Suboptimal Recursive Methodology for Takagi-Sugeno Fuzzy Models Identification

Andújar, José Manuel; Barragán, Antonio Javier; Al‐Hadithi, Basil Mohammed; Matı́a, Fernando; Jiménez, Agustín

doi:10.2991/978-94-6239-082-9_2

Cited by 3 publications

(1 citation statement)

References 48 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…El primer paso necesario es obtener un modelo borroso de estado del sistema a analizar como el dado por (1) mediante alguna de las muchas técnicas de modelado existentes (Andújar y Barragán, 2014), ya sea en línea (Barragán et al, 2014, Al-Hadithi et al, 2012, Andújar et al, 2014b, o fuera de línea (Horikawa et al, 1992, Jang, 1993, Babuška, 1995, Angelov y Buswell, 2002, Angelov y Filev, 2004, Denaï et al, 2007. A continuación es importante localizar los estados de equilibrio del sistema.…”

Section: Estados De Equilibrio Y Estabilidad Localunclassified

Metodología formal de análisis del comportamiento dinámico de sistemas no lineales mediante lógica borrosa

Barragán

Al‐Hadithi

Andújar

et al. 2015

Revista Iberoamericana de Automática e Informática Industrial R

Self Cite

View full text Add to dashboard Cite

Tener la capacidad para analizar un sistema desde un punto de vista dinámico puede ser muy útil en muchas circunstancias (sistemas industriales, biológicos, económicos, . . . ). El análisis dinámico de un sistema permite conocer su comportamiento y la respuesta que presentará a distintos estímulos de entrada, su estabilidad en lazo abierto, tanto local como global, o si está afectado por fenómenos no lineales, como ciclos límites o bifurcaciones, entre otros. Si el sistema es desconocido o su dinámica es lo suficientemente compleja como para no poder obtener un modelo matemático del mismo, en principio no sería posible realizar un análisis dinámico formal del sistema. En estos casos la lógica borrosa, y más concretamente los modelos borrosos de tipo Takagi-Sugeno (TS), se presentan como una herramienta muy poderosa de análisis y diseño. Los modelos borrosos TS son aproximadores universales tanto de una función como de su derivada, por lo que permiten modelar sistemas no lineales en base a datos de entrada/salida. Puesto que un modelo borroso es un modelo matemático formalmente hablando, a partir del mismo es posible estudiar aspectos de la dinámica del sistema real que modela tal como se hace en la teoría de control no lineal. En este artículo se presenta una metodología para la obtención de los estados de equilibrio de un sistema no lineal, la linealización exacta de su modelo borroso de estado completamente general, el estudio de la estabilidad local de los equilibrios a partir de dicha linealización, y la utilización de la metodología de Poincare para el estudio de órbitas periódicas en modelos borrosos. A partir de esa información, es posible estudiar la estabilidad local de los estados de equilibrio, así como la dinámica del sistema en su entorno y la presencia de oscilaciones, obteniéndose una valiosa información del comportamiento dinámico del sistema

show abstract

Section: Estados De Equilibrio Y Estabilidad Localunclassified

Metodología formal de análisis del comportamiento dinámico de sistemas no lineales mediante lógica borrosa

Barragán

Al‐Hadithi

Andújar

et al. 2015

Revista Iberoamericana de Automática e Informática Industrial R

Self Cite

View full text Add to dashboard Cite

show abstract

Iterative Fuzzy Modeling of Hydrogen Fuel Cells by the Extended Kalman Filter

et al. 2020

View full text Add to dashboard Cite

Hydrogen economy is one of the recently opened alternatives in the field of non-polluting energy. Hydrogen fuel cells show high performance, high reliability in stationary applications and minimal environmental impact. To increase the efficiency of the hydrogen fuel cell it is very important to have a good model to predict its dynamic behavior. In addition, this model must be able to adapt iteratively to the changes that occur in its performance due to operating conditions and even to the degradation through its lifespan. This paper presents the application of an iterative fuzzy modeling methodology based on the extended Kalman filter applied to a real hydrogen fuel cell. Two algorithms based on the Kalman filter will be compared with the well-known backpropagation algorithm from three different initializations: by uniform partitioning, subtractive clustering and CMeans clustering. The used data have been collected during the actual operation of a real 3.4 kW proton exchange membrane fuel cell. As the article experimentally shows, the Takagi-Sugeno type fuzzy model allows to create a very accurate nonlinear dynamic model of the fuel cell, which can be very useful to design an efficient fuel cell control system.

show abstract