Tesis Validadas: 0

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

Por favor, use este identificador para citar o enlazar este ítem: https://rinacional.tecnm.mx/jspui/handle/TecNM/4765
Título : Estimación de Fallas en Sistemas Multi-Agentes Convexos
Autor : Farrera Díaz, Luis Beltrán
metadata.dc.subject.other: Estimación
Fallas
Multi-Agentes
Estimación de Fallas en Sistemas Multi-Agentes Convexos
Fecha de publicación : 2020-02
Editorial : Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Instituto Tecnológico de Tuxtla Gutiérrez
Descripción : El trabajo de investigación presentado propone una solución para la estimación de fallas en actuadores en sistemas multi-agentes (MAS, por sus siglas en inglés) en configuración líder-seguidor modelados en espacio de estados y cuya comunicación está dada de acuerdo a la teoría de grafos. Para conseguir este objetivo, se diseña un observador Proporcional-Integral (PI) que permite estimar las variables de estado no disponibles o no medibles del sistema, es decir, que la matriz C del espacio de estados es distinta a la matriz identidad, C 6= I, y, de manera simultánea, permite estimar correctamente las fallas que los actuadores puedan presentar. Este observador ha sido diseñado, mediante el criterio de estabilidad de Lyapunov, para sistemas lineales. Además del observador lineal, esta investigación extiende sus resultados al campo de los sistemas no lineales a través de las técnicas utilizadas en los sistemas convexos. En ambos casos, las soluciones para encontrar las ganancias del observador se presentan en desigualdades matriciales lineales (LMI, por sus siglas en inglés)
metadata.dc.type: info:eu-repo/semantics/masterThesis
Aparece en las colecciones: MAESTRIA EN CIENCIAS EN INGENIERÍA MECATRÓNICA

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MASTER_THESIS_BELTRAN-MCIM.pdf4.39 MBAdobe PDFVisualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons