Browsing by Author "Bonilla Correa, Brayan Alexander"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Implmentación de un sistema HIL (Hardware in the Loop) para el control de nivel.
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi: UTC., 2021-08) Bonilla Correa, Brayan Alexander; Freire, Luigi
    El desarrollo de este prototipo se centra en el acceso limitado a los equipos físicos, así aparece la necesidad de crear un módulo hardware in the loop que permita remplazar los módulos físicos de una planta para el control de nivel, que son costosos para el aprendizaje de futuras generaciones de estudiantes, que cursen por materias que necesiten práctica sobre este caso en específico, en el módulo se encontraran varias señales importantes que utiliza un control de nivel como lo son: SP, PV y CV los cuales permiten determinar los parámetros que se requieren en la planta; así como la cantidad que se encuentra en las variables de las mismas y el estado del mecanismo que alimenta el control. Se implementa un sistema con hardware y software libre que permite realizar control de nivel simulado en este proyecto de tal manera las únicas variables de entrada ingresadas de forma manual serán el set point y perturbación que se enviaran a un microcontrolador el cual realiza la función de la planta de nivel, que se calcula mediante la ecuación de Bernoulli esto a su vez se mostrara en una simulación dentro del software MyOpenLab de forma didáctica para el usuario de este software, regresara la variable process value de la cual envía la cantidad que se encuentra en el tanque de nivel de regreso al microcontrolador y este a través de convertidores de señal digitales- analógicos los envía al controlador donde se realiza un PID para enviar la señal del CV o actuador al microcontrolador y este al software para completar el control de nivel y de esta forma el usuario tendrán una planta digital de control de nivel con la que puedan interactuar.
  • No Thumbnail Available
    Item
    Modelos de predicción de caudales para una mini central hidroeléctrica.
    (Ecuador: Latacunga: Universidad Técnica de Cotopaxi (UTC9, 2023-11) Bonilla Correa, Brayan Alexander; Freire, Luigi
    En este artículo, se presenta una comparación entre dos sistemas implementados en Jupyter Notebook con el núcleo de cálculo de Python. Estos utilizan machine learning para predecir el caudal. Los modelos se entrenaron y evaluaron utilizando datos del año 2022. El primer sistema utiliza el método ARIMA y muestra un error del 4,55% en la predicción del caudal. Se observa una alta similitud entre las curvas del caudal real y pronosticado en cada mes. El segundo sistema utiliza el método RNA-GRU y presenta un error MAPE del 4,62% en la predicción del caudal. Al igual que con ARIMA, se observa un parecido significativo entre las curvas del caudal real y pronosticado en cada mes. Se generaron gráficos de barras que representan la dispersión de los valores pronosticados en comparación con los valores esperados. Estos gráficos permiten evaluar los errores promedio de los pronósticos. En este caso, se evidencia que el método ARIMA tiene un error inferior en comparación con el método GRU. Este artículo demuestra la capacidad de ambos sistemas implementados en Jupyter Notebook para predecir el caudal.