Autores: Mariano De Paula, Sergio Gallina y Carlos Sanchez Reinoso.
RESUMEN: El uso de técnicas de control multimodal en sistemas dinámicos de producción por lotes (sistemas batch) propone una promisoria alternativa para realizar exitosamente tareas de supervisión y control en procesos industriales. Estas técnicas persiguen integrar distintas estrategias de control para objetivos parciales o “comportamientos” usando autómatas de Lebesgue con vista a alcanzar objetivos de operación. Estos autómatas permiten identificar secuencias óptimas de modos, también denominados programas de control, usando simulaciones del sistema. Los programas de control multimodal consisten en una secuencia de modos p, cada uno de los cuales comprende una ley de control por retroalimentación y condiciones relevantes de terminación . En este trabajo se describe el empleo de un algoritmo de aprendizaje por refuerzos para encontrar vía simulación un programa óptimo de control alineado con el objetivo de maximizar la productividad en un sistema buffer compuesto de dos tanques.
PALABRAS CLAVES: sistemas batch, aprendizaje por refuerzo, control multi-modal, muestreo de Lebesgue.
Ver Artículo completo .pdf
CONTROLLING BUFFER SYSTEMS FOR HYBRID PLANTS
ABSTRACT: The use of multimodal control techniques for batch dynamic systems offers a promising alternative to successfully perform tasks of supervision and control in industrial processes. These techniques seek to integrate different control strategies with partial objectives or «behaviors» using Lebesgueautomatons overlooking achieve certain operational objectives. These automatons can identify optimal sequences of modes, also called control programs, using system simulations. Multimodal control programs consist of a sequence of modesp, each of which comprises a feedback control law and relevant termination conditions . In this paper the use of a reinforcement learning algorithm is described via to find, by simulations, optimal control program aligned to maximize productivity in a buffer system composed of two tanks.
KEY WORDS: batch systems, reinforcement learning, multimodal control, Lebesgue Sampling.