003), pp. 2003
[Ariño et al., 2007]
C. Ariño, A. Sala, J.L. Navarro.
Diseño de controladores en varios puntos de funcionamiento para una clase de modelos borrosos Takagi-Sugeno afines.
Revista iberoamericana de automática e informática industrial, 4 (2007), pp. 98-105
[Babuska, 1998]
R. Babuska.
Kluwer Academic Publishers, (1998),
[Babuska and Verbruggen, 1996]
R. Babuska, H.B. Verbruggen.
An overview of fuzzy modeling for control.
Control Engineering Practice, 4 (1996), pp. 1593-1606
[Boyd et al., 1994]
S. Boyd, L.E. Ghaoui, E. Feron, V. Balakrishnan.
Linear Matrix Inequalities in System and Control Theory.
SIAM, (1994), pp. 1994
[Branicky, 1998]
M.S. Branicky.
Multiple Lyapunov functions and other analysis tools for switched and hybrid systems.
IEEE Transactions on Automatic Control, 43 (1998), pp. 475-482
[Chen et al., 2007]
B. Chen, X. Liu, S. Tong.
Adaptive Fuzzy Output Tracking Control of MIMO Nonlinear Uncertain Systems.
IEEE Transactions on Fuzzy Systems, 15 (2007), pp. 287-300
[ESEU, 2003]
Emission Styards: European Union (2003). www.dieselnet.com/styards/eu/ld.html
[García-Nieto et al., 2007]
S. García-Nieto, J.V. Salcedo, X. Blasco, M. Martínez.
Identificación y Control Fuzzy en Motores Diesel Turboalimentados.
XXVIII Jornadas de Automática, Septiembre, (2007),
[Gustafson and Kessel, 1979]
D.E. Gustafson, W.C. Kessel.
Fuzzy clustering with a fuzzy covariance matrix.
Proc. IEEE CDC, 2 (1979), pp. 761-766
[Guzzella and Amstutz, 1998]
L. Guzzella, A. Amstutz.
Control of diesel engines.
IEEE Control Systems Magazine, 18 (1998), pp. 53-71
[Guzzella and Onder, 2004]
L. Guzzella, C.H. Onder.
Introduction to Modeling and Control of Internal Combustion Engine Systems.
Springer, (2004),
[Herrera and Martínez, 2003]
F. Herrera, J.L. Martínez.
Estrategia para la construcción de modelos difusos utilizando clustering y transformación ortogonal.
X Convención Internacional Informática, (2003),
[Khiar et al., 2007]
D. Khiar, J. Lauber, T. Floquet, G. Colin, T.M. Guerra, Y. Chamaillard.
Robust Takagi-Sugeno fuzzy control of a spark ignition engine.
Control Engineering Practice, 15 (2007), pp. 1446-1456
[Lee et al., 2007]
S.H. Lee, R.J. Howlett, C. Crua, S.D. Walters.
Fuzzy logic and neuro-fuzzymodelling of diesel spray penetration: A comparative study.
Journal of Intelligent and Fuzzy Systems, 18 (2007), pp. 43-56
[Ljung, 1999]
L. Ljung.
System Identification. Theory for the user.
Second Edition, Prentice-Hall, (1999),
[Löfberg, 2004]
J. Löfberg.
Yalmip : A toolbox for modeling and optimization in MATLAB.
Proceedings of the CACSD Conference,
[Ogata, 2004]
K. Ogata.
Modern Control Engineering.
Prentice-Hal, (2004),
[Stefanopoulou et al., 2000]
Stefanopoulou, G. Anna, Ilya Kolmanovsky, S. James, Freudenberg.
Control of variable geometry turbocharged diesel engines for reduced emissions.
IEEE Transactions on Control Systems Technology, 8 (2000), pp. 733-745
[Sugeno and Kang, 1986]
M. Sugeno, G.T. Kang.
Fuzzy modeling and control of multilayer incinerator.
Fuzzy Sets y Systems, 18 (1986), pp. 329-345
[Takagi and Sugeno, 1985]
T. Takagi, M. Sugeno.
Fuzzy identification of systems and its applications to modelling and control.
IEEE Trans. On Systems, Man, y Cybern, 15 (1985), pp. 116-132
[Tanaka, 1994]
K. Tanaka.
A Theory of Advanced Fuzzy Control.
Japanese, KYOURITSU Publishing Company, (1994),
[Tanaka and Wang, 2001]
K. Tanaka, H.O. Wang.
Fuzzy Control Systems Design and Analysis: A Linear Matrix Inequality Approach.
John Wiley & Sons, Inc, (2001),
[Tong et al., 2002]
S. Tong, T. Wang, H.X. Li.
Fuzzy robust tracking control for uncertain nonlinear systems.
International Journal of Approximate Reasoning, 30 (2002), pp. 73-90
[Verdult and Verhaegen, 2000]
V. Verdult, M. Verhaegen.
Identification of multivariable linear parameter-varying systems based on subspace techniques.
Proceedings of the 39th IEEE Conference on Decision and Control, 2 (2000), pp. 1567-1572
[Zhao et al., 1994]
J. Zhao, V. Wertz, R. Gorez.
A fuzzy clustering method for the identification of fuzzy models for dynamical systems.
9th IEEE International Symposium on Intelligent Control,
Copyright © 2009. Elsevier España, S.L.. All rights reserved