Filtrado digital neuronal difuso: caso MIMO
Los filtros identificadores multivariables (MIMO) son sistemas digitales adaptivos que cuentan con retroalimentación para que, de acuerdo a una función objetivo, ajusten su matriz de parámetros con la que se aproximan a la dinámica observable del sistema de referencia. Una forma de que un identifica...
| Autores: | , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2011 |
| País: | México |
| Institución: | Instituto Politécnico Nacional |
| Repositorio: | Redalyc-IPN |
| OAI Identifier: | oai:redalyc.org:64321170020 |
| Acceso en línea: | https://www.redalyc.org/articulo.oa?id=64321170020 |
| Access Level: | acceso abierto |
| Palabra clave: | Ingeniería MIMO adaptivo red neuronal Filtro digital control difuso |
| Sumario: | Los filtros identificadores multivariables (MIMO) son sistemas digitales adaptivos que cuentan con retroalimentación para que, de acuerdo a una función objetivo, ajusten su matriz de parámetros con la que se aproximan a la dinámica observable del sistema de referencia. Una forma de que un identificador cumpla con esas condiciones, es la de la lógica difusa por medio de sus mecanismos de inferencia que interpretan y seleccionan en una base de conocimiento la mejor matriz de parámetros. Estos mecanismos de selección mediante las redes neuronales permiten encontrar la respuesta con el mejor nivel de operación para cada cambio de estado (Shannon, 1948). En este artículo se considera en el modelo MIMO del filtrado digital, el proceso neuronal difuso para la estimación matricial de parámetros adaptiva, que se integra en el filtro de Kalman a través de la matriz de transición. Para ello se utilizó la red neuronal del tipo retropropagación en el mecanismo difuso, interpretando sus variables y sus respectivos niveles, seleccionando los mejores valores para ajustar automáticamente los valores de la matriz de transición. La simulación en Matlab presenta al filtrado digital neuronal difuso dando el seguimiento, observándose un funcional de error decreciente exponencialmente. |
|---|