Experimental Control of a Fuel Cell J. de J. Rubio, Member, IEEE, J. C. Gomez, C. A. Cortes, E. E. Huesca and A. G. Bravo Abstract— This article considers the experimental control to obtain the maximum output in a real fuel cell. The introduced technique uses a modified model, the Hamilton-Jacobi-Bellman method, and an adaptive Riccati equation. The model and control are validated by experiments. Keywords—Experimental control, simulation, fuel cell. E I. INTRODUCCIÓN L CONSUMO de energía crece a un ritmo acelerado, y continuará, debido por un lado, a que la población sigue creciendo, y por otro lado a que en los países en desarrollo aumentará su consumo energético para incrementar su desarrollo. Los combustibles fósiles actualmente proveen la mayoría de las necesidades energéticas mundiales, este hecho presenta dos problemas, el primero es la limitada cantidad de fósiles que en algún momento se acabará, el segundo es que están causando serios problemas al ambiente. La contaminación es uno de los problemas más importantes a encarar y una de sus soluciones se encuentra en el uso de fuentes de energía limpia. Las celdas de combustible prometen ser la siguiente generación de fuentes de energía, ya que pueden utilizarse para aplicaciones móviles y estacionarias, además de su nula emisión de contaminantes. Del hecho anterior, surge la necesidad de realizar investigaciones orientadas a mejorar el proceso de generación de energía eléctrica usando celdas de combustible. Existen algunos trabajos relacionados con las celdas como son [1], [2], [4], [5], [6], [7], [10]. En [1], se presenta la evaluación del ciclo de manejo en vehículos de celdas de combustible. En [2] se presenta el análisis numérico de celdas solares bajo diferentes condiciones de operación. En [4], consideran las características que permiten la protección de celdas fotovoltaicas. En [5], se introduce un vehículo aéreo no tripulado que usa celdas solares para la alimentación de energía. En [6] y [7], se presentan dos controladores no lineales para los modelos dinámicos de dos celdas de combustible. En [10], se diseña una estrategia de control para las celdas de combustible. Los resultados anteriores son interesantes, pero ninguno de ellos propone un control J. de J. Rubio, Sección de Estudios de Posgrado e Investigación, ESIME Azcapotzalco, Instituto Politécnico Nacional, México, [email protected], [email protected] J. C. Gómez, Instituto Politécnico Nacional, ESIME Zacatenco, Laboratorio de Vibraciones y Rotodinámica, México, [email protected] C. A. Cortés, Centro de Investigación e Innovación Tecnológica, Instituto Politécnico Nacional, México, [email protected] E. E. Huesca, Instituto Politécnico Nacional, ESIME Zacatenco, Laboratorio de Vibraciones y Rotodinámica, México, [email protected] A. G. Bravo, Centro de Investigación e Innovación Tecnológica, Instituto Politécnico Nacional, México, [email protected] experimental aplicado a una celda de combustible con el objetivo principal a maximizar su voltaje generado. La primera aportación de este estudio es el modelo dinámico modificado de una celda de combustible con su correspondiente validación, la validación de un modelo dinámico es la comparación de los valores de algunas variables tomados del sistema real con los tomados de su simulación. La validación de modelos dinámicos ha sido presentada en los trabajos de [8] para un cuadrotor y en [9] para los brazos robóticos. La segunda aportación de esta investigación es la validación de un control experimental. La simulación del control propuesto proporcionará la combinación de las entradas tales que se obtenga el voltaje de salida máximo, además de que los voltajes de salida simulados y experimentales sean similares. Este artículo se organiza como sigue. En sección II, se presenta el modelo dinámico modificado de la celda de combustible. En sección III, se diseña el controlador experimental aplicado a la celda de combustible. En sección IV, se muestran los resultados experimentales. En sección V, se explican las conclusiones y el trabajo futuro. II. MODELO DINÁMICO MODIFICADO DE LA CELDA DE COMBUSTIBLE En esta sección, se describe el modelo dinámico de [6], este se usará en la siguiente sección para el diseño del controlador. Además, se modifica el modelo dinámico de la celda de combustible para representar mejor el proceso real. La Fig. 1 muestra la celda de combustible usada en este estudio. Esta consiste de una celda la cual tiene la función de enviar los cationes formados durante la reacción del cátodo. Los electrones alimentados viajan a través del difusor para finalmente llegar al cátodo. Se alimenta el oxígeno en el cátodo y fluye a través difusor hasta el catalizador, donde los cationes y los electrones del hidrógeno hacen una reacción para obtener el producto final que es el agua. Figura 1. Reacciones de la celda de combustible. Se consideran las siguientes suposiciones para la celda de combustible de membrana de intercambio protónico [6]. 1) Son gases ideales. 2) No se considera el manejo de agua para humedecer el sistema. 3) Se determina la velocidad de flujo de oxígeno usando la proporción hidrógeno-oxígeno en el reformador. 4) Se regula la temperatura de la celda a 80 oC usando un sistema independiente de enfriamiento. 5) Se aplica la ecuación de Nernst. A. Ecuación del voltaje de salida de la celda de combustible Se define el voltaje de la celda V como una función de la corriente de la celda, de las presiones parciales de los reactivos, de la temperatura de la celda de combustible, y de la humedad de la membrana, como sigue [6], [7]: (1) V = E − Vactivation − Vohmic − Vconcentration pO2 donde E = N E o + RT ln pH 2 ( Pstd ) es el potencial termo2 F pH OC 2 dinámico de la celda o el voltaje reversible de la ecuación de Nernst, N es el número de celdas en la pila, Eo es el voltaje de la celda en circuito abierto, T es la temperatura de operación, pH2, pO2, pH2Oc son las presiones parciales del gas hidrógeno, oxígeno, y del agua dentro de la celda, respectivamente, R es la constante del gas (8.3144 J/mol oK), F es la constante de Faraday (96439 C/mol), Pstd es la presión estándar (101325 Pa), Vactivation es la perdida de voltaje de las reacciones de la superficie de los electrodos. Vohmic es la caída de voltaje óhmico debido a la resistencia del flujo del protón en el electrodo. Vconcentration es la pérdida de voltaje debida a la reducción de concentración de los gases o del transporte de las masas del oxígeno e hidrógeno. Las ecuaciones se representan como sigue [6]: i + in i + in RT (2) ln Vactivation = N = NC ln 2α F i0 i0 (3) Vohmic = Nri 1/2 (4) Vconcentration = Nmeni donde C=RT/2αF, i es la densidad de corriente de la celda, in es la densidad de corriente interna relacionada a las pérdidas de corriente interna, i0 es la densidad de corriente de intercambio relacionada a las pérdidas de activación, α es el coeficiente de transferencia de carga, r es la resistencia de área específica relacionada a las pérdidas resistivas, m y n son constantes en el voltaje de transferencia de masa. En este estudio, el voltaje de salida de la celda de combustible V de (1) se modifica con la inclusión de una carga externa como se puede ver en la Fig. 2. Esta modificación se representa como sigue: (5) V = E − Vactivation − Vohmic − Vconcentration − Vload donde Vactivation, Vohmic, y Vconcentration se han definido en (2), (3), y (4), respectivamente, Vload=Rli es el voltaje de la carga externa, i es la densidad de corriente de la celda, Rl es la resistencia de la carga externa. B. Ecuaciones de estado Las presiones parciales del hidrógeno, oxígeno, y agua en el cátodo se definen como las variables de estado del sistema y la relación entre los gases que entran y que salen la cual es como sigue [6]: Ánodo: H 2, in + H 2OA, in = H 2, out + H 2OA, out Cátodo: N 2, in + O2, in + H 2OC , in = N 2, out + O2, out + H 2OC , out Desde la ley de los gases ideales se conoce que la presión parcial de cada gas es proporcional a la cantidad de gas en la celda de lo cual hay tres variables relevantes que dependen de la velocidad de flujo de los gases de entrada, del consumo de gas, y de la velocidad de flujo del gas que sale. Entonces, las ecuaciones de estado son [6]: dpH 2 RT pH 2 (6) = H 2, in − 2 K r Ac i − ( H 2, in − 2 K r Ac i ) dt VA pop dpO2 RT pO2 (7) = O2, in − K r Aci − ( O2, in − K r Aci ) dt VC pop (8) H 2OC , in + 2 K r Aci − ( O2, in + 2 K r Aci ) pHp2OC op donde Kr=N/4F, Ac es el área activa en la celda, i está definida en (2)-( 4), Pop es la presión de operación, VA es el voltaje del ánodo, Vc es el voltaje del cátodo, R y T están definidas en (1), H2,in, O2,in, H2OC,in son las velocidades de flujo del hidrógeno, oxígeno, y del agua en el cátodo, respectivamente, pH2, pO2, pH2OC son las presiones parciales del hidrógeno, del oxígeno, y del agua dentro de la celda, respectivamente. C. El sistema en espacios de estado No se considera la entrada del agua H2OC,in en el sistema en espacios de estado debido a que esta no se considera como una entrada en la mayoría de las aplicaciones. Definiendo los estados como x1=pH2, x2=pO2, x3=pH2OC, las entradas como u1=H2,in, u2=O2,in, u3=i, y la salida como y=V da el siguiente sistema en espacios de estado: • u RT u1 RT RT (9) x1 = u1 − 2 K r Ac u3 + 2 K r Ac 3 x1 + − VA pop pop VA VA • u RT u2 RT RT (10) x2 = u2 − K r Acu3 + K r Ac 3 x2 + − VC pop pop VC VC • u RT u2 RT (11) − 2 K r Ac 3 x3 + x3 = 2 K r Ac u3 − VC pop pop VC 1/2 x1 ( Px2 ) u +i y = N E o + 2RTF ln xstd3 − NC ln 3i0 n (12) − Nru3 − Nme nu3 − Rl u3 El sistema no lineal (9)-(12) se reescribe como sigue: dpH 2OC dt = RT VC ( ) Figura 2. Modelo dinámico de la celda de combustible. • x = f ( x, u ) = Ax + Bu y = q ( x, u ) u3 (14) ( ) q ( x, u ) = N ( E o + 2RTF ln x3 ) 1/2 u3 + in i0 nu3 − Rl u3 3 − Nme f1 = f2 = (− RT VC f3 = u1 pop u3 c pop + 2Kr A ( − puop2 + K r Ac u3 pop ) x1 + u1 − u3 pop 2 K r Ac u3 (15) RT VA a2 = a3 = (− puop1 + 2 K r Ac (− RT VC u2 pop (− RT VC RT V A B=0 0 u3 pop u3 c pop + Kr A − 2Kr A RT VC 0 (16) ) (17) • (18) x d = Axd T donde xd=[x1,d, x2,d, x3,d] es la referencia deseada y A está definida en (13). Restando (18) a (13), se obtiene el sistema en lazo cerrado como sigue: • x = Ax + Bu = f ( x , u ) (19) donde u, A, y B están definidas en (13), y: x = x − xd f ( x , u ) = [ f , f , f ] (20) 1 f2 = (− RT VC f3 = (− RT VC u3 c pop u3 c pop + 2Kr A u2 pop (− + Kr A u2 pop 2 3 ) x1 + RT VA ) x2 + RT VC − 2 K r Ac u3 pop x2 c pop r c r (22) 1 1 2 2 x3 c pop ( − RT VA ( u1 + 2 K r Acu3 ) ( 3 3 u1 − RT VA 2 K r Ac u3 u2 − RT VC K r Ac u3 u3 pop ( (21) ) x3 + VRTC 2 K r Ac u3 A continuación se mencionará el teorema el cual es la aportación más importante de este estudio. Teorema 1: Para el modelo dinámico de la celda de combustible (13), existe un controlador experimental capaz de maximizar el voltaje generado en una celda de combustible el cual está dado por las siguientes funciones de control: )s 1 s1 x1 u3 pop s 3 = −2 VRTC − puop2 − 2 K r Ac − COMBUSTIBLE u1 pop c r s1 = −2 VRTA − puop1 + 2 K r Ac • ) En esta sección, se diseña el control experimental para maximizar el voltaje generado en una celda de combustible. Se define el modelo de referencia como sigue [11]: RT VA c 3 3 x1 c pop − VRTC ( u2 − K r Ac u3 ) xs22 III. CONTROL EXPERIMENTAL APLICADO A LA CELDA DE f1 = RT x3 VC pop 2 2 s 2 = −2 VRTC − puop2 + K r Ac ) x3 + VRTC 2 K r Ac u3 2 K r Ac − RT VA − VRTC K r Ac RT VC 2 K r Ac 0 r r ) u3 c pop u2 pop RT VC • A = diag (ai ) ∈ℜ3×3 a1 = r • RT VA ) x2 + VRTC u2 − VRTC K r Ac u3 (− puop2 − 2 K r Ac RT VC RT VA 1 1 y por las siguientes funciones de adaptación: f ( x, u ) = [ f1 , f 2 , f3 ] RT VA x2 pop RT VA RT VC ( ) − Nru − NC ln x1 pop s x ( = − ( −2 K A + 2 K A ) s x − ( − K A + K A ) s x − ( 2K A − 2K A ) s x u2 = − VRTC 1 − donde: x = [ x1 , x2 , x3 ]T , u = [u1 , u2 , u3 ]T x x1 P 2 std ( ) s x ) s x + u1 = − RT VA 1 − (13) (23) )s u3 pop 2 )s 3 s3 c 3 x3 2Kr A u RT VC Demostración: La función promedio entre las entradas de control y los estados es como sigue [3], [11]: tf 1 1 (24) J = H ( x f ) + g ( x, u ) dt 2 2 to donde g(x,u) es la función promedio, H(xf) es una función en el tiempo final. Se define el hamiltoniano como sigue [3], [11]: (25) h ( x, u , λ ) = g ( x, u ) + λ T f ( x, u ) donde λ=[λ1, λ2, λ3]T. Las ecuaciones para obtener el control son [3], [11]: ∂h x , u , λ 0 = ( ∂u ) (26) • λ = − ( ∂x ) se define la función promedio como sigue: ∂h x , u , λ tf 1 1 1 J = 1 + u12 + u22 + u32 dt 2 2 2 to (27) usando (19) y (27), el hamiltoniano es: 1 1 1 (28) h ( x, u, λ ) = 1 + u12 + u22 + u32 + λ1 f1 + λ2 f2 + λ3 f3 2 2 2 donde f1 , f2 , y f3 están definidas en (19). Aplicando la primera ecuación de (26) al hamiltoniano (28) se obtienen las siguientes funciones de control: x1 u1 = − RT VA 1 − pop λ1 ( ( x2 pop u2 = − VRTC 1 − u3 = − − RT VC )λ + 2 RT x3 VC pop λ3 ( −2K A + 2K A ) λ ( −K A + K A ) λ ( 2K A − 2K A ) λ RT VA − VRTC ) r r r c c c r x1 c pop x2 c pop r r x3 c pop (29) 1 2 3 donde λ1, λ2, y λ3 se obtienen aplicando la segunda ecuación de (26) al hamiltoniano (28) y están representadas como sigue: • ( (− (− λ 1 = − RT − pu + 2 K r Ac V A • λ 2 = − VRT C • λ 3 = − VRT C 1 op u2 pop u2 pop u3 pop + K r Ac − 2 K r Ac )λ )λ )λ u3 pop 1 1 (30) 2 u3 pop 3 se define λ1, λ2, y λ3 como sigue: λ1 = s1 x1 (31) λ2 = s2 x2 λ3 = s3 x3 donde s1, s2, y s3 son parámetros escalares variantes con el tiempo. Substituyendo (31) en (29) se obtienen las funciones de control de la ecuación (22); además, substituyendo (31) en • • • (30) y considerando λ i = s i xi + si x i para i=1,2,3, se producen las funciones de adaptación de la ecuación (23). Comentario 1: El controlador experimental diseñado en esta sección, es la principal aportación de este artículo. El método propuesto no se encuentra en la literatura de [3], [11], más bien surge de la combinación de dos métodos, el primero es el diseño general del control en el empleo del hamiltoniano y la función promedio, y el segundo es el diseño del regulador cuadrático lineal para la obtención de las funciones de adaptación. Además, los diseños de la literatura se considera las funciones de adaptación que se resuelven fuera de línea en un sentido inverso, mientras que las funciones de adaptación se considera en este estudio que se resuelven en línea en un sentido directo, y finalmente, los diseños de la literatura no se han aplicado a una celda de combustible. 1T 2 ECM = x 2 dt T 0 (32) donde x 2 = y − yr para los voltajes de salida, y es el voltaje de simulación y yr es el voltaje real. A. Ejemplo 1 El primer ejemplo muestra la validación del modelo propuesto. El modelo dinámico de la celda de combustible está representado por la ecuación (13) con N=1, los estados son x1=pH2, x2=pO2, x3=pH2OC, las entradas son u1=H2,in, u2=H2,in, u3=i, la salida es y=V, x1,0= x2,0= x3,0= 1 Pa son las condiciones iniciales para los estados. La Fig. 3 muestra como la comparación de los valores de la resistencia de carga Rl y del voltaje de salida y=V cambian durante las simulaciones y los experimentos, obteniendo que ambos casos tienen resultados aproximados; también se observa que al aumentar la resistencia de carga, disminuye el voltaje de salida de la celda. La Fig. 4 muestra como la comparación de los valores de la densidad de corriente u3=i y del voltaje de salida y=V cambian durante las simulaciones y los experimentos, obteniendo que ambos casos tienen resultados aproximados; también se observa que al aumentar la densidad de corriente, disminuye el voltaje de salida de la celda. La Fig. 5 muestra el error cuadrático medio de (32) correspondiente al modelo para la diferencia entre el voltaje de salida de la simulación y y el voltaje de salida del experimento yr, lo cual demuestra que ambos resultados son aproximados. IV. RESULTADOS Y DISCISIÓN En este estudio, se valida el control experimental con dos experimentos. El objetivo de esta sección es que tanto el modelo dinámico como el controlador propuestos representen el proceso real de una celda de combustible. El primer objetivo del controlador es incrementar el voltaje generado, es decir, que la salida y alcance su valor máximo tan rápido como sea posible. El segundo objetivo del controlador es que se utilicen la mínima cantidad de consumibles, esto es, que las entradas u1, u2, u3 de (22) deben alcanzar su mínimo tan rápido como sea posible. Algunos parámetros de la celda de combustible se presentan en la Tabla I [6]. TABLA I. PARÁMETROS DE LA CELDA DE COMBUSTIBLE. Parámetro Valor Parámetro Valor 2 VA T 6.495cm 3530 K 2 o AC E 136.7cm 1.3V VC R 12.96cm 2 8.3144J/mol0 K N F 35 96485C/mol Pop Pstd 101×103 Pa 101325Pa Los demás parámetros son α=0.58, i0=1×10-4 mA/cm2, r=3.85×10-4kΩcm2, m=3×10-6 V, y in=1×10-4mA/cm2, -3 2 n=8×10 cm /mA. En este artículo se usa el error con raíz del error cuadrático medio (ECM) [8], [9] para los resultados de la comparación el cual está dado como sigue: Figura 3. Comparación de los voltajes para variaciones en la resistencia de carga. Figura 4. Comparación de los voltajes para variaciones en la densidad de corriente. Figura 5. ECM para el modelo. Figura 6. Entradas mínimas para aplicar a la celda de combustible. Con los resultados de las Figs. 3, 4, y 5 se demuestra que el modelo propuesto representa de manera correcta a la celda de combustible. B. Ejemplo 2 El segundo ejemplo muestra la validación del controlador. El modelo dinámico de la celda de combustible está representado por la ecuación (13) con N=1, Rl=1Ω, los estados son x1=pH2, x2=pO2, x3=pH2OC, las entradas son u1=H2,in, u2=H2,in, u3=i, la salida es y=V, x1,0= x2,0= x3,0= 1 Pa son las condiciones iniciales de los estados, xd,1= xd,2= xd,3= 1.2 Pa desde 0 s a 4 s son las referencias deseadas. El control experimental está representado por las ecuaciones (22), (23) con los parámetros P=diag(1) ∈ℜ3×3, Q=diag(0.1) ∈ℜ3×3, S0=diag(sj,0) ∈ℜ3×3, s1,0=1.2×10-3, s2,0=2.5×10-3, s3,0=2.5, S0 es la condición inicial de S. La Fig. 6 muestra la simulación de las entradas mínimas u1=H2,in, u2=H2,in para alimentar la celda de combustible donde u1 es el doble de u2, esta combinación de las entradas u1, u2 se usa en los experimentos y permite que la salida y de la celda de combustible sea la máxima. La Fig. 7 presenta la comparación de los voltajes de salida y para la simulación y para los experimentos la cual demuestra que son aproximados. La Fig. 8 muestra el error cuadrático medio de (32) correspondiente al control para la diferencia entre el voltaje de salida de la simulación y y el voltaje de salida del experimento yr lo cual demuestra que ambos resultados son aproximados. Figura 7. Comparación de los voltajes para el controlador. Figura 8. ECM para el controlador. Con los resultados de las Figs. 6, 7, y 8 se demuestra que el controlador propuesto alcanza un voltaje de salida máximo para la celda de combustible. V. CONCLUSIÓN En este artículo, se presentó el control experimental aplicado a una celda de combustible logrando el objetivo principal de maximizar el voltaje generado, y los objetivos adicionales que son tener un comportamiento deseado y minimizar el uso de consumibles. El primer experimento mostró que el modelo dinámico propuesto representó bien el proceso real debido a que los voltajes de salida simulados y experimentales dieron valores de voltaje de salida muy aproximados para valores de resistencia de carga y de densidad de corriente diferentes. También se mostró que la simulación del control propuesto proporcionó una buena combinación de las entradas tales que se obtuvo el voltaje de salida máximo, además, los voltajes de salida simulados y experimentales fueron muy aproximados. En el futuro, algunos parámetros del modelo dinámico se van a aproximar usando los algoritmos inteligentes, o se propondrá un controlador inteligente para mejorar el desempeño de la celda de combustible. AGRADECIMIENTOS. Los autores están agradecidos con el editor y con los revisores por sus valiosos comentarios y sus sugerencias que permiten mejorar esta investigación significativamente. Los autores agradecen a la Secretaria de Investigación y Posgrado, a la Comisión de Operación y Fomento de Actividades Académicas, y al Consejo Nacional de Ciencia y Tecnología por su ayuda en esta investigación. REFERENCIAS F. Aguilera, P. M. de la Barrera, C. H. De Angelo, Selection of Induction Machine Models for Efficiency Evaluation in Electric Vehicles, IEEE Latin America Transactions, vol.11, no. 1, pp. 334-340, 2013. [2] M. A. Cappelletti, G. Casas, A. P. Cédola, E. L. P. y Blancá, Numerical Analysis of Si and Ga As Solar Cells Exposed to Space Radiation, IEEE Latin America Transactions, vol.11, no. 1, pp. 268-273, 2013. [3] I. Eronini, Umez-Eronini, System Dynamics and Control, Thomson Learning, ISBN 970-686-041-X, 1998. [4] J. C. Gomez, D. H. Tourn, S. Nesci, G. R. Zamanillo, PV Cells Protection by Using lass PV Fuses, IEEE Latin America Transactions, vol.11, no. 1, pp. 531-537, 2013. [5] C. S. Murdoch, S. N. Reynoso, Design and Implementation of a MPPT Circuit for a Solar UAV, IEEE Latin America Transactions, vol.11, no. 1, pp. 108-111, 2013. [6] W. K. Na, B. Gou, B. Diong, Nonlinear control of PEM fuel cells by exact linearization, IEEE Transactions on Industrial applications, vol. 43, no. 6, pp. 1426-1433, 2007. [7] W. K. Na, B. Gou, Feedback linearization-based nonlinear control for PME fuel cells, IEEE Transactions on Energy Conversion, vol. 23, no. 1, pp. 179-190, 2008. [8] J. J. Rubio, J. H. Pérez-Cruz, Z. Zamudio, A. J. Salinas, Comparison of two quadrotor dynamic models, IEEE Latin America Transactions, vol. 12, no. 4, 2014. [9] J. J. Rubio, A. G. Bravo, J. Pacheco, C. Aguilar, Passivity analysis and modeling of robotic arms, IEEE Latin America Transactions, vol. 12, no. 8, pp. 1381-1389, 2014. [10] S. O. A. Torres, A. C. Mesquita Filho, P. E. V. Miranda, Control Strategy for Balance of Plant in Solid Oxide Fuel Cell, IEEE Latin America Transactions, vol. 11, no. 2, pp. 726-736, 2013. [11] C. Torres, J. J. Rubio, C. Aguilar-Ibáñez, J. H. Pérez-Cruz , Stable optimal control applied to a cylindrical robotic arm, Neural Computing and Applications, vol. 24, no. 3-4, pp. 937-944, 2014. José de Jesús Rubio (M’08) is a full time professor of the Sección de Estudios de Posgrado e Investigación, ESIME Azcapotzalco, Instituto Politécnico Nacional. He has published 78 papers in International Journals, 1 International Book, 8 chapters in International Books, and he has presented 30 papers in International Conferences with 700 citations. He is a member of the IEEE AFS Adaptive Fuzzy Systems. He is member of the National Systems of Researchers with level II. He has been the tutor of 3 P.Ph.D. students, 5 Ph.D. students, 29 M.S. students, 4 S. students, and 17 B.S. students. Julio Cesar Gómez-Mancilla has been the Chair Professor of Mechanical Engineering with Instituto Politecnico Nacional, IPN, Mexico City, where he founded the ESIME Vibration and Rotor Dynamics Laboratory. He has authored/coauthored 17 papers on international journals, several other works in International Conferences, belongs to the National System of Researches level 1, and has supervised 6 Ph.D. and 23 M.Sc. theses." Claudia Alicia Cortés-Escobedo received the M.S. from the ESIQUIE IPN in México in 2003, and the Ph.D. in CINVESTAV IPN in México in 2007. She is a full time professor of the CIITEC, Instituto Politécnico Nacional, México from 2007. She has published 7 papers in international journals. Her research interests are focused on fuel cells and residual water. Erick Eduardo Huesca is a Ph.D. student in the Laboratorio de Vibraciones y Rotodinámica, ESIME Zacatenco, Instituto Politécnico Nacional. He has published 1 paper in an International Journal. His fields of interest are dynamic modeling, control, fuel cells, turbines, and delayed systems. [1] Adrian Gustavo Bravo received the M.S. degree in the Sección de Estudios de Posgrado e Investigación, ESIME Azcapotzalco, Instituto Politécnico Nacional from 2011. He received the Ph.D. degree in the CIITEC, Instituto Politécnico Nacional in 2015. He has published 3 papers in International Journals. His fields of interest are dynamic modeling, robotic systems, control, and fuel cells.