REVISTA DYNA NEW TECHNOLOGIES

Palabras clave:

sistemas difusos tipo-2, modelado de caja gris, aprendizaje híbrido, estimación de temperatura, laminado en caliente, type-2 fuzzy inference systems, grey-box modeling, hybrid learning, temperature estimation, hot rolling

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

RESUMEN:
En laminado en caliente, la estimación de la temperatura de la punta de la barra a la entrada del rompedor de óxido es crucial para configurar el molino acabador y así cumplir con los requerimientos de calidad. En la mayoría de los molinos la estimación se lleva a cabo mediante un modelo físico a partir de la temperatura medida a la salida del molino desbastador y el tiempo de traslado. Sin embargo, dicha estimación es afectada grandemente por incertidumbres de medición, variaciones en las condiciones de la barra entrante y cambios de producto. Con el objeto de solventar este problema, se han desarrollado y probado anteriormente varios sistemas de inferencia difusa y modelos de caja gris difusos. En este trabajo se desarrollarán modelos de caja gris basados en sistemas difusos Mamdani tipo 1 y tipo 2 con aprendizaje híbrido, tales sistemas no se han presentado antes para esta aplicación. Se recolectaron datos de un molino real y se extrajeron de manera aleatoria dos conjuntos diferentes de datos, uno para entrenamiento de los sistemas y el otro para su validación. Cinco medidas de desempeño se usan para evaluar los sistemas a partir del error de estimación de éstos usando el conjunto de validación y se comparan con los sistemas desarrollados anteriormente y con el modelo físico usado actualmente en la planta. Los resultados demuestran que el modelado de caja gris difuso Mamdani con aprendizaje híbrido mejora la estimación.

Palabras clave: sistemas difusos tipo-2, modelado de caja gris, aprendizaje híbrido, estimación de temperatura, laminado en caliente.