No abstract

No abstract

El presente proyecto "DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA CONTROLADOR DE TEMPERATURA PID PARA LA UNIDAD AIR FLOW TEMPERATURE CONTROL SYSTEM MEDIANTE LA UTILIZACIÓN DE LA HERRAMIENTA RTW (REAL TIME WORKSHOP) DE MATLAB"abarca el estudio de la herramienta RTW en donde se analizó la arquitectura, el algoritmo, el proceso y las etapas en el desarrollo de un modelo en tiempo real por medio del sistema SIMULINK® de MATLAB®, además se realizó una HMI la cuál mediante subsistemas .mdl desarrollados en SIMULINK® permitieron la identificación de la planta, el control PID experimental y la simulación del control PID, utilizando para esto la tarjeta de adquisición y generación de datos Nationals Instruments PCI 6221, la misma que, luego de haberla configurado permitió interconectar la planta real con los subsistemas de la HMI desarrolla.

No abstract

In this paper it has been structure an Artificial Neural Network ANN into a FPGA card using the Description and Modeling Language for VHDL circuits, with the purpose of designing a Programmable Logic controller. Besides the backpropagation learning algorithm was incorporated using Matlab, for the training of the ANN, and a communication system that allows to transfer the functioning conditions to the system, giving the chance to reprogram the Programmable Logic controller that has been incorporated, according to its requirements.Keywords-FPGA; ANN; PLC; Control; Chip. I. INTRODUCCIÓNExisten aplicaciones sencillas que requieren sistemas de automatización y control; por lo tanto demandan de un dispositivo con una interfaz sencilla de programación, de bajo costo, y capaz de responder a las demandas de cualquier requerimiento de control en tiempo real. Mediante el Lenguaje para descripción y modelado de hardware VHDL se ha diseñado un sistema embebido y se lo ha implementado en una tarjeta FPGA. El sistema consta de una RNA (Red Neuronal Artificial), y un sistema de comunicación (recepción serial) para la transferencia de las condiciones de funcionamiento, desde el computador en donde se calculan dichas condiciones. II. MARCO TEÓRICO A. Redes Neuronales ArtificialesSon mecanismos de procesamiento de datos, cuya idea fundamental de funcionamiento está basada en las Redes Neuronales Biológicas. Las Redes Neuronales Artificiales necesitan aprender a reaccionar de formas variadas ante una gama de estímulos como sus homologas biológicas. Es importante conocer la unidad fundamental de una Red Neuronal, la cual se denomina neurona y reacciona basándose en una fórmula matemática, la misma que permite a cada neurona realizar un proceso fundamental dentro de todo el conjunto de procesos que se realizan en una RNA. El procesamiento global de una RNA está conformado por el procesamiento individual de todas y cada una de las neuronas que la conforman, intercambiando información de forma coordinada, y estructurada de acuerdo a su arquitectura. B. Algoritmos de EntrenamientoUna característica prominente de las RNA es su capacidad para aprender a través del entrenamiento de forma similar al sistema nervioso central de cualquier organismo vivo en sus capacidades de aprendizaje para reaccionar a estímulos externos ya sean conocidos o desconocidos. Basándose en experiencias previas se almacena información en la fuerza de las conexiones entre neuronas. Esto ocurre tanto en las redes neuronales biológicas como en las artificiales. Un algoritmo de entrenamiento es un procedimiento para otorgar a la RNA de una capacidad de aprendizaje; uno de los algoritmos más utilizados es el de Retro-propagación. El aprendizaje le permite a la RNA proporcionar una respuesta adecuada frente a eventos iguales o similares al de su entrenamiento. C. Dispositivos FPGAUn dispositivo FPGA (Field Programmable Gate Array) es un dispositivo lógico de hardware reconfigurable in situ, es decir permite realizar una configuración de las compuertas lógicas inherentes ...