SciELO - Scientific Electronic Library Online

 
vol.10 número1Validación del linaje de los datos de la colaboración LAGO. Instalaciones Sierra Negra y ChacaltayaAceros Bainíticos y la Influencia del Boro sobre sus Propiedades Mecánicas - Revisión Bibliográfica índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • En proceso de indezaciónCitado por Google
  • No hay articulos similaresSimilares en SciELO
  • En proceso de indezaciónSimilares en Google

Compartir


Iteckne

versión impresa ISSN 1692-1798

Resumen

DAVILA GOMEZ, Amalia; PENA PALACIO, Alejandro; ORTIZ VALENCIA, Paula Andrea  y  DELGADO TREJOS, Edilson. Dinámica Estocástica o Compleja con Información Incompleta: Una Revisión desde el Control. Iteckne [online]. 2013, vol.10, n.1, pp.113-127. ISSN 1692-1798.

El control de procesos con dinámica estocástica o compleja es exitoso siempre y cuando se pueda estimar un modelo que se ajuste bien al comportamiento, sin embargo, esta suposición pierde validez en aplicaciones donde la información del sistema es reducida o incompleta, muy comunes en ambientes reales de la industria. La literatura presenta diferentes esquemas de control, siendo los modelos neuro-difusos los que reportan mejor desempeño. Estos modelos conjugan la capacidad de adaptación que tienen las redes neuronales con la robustez de los motores de inferencia que tiene la lógica difusa, para modelar el conocimiento de expertos mediante reglas de aprendizaje, identificar dinámicas complejas y aumentar la adaptabilidad del sistema a perturbaciones que en la práctica tienden a ser de naturaleza estocástica sumado, a veces, que la información del sistema sea restringida. Este artículo presenta una revisión sobre dificultades y soluciones derivadas del control de sistemas estocásticos o complejos con información incompleta. Se revisan las estructuras de control cuando la dinámica del sistema presenta vaguedad en los datos, la evolución hacia técnicas adaptativas, y el desempeño de las redes neuro-difusas ante procesos estocásticos o complejos con incertidumbre en los datos. De forma preliminar se establece que el control de este tipo de sistemas debe estar compuesto por modelos híbridos soportados en rutinas de optimización y análisis probabilístico que garanticen el tratamiento de las incertidumbres sin afectar el desempeño de las estructuras de control y la consistencia en la precisión.

Palabras clave : Control adaptativo; sistemas estocásticos; redes neuronales; lógica difusa; modelos neurodifusos; información incompleta.

        · resumen en Inglés     · texto en Español     · Español ( pdf )