Identificación del vector de estado del modelo híbrido de una turbina de gas mediante el filtro de Kalman en tiempo real
Autores: Delgado-Reyes, Gustavo; Guevara-Lopez, Pedro; Loboda, Igor; Hernandez-Gonzalez, Leobardo; Ramirez-Hernandez, Jazmin; Valdez-Martinez, Jorge-Salvador; Lopez-Chau, Asdrubal
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Identificación del vector de estado del modelo híbrido de una turbina de gas mediante el filtro de Kalman en tiempo real
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Motor de turbina de gas
Simulación en tiempo real
Filtro de Kalman
Bibliotecas ANSI C
Identificación de vector de estado
Computadora de placa única
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Se presenta un modelo y simulación en tiempo real de un motor de turbina de gas (GTE) mediante tareas en tiempo real (RTT). Se aplica un filtro de Kalman para realizar la identificación del vector de estado del modelo GTE. Los algoritmos obtenidos son recursivos y multivariables; por esta razón, se han desarrollado bibliotecas ANSI C para (a) uso de matrices y vectores, (b) gestión de memoria dinámica, (c) simulación de sistemas de espacio de estados, (d) aproximación de sistemas mediante ecuaciones en diferencia finita de matriz, (e) cálculo del vector de errores cuadráticos medios y (f) identificación del vector de estado de sistemas dinámicos a través de filtro digital de Kalman. Las simulaciones se realizaron en una Computadora de Placa Única (SBC) Raspberry Pi 2 con un sistema operativo en tiempo real. Se han medido los tiempos de ejecución para justificar la simulación en tiempo real. Para validar los resultados, se analizan múltiples gráficos temporales para verificar la calidad y el tiempo de convergencia del error cuadrático medio obtenido.
Descripción
Se presenta un modelo y simulación en tiempo real de un motor de turbina de gas (GTE) mediante tareas en tiempo real (RTT). Se aplica un filtro de Kalman para realizar la identificación del vector de estado del modelo GTE. Los algoritmos obtenidos son recursivos y multivariables; por esta razón, se han desarrollado bibliotecas ANSI C para (a) uso de matrices y vectores, (b) gestión de memoria dinámica, (c) simulación de sistemas de espacio de estados, (d) aproximación de sistemas mediante ecuaciones en diferencia finita de matriz, (e) cálculo del vector de errores cuadráticos medios y (f) identificación del vector de estado de sistemas dinámicos a través de filtro digital de Kalman. Las simulaciones se realizaron en una Computadora de Placa Única (SBC) Raspberry Pi 2 con un sistema operativo en tiempo real. Se han medido los tiempos de ejecución para justificar la simulación en tiempo real. Para validar los resultados, se analizan múltiples gráficos temporales para verificar la calidad y el tiempo de convergencia del error cuadrático medio obtenido.