Segovia Vera, Juan PabloAraneda Muñoz, Benjamín Alejandro2025-10-302025-10-302025https://repositorio.udec.cl/handle/11594/13316Tesis presentada para optar al título de Ingeniero/a Civil Electrónico/a.El eficiente uso del agua en la industria minera es un desafío crucial, especialmente en la operación de espesadores de relaves, cuyos procesos de separación sólido-líquido son complejos, no lineales y multivariables. Las estrategias de control convencionales y la sintonización manual de sistemas expertos a menudo no logran optimizar la recuperación de agua ni estabilizar la operación de forma robusta. Esta memoria de título se enfoca en el diseño y desarrollo de técnicas de sintonización automática para estrategias de control difuso MIMO (Múltiples Entradas, Múltiples Salidas) aplicables a espesadores de relaves. El objetivo principal es estabilizar la concentración de sólidos en la descarga, considerando variables críticas del proceso como el torque de la rastra, la dosificación de floculante y maximizando la recuperación de agua. La metodología propuesta se desarrolló en etapas: primero, se diseñó un Controlador Lógico Difuso MIMO, cuyas reglas de inferencia se derivaron del conocimiento de modelos matemáticos ARMA del proceso. Luego, se aplicó el algoritmo de Optimización por Enjambre de Partículas (PSO) para sintonizar automáticamente los factores de escala del FLC, explorando dos filosofías de control mediante funciones de costo diferenciadas por sus pesos: la minimización del error cuadrático medio (MSE) y la minimización de los sobrepasos de las variables controladas. Finalmente, los datos generados por los FLC optimizados se utilizaron para entrenar controladores Adaptativos Neuro-Difusos (ANFIS), buscando un refinamiento adicional y mayor adaptabilidad. Todas las simulaciones y validaciones se realizaron en Matlab, utilizando datos históricos de un espesador industrial. Los resultados demostraron la efectividad del PSO para sintonizar los FLC según los objetivos de control. Los FLC sintonizados para minimizar el error lograron una alta recuperación de agua, aunque presentaron un sobrepaso en los sólidos. Por otro lado, los FLC optimizados para minimizar los sobrepasos tuvieron un desempeño excelente en este aspecto, tanto en sólidos como en torque, aunque la recuperación de agua fue algo menor. Además, se demostró que los controladores ANFIS fueron capaces de aprender y replicar con éxito el comportamiento de los FLC optimizados. Los ANFIS entrenados para cada objetivo mantuvieron las características deseadas, logrando una buena recuperación de agua o bajos sobrepasos, respectivamente. Las pruebas de robustez con perturbaciones invertidas indicaron una buena capacidad de generalización de los ANFIS.The efficient use of water in the mining industry is a crucial challenge, especially in the operation of tailings thickeners, whose solid-liquid separation processes are complex, nonlinear, and multivariable. Conventional control strategies and manual tuning of expert systems often fail to optimize water recovery or robustly stabilize operation. This thesis focuses on the design and development of automatic tuning techniques for MIMO (Multiple-Input, Multiple-Output) fuzzy control strategies applicable to tailings thickeners. The main objective is to stabilize the solids concentration in the discharge, considering critical process variables such as rake torque, flocculant dosage, and maximizing water recovery. The proposed methodology was developed in stages: first, a MIMO Fuzzy Logic Controller (FLC) was designed, whose inference rules were derived from knowledge of ARMA mathematical models of the process. Then, the Particle Swarm Optimization (PSO) algorithm was applied to automatically tune the FLC's scaling factors, exploring two control philosophies using cost functions differentiated by their weights: minimizing the mean squared error (MSE) and minimizing the overshoots of the controlled variables. Finally, the data generated by the optimized FLCs were used to train Adaptive Neuro-Fuzzy Inference Systems (ANFIS) controllers, seeking further refinement and greater adaptability. All simulations and validations were performed in Matlab, using historical data from an industrial thickener. The results demonstrated the effectiveness of PSO in tuning the FLCs according to the control objectives. FLCs tuned to minimize error achieved high water recovery, although they exhibited some overshoot in solids. On the other hand, FLCs optimized to minimize overshoots performed excellently in this aspect, for both solids and torque, although water recovery was somewhat lower. Furthermore, it was shown that ANFIS controllers were capable of successfully learning and replicating the behavior of the optimized FLCs. The ANFIS trained for each objective maintained the desired characteristics, achieving good water recovery or low overshoots, respectively. Robustness tests with inverted disturbances indicated a good generalization capability of the ANFIS.esCC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 InternationalIndustria mineraMaquinaria mineraAgua en mineríaThesis