Resumen
La versatilidad mostrada por los autómatas programables los ha llevado a situarse entre los principales equipos de control de procesos industriales en el mundo. La potencialidad de los lenguajes de programación permite estructuraren ellos estrategias de control inteligente. Se presenta la implementación de un control difuso en un autómata programable, definiendo rutinas específicas para la realización de la máquina de inferencia, lo cual representa economíade recursos y abre las puertas para implementar estrategias de inteligencia computacional en autómatas programables.Citas
CORRIPIO, A.B. “Tuning of industrial controls systems”. ISA- The Instrumentation, Systems and automation society. 1990.
DEL BRÍO, B. M.; MOLINA, A.S. “Redes neuronales y sistemas difusos”, segunda edición, Alfaomega.2001.
GUTIÉRREZ, A. A.; SANJUÁN, M. E. Ecuaciones de sintonización para controladores difusos basadas en modelos de primer orden más tiempo muerto. Ingeniería & desarrollo, Enero-Junio 2006.
GUTIÉRREZ, W. G. Estudio de diferentes técnicas de inteligencia computacional para sintonía de acciones de control PID. Maestría Proyecto de grado, Grupo PSI., Universidad del Valle, 2009.
VICTORIA, C.; MANTILLA, W.; GUTIÉRREZ, W. G. “Diseño e implementación de una planta didáctica para la Formación Remota en Control de Procesos” SENA, Regional Valle del Cauca. C.E.A.I. 2005.
Capability profile RSLogix 5000 Ad-On Instructions. Publicación 9324 PP04A-EN-P, Noviembre 2006. Disponible en www.ab.com.
SIVANANDAM, S. N.; SUMATHI, S; DEEPA, S. N. Introducction to Fuzzy Logic using Matlab” Springer – Verlag Berlin, Heidelberg 2007.
KASOBOV, N. K. “Foundation of Neural Networks, Fuzzy Systems, and Knowledge Engineering” A Bradfor Book The MIT Press Cambridge, Massachusetts London, England. 1990.
RAÚL, R.; CARLOS, N. “Sistemas de control basados en lógica borrosa: Fuzzy control”. Omron Electronics S.A, Centro de Investigaciones Tecnológicas IKERLAN. 1995.
LEE, K. “First Course on Fuzzy Theory and Applications”. Springer. 2005.














