Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

Veuillez utiliser cette adresse pour citer ce document : https://rinacional.tecnm.mx/jspui/handle/TecNM/1636
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorLlama Leal, Miguel Ángel-
dc.creatorGuerra Cano, Juan Felipe-
dc.date.accessioned2021-07-27T12:21:30Z-
dc.date.available2021-07-27T12:21:30Z-
dc.date.issued2019-10-12-
dc.identifier.urihttps://rinacional.tecnm.mx/jspui/handle/TecNM/1636-
dc.descriptionEn este trabajo se presenta un controlador descentralizado utilizando redes neuronales recurrentes de alto orden (RHONNs) discretas para aproximar las dinámicas de los sistemas, por medio de un esquema de identificación y control neuronal. El entrenamiento de las RHONNs se realiza utilizando el filtro de Kalman unscented (UKF) y se compara con trabajos previos realizados con filtro de Kalman extendido (EKF). Los sistemas empleados son el manipulador robótico de accionamiento directo vertical de dos grados de libertad (g.d.l.) y el robot industrial Mitsubishi PA10-7CE de siete g.d.l., los cuales se encuentran en el Laboratorio de Mecatrónica y Control del Instituto Tecnológico de la Laguna.es_MX
dc.language.isospaes_MX
dc.publisherTecnológico Nacional de Méxicoes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subjectinfo:eu-repo/classification/cti/7es_MX
dc.titleControl decentralizado para manipuladores robóticos aplicando redes neuronaleses_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.contributor.directorGarcía Hernández, Ramón-
dc.folio(19)-TMCIE-2019es_MX
dc.rights.accessinfo:eu-repo/semantics/openAccesses_MX
dc.publisher.tecnmInstituto Tecnológico de La Lagunaes_MX
Collection(s) :Maestría en Ciencias en Ingeniería Eléctrica

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
(19)-TMCIE-2019-Juan Felipe Guerra Cano.pdf25.37 MBAdobe PDFVoir/Ouvrir


Ce document est protégé par copyright



Ce document est autorisé sous une licence de type Licence Creative Commons Creative Commons