Por favor, use este identificador para citar o enlazar este ítem: https://rinacional.tecnm.mx/jspui/handle/TecNM/7605
Título : Detección de Fallas en Sensores con Filtros H∞ para Sistemas Difusos Takagi-Sugeno. Aplicación a un Proceso de Fermentación
Autor : Rosas Carrasco, Amairany Lizet%513036
Fecha de publicación : 2015-07-08
Editorial : Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Centro Nacional de Investigación y Desarrollo Tecnológico
Descripción : Esta tesis presenta el diseño y aplicación de un esquema de detección de fallas para Sistemas Lineales de Parámetros Variables LPV Takagi-Sugeno, aplicado a un proceso de fermentación. Este esquema de detección de fallas es empleado para la localización de fallas en los sensores involucrados en el proceso de fermentación, utilizando un esquema de observadores generalizados (GOS). Dicho esquema cuenta con observadores basados en modelos difusos Takagi-Sugeno robustos a ruido por parte de la norma H . Para su diseño se realiza una representación Takagi-Sugeno del proceso de fermentación para la estimación de los estados, utilizando el enfoque de Linealización por Series de Taylor. Posteriormente el esquema de detección de fallas es validado por medio de imulaciones numéricas aplicadas al caso de estudio de un proceso de fermentación alcohólica de flujo continuo para la producción de etanol por medio de frutos. Finalmente, se analiza el desempeño del esquema de detección de fallas y se describen las conclusiones y las limitaciones del mismo.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Aparece en las colecciones: Tesis de Maestría en Ingeniería Electrónica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
ME_Amairany_Lizet_Rosas_Carrasco_2015.pdfTesis11.71 MBAdobe PDFVisualizar/Abrir
ME_Amairany_Lizet_Rosas_Carrasco_2015_c.pdf
  Restricted Access
Cesión de derechos131.03 kBAdobe PDFVisualizar/Abrir  Request a copy


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons