1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Sinaloa
4. Instituto Tecnológico de Culiacán
5. Tesis de Maestría
6. Maestría en Ciencias de la Computación

Title:	Técnicas de deep learning para el control de un Mecanismo implementando visión artificial
Authors:	Tejeda Ochoa, David Alejandro
metadata.dc.subject.other:	Aprendizaje máquina Aprendizaje profundo Inteligencia artificial Mecanismo Pendulo invertido Sistemas de control Sliding Mode Control (SMC) Vision artificial VII
Issue Date:	2022
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Culiacán
Description:	Las inteligencia artificial se ha vuelto una de las áreas de conocimiento más importantes del último tiempo, hay empresas como Google, Microsoft o Amazon que ponen cada vez más atención a desarrollar e integrar a sus productos técnicas de esta disciplina. Desde el procesamiento del lenguaje para los asistentes virtuales, hasta la fotografía móvil, en donde los celulares ya han llegado a un punto que con el procesamiento de imagen realizado por la inteligencia artificial ha logrado acercarse al resultado de una cámara fotográfica profesional. Integrar las tecnologías de esta área con otras áreas se ha convertido en un desafío para los equipos de desarrollo. Unas de las áreas que podría trabajar en conjunto con estas técnicas sería la del control e instrumentación. Por su naturaleza, estas áreas ya cuentan con un algoritmo programado para realizar las tareas, por lo que es posible, dentro de esa programación, integrar algoritmos de inteligencia artificial. El proyecto aquí presentado hace una integración entre estas áreas de conocimiento, inteligencia artificial, control e instrumentación, adaptando técnicas de inteligencia artificial como lo es la visión artificial o el aprendizaje profundo, a sistemas de control e instrumentación convencionales. Este es capaz de hacer mediciones en tiempo real de la posición y velocidad angular de un mecanismo de péndulo invertido, por medio de un sensor fotográfico, supliendo a los sensores como acelerómetro y giroscopio. Además de implementar una red neuronal en un sistema de control por modos deslizantes, obteniendo un control más robusto. Este sistema ha sido probado respecto a referencias ideales de posición, velocidad y señaales de control, obteniendo una rapidez de muestreo del sistema de visión artificial de entre 1 a 9 milisegundos, y una adaptación a perturbaciones lo suficientemente buena, también con una buena exactitud, acercándose a los valores reales. Además generando una señal de control acercada a la ideal, adaptándose, también, a perturbaciones bruscas que sufrió el sistema durante las pruebas.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Appears in Collections:	Maestría en Ciencias de la Computación

This item is protected by original copyright View License

This item is licensed under a Creative Commons License