Hierro y Acero Edicion 29 | Page 18

laminación Se puede observar que los errores son muy pequeños desde las primeras predicciones hechas con poco entrenamiento, indicando que es factible la aplicación de los sistemas inteligentes IT2 TSK NSFLS-1 en predicción de variables críticas donde sólo se tiene una sola oportunidad para realizar la predicción óptima de los valores de las variables bajo control. En esta aplicación, el pequeño error presentado en la predicción de la temperatura superficial de la barra de transferencia a la entrada del descascarador secundario garantiza predicciones exactas de las referencias del molino acabador, lo que garantiza la calidad de la cinta. Ya que los sistemas IT2 TSK NSFLS-1 reducen substancialmente la incertidumbre proveniente de todas las fuentes del proceso, su aplicación puede generalizarse de manera natural al modelado, predicción y control de cualquier variable de los procesos industriales, abriendo la posibilidad de controlar procesos que por naturaleza son dinámicos, variables con el tiempo, con alto nivel de incertidumbre y fuertemente no-lineales. REFERENCIAS [1] Méndez, G., Cavazos, A., Leduc, L., Soto, R., Hot Strip Mill Temperature Prediction Using Hybrid Learning Interval Singleton Type-2 FLS, Proceedings of the IASTED International Conference on Modelling and Simulation, February 2003, Palm Springs, pp. 380-385. [2] Méndez, G., Cavazos, A., Leduc, L., R. Soto, Modelling of a Hot Strip Mill Temperature Using Hybrid Learning for Interval Type-1 and Type-2 NonSingleton Type-2 FLS, Proceedings of the IASTED International Conference on Artificial Intelligence and Applications, September 2003, Benalmádena, Spain, pp. 529-533. [3] Bissesur, Y., Martin, E.B., Morrison, A.J. and Kitson, P., Fault detection in hot steel rolling using neural network and multivariate statistics, IEE 2000. Proc.-Control Theory Appl., Nov. 2000, Vol. 147, No. 6, pp. 633-640. [4] GE Models, Users reference, Vol. 1, Roanoke VA, (1993) [5] Harding, R.A., Ph.D. Thesis, Temperature and Structural Changes During Hot Rolling, University of Sheffield, 1976. [6] Mendez, G., Leduc, L., Colas, R. Cavazos, A., Soto, R., Modelling recalescence after stock reduction during hot strip rolling, Iron making and Steelmaking Journal, UK, Nov. 2006. 18 HIERRO yACERO/AIST MÉXICO