Comparación de Estrategias de Control de Temperatura: Controlador PID y Redes Neuronales
Palabras clave:
Control de temperatura, control PID, redes neuronales, procesos industriales, simulaciónResumen
El control de temperatura en procesos industriales es fundamental para garantizar la calidad y eficiencia en la producción. En este estudio, se analiza el desempeño de un controlador tradicional proporcional-integral-derivativo y un controlador basado en redes neuronales en la regulación de temperatura de un horno. Se desarrolla un modelo matemático del sistema y se implementan ambos controladores en un entorno de simulación utilizando Python. Se comparan los resultados en términos de tiempo de respuesta, estabilidad y error en estado estacionario. Los resultados muestran que el controlador basado en redes neuronales puede adaptarse mejor a cambios en la dinámica del sistema, reduciendo el sobreimpulso y mejorando la estabilidad del proceso. Este estudio demuestra el potencial de la inteligencia artificial en el control de procesos industriales y plantea futuras investigaciones en el desarrollo de estrategias de control avanzadas.
Referencias
Aguilar Malavé, J. S. (2023). Control predictivo basado en modelo para un sistema tipo SISO de nivel de líquido representado en variables de estados y su comparación con el control PID y control por redes neuronales artificiales (Bachelor's thesis, La Libertad: Universidad Estatal Península de Santa Elena, 2023.). https://repositorio.upse.edu.ec/handle/46000/9608
Angulo, Y. D., Gómez, B. S. M., Piraban, H. C. A., Moreno, M. C., & Garcia, A. P. (2021). Control Clasico E Inteligente De Temperatura En Un Prototipo De Invernadero Hidroponico. Ingeniería e Innovación. https://revistas.unicordoba.edu.co/in dex.php/rii/article/download/2674/3483
Blanco Fernández, C., Sierra García, J. E., & Santos, M. (2022). Control de un laboratorio de control de temperatura mediante redes neuronales recurrentes. In XLIII Jornadas de Automática (193-200). Universidade da Coruña. Servizo de Publicacións. http://hdl.handle.net/2183/31379 DOI: https://doi.org/10.17979/spudc.9788497498418.0193
Castro, C. E. V., Pavia, F. E. C., González, D. A. R., & Suarez, O. J. (2021). Diseño De Técnicas De Control Clásico E Inteligente Para Regular Hornos Eléctricos De Tratamiento Térmico. Ingeniería e Innovación. https://revistas.unicordoba.edu.co/index.php/rii/article/download/2645/3454
Cobos Franco, R. G., & Salas, S. (2021). Desarrollo de Estrategias de Control Inteligente para un Sistema de Soldadura por Fricción con Agitación (Doctoral dissertation, ESPOL. FIEC.). http://www.dspace.espol.edu.ec/handle/123456789/56411
Espinosa Cárcamo, D., & Pacheco Márquez, S. A. (2021). Comparación de controladores data-driven para un proceso con incertidumbres y no linealidades del laboratorio de automatización y control de la Universidad EIA. https://repository.eia.edu.co/handle/11190/3503
Martínez Añazco, M. S., & Moreta Mite, F. D. L. Á. (2025). Análisis comparativo de desempeño entre control PID y lógica difusa para un sistema de levitación neumática (Bachelor's thesis). http://dspace.ups.edu.ec/handle/123456789/30433
Montoya Barbosa, I. S. (2024). Puesta en marcha del canal de riego como herramienta de aprendizaje significativo para el control y automatización: introducción del módulo de machine learning y redes neuronales industriales. https://hdl.handle.net/1992/74275
Pérez Domínguez, L., Garcia Villalba, L. A., Rodriguez Picon, L. A., Luviano Cruz, D., & Ortiz Muñoz, D. Y. (2021). Control de posición angular para panel solar basado en redes neuronales y control inteligente. Instituto de Ingeniería y Tecnología. http://cathi.uacj.mx/20.500.11961/22150
Pinto Tamayo, H. J. (2024). Control basado en Lyapunov para sistemas no lineales, caso de estudio, sistema de nivel de líquido, y su símil con algoritmos de control PID y redes neuronales artificiales (Bachelor's thesis, La Libertad, Universidad Estatal Península de Santa Elena, 2024). https://repositorio.upse.edu.ec/handle/46000/10626
Quiroga, Á. S. (2025). Control de un rectificador elevador de medio puente con alto factor de potencia usando la red neuronal NARMA-L2. Recuperado de: http://hdl.handle.net/11349/94041
Sánchez, F., Argüelles, E., Terrones, J., & Fernández, L. (2023). Red neuronal artificial evolutiva para el control de temperatura en un reactor batch de polimerización. http://dspace.ups.edu.ec/handle/123456789/25212
Sánchez-Ruiz, F. J., Hernández, E. A., Terrones-Salgado, J., & Fernández Quiroz, L. J. (2023). Red neuronal artificial evolutiva para el control de temperatura en un reactor batch de polimerización. Ingenius. Revista de Ciencia y Tecnología, (30), 79-89. https://doi.org/10.17163/ings.n30.2023.07 DOI: https://doi.org/10.17163/ings.n30.2023.07
Triana, M. A. P., Peñaloza, J. A. M., Sánchez, W. H. C., & Arboleda, D. M. M. Implementación de un controlador neuronal para la aplicación de seguimiento de obstáculos en robótica móvil. https://www.researchgate.net/publication/382687778
Villalba, J. C. (2022). Modelización de sistemas térmicos en experimentos criogénicos usando redes neuronales (Doctoral dissertation, Universidad de Zaragoza). https://zaguan.unizar.es/record/125097
Publicado
Cómo citar
Número
Sección
Categorías
Licencia
Derechos de autor 2025 Carpio-Velasco, Francisco Javier, Garcés-Beltrán, Gloria Margarita (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Cómo citar
