SciELO - Scientific Electronic Library Online

 
vol.10 issue1Data Provenance Validation for the LAGO stations Sierra Negra and ChacaltayaInfluence of Boron in the mechanical properties of Bainitic steels author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Iteckne

Print version ISSN 1692-1798

Abstract

DAVILA GOMEZ, Amalia; PENA PALACIO, Alejandro; ORTIZ VALENCIA, Paula Andrea  and  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.

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

        · abstract in English     · text in Spanish     · Spanish ( pdf )