Diseno, construccion y control de un brazo articulado usando i.a.
| dc.contributor.advisor | Gualdron Gonzalez, Oscar | |
| dc.contributor.author | Villamizar Rincon, Juan Carlos | |
| dc.date.accessioned | 2024-03-03T04:45:05Z | |
| dc.date.available | 2004 | |
| dc.date.available | 2024-03-03T04:45:05Z | |
| dc.date.created | 2004 | |
| dc.date.issued | 2004 | |
| dc.description.abstract | En esta investigación se revisaron tres tópicos a saber: Selección y manejo de motores de c.c, interfaz con matlab y redes neuronales en el posicionamiento de articulaciones. En la primera parte, se realizó el estudio de las fuerzas actuantes sobre cada una de las articulaciones del brazo, se realizaron los cálculos para seleccionar cada uno de los motores y se seleccionaron los correspondientes en corriente continua. En la segunda sección, se hizo controles por tiempo, PID y se usó la red adaline para posicionar correctamente el brazo, claro está que el control general o fino se realizó por medio de una red Back propagation. En la tercera parte, se entrenó una red neuronal del tipo back propagation para desarrollar la cinemática directa e inversa del brazo. Para obtenerla se tuvo como referencia un desarrollo matemático usando la trigonometría euclidiana; donde a partir de las ecuaciones que gobiernan el movimiento se tomaron los ángulos del brazo antebrazo y muñeca para obtener las coordenadas X, Y y ángulo de la pinza con el plano de trabajo. El primer modelo experimental se obtuvo usando con cada una de las articulaciones por separado donde se entrenó una red neuronal para cada articulación los parámetros de entrada era el número de vueltas dadas por el motor y las salidas era el ángulo de cada una de las articulaciones. Este método no fue válido para la solución del problema, puesto que se pierde la influencia de una articulación sobre la otra y el error en el posicionamiento fue grande. En un segundo enfoque, se tomaron todas las articulaciones influyendo sobre el posicionamiento general del brazo, se usó una gran red neuronal del tipo back propagation con tres neuronas en la capa de entrada, 51 en la capa intermedia y 3 en la capa de salida para obtener la cinemática directa. Con esta red, se pudo obtener un error bajo en el posicionamiento el tiempo de proceso fue corto y los datos de entrenamiento fueron pocos. 1 | |
| dc.description.abstractenglish | In this investigation three topics were revised that is: Selection and handling of motors of c.c, interface with matlab and neural networks in the positioning of articulations. In the first part, they were carried out the study of the forces on each one of the articulations of the arm, they were carried out the calculations to select each one of the motors and the corresponding ones were selected in continuous current. In the second section, it was made controls by time, PID and a adaline network was used to position the arm correctly, clearing is that the general control was carried out by means of a net Back propagation. In the third part, he trained a neural network of the type back propagation to develop the direct and inverse kinematics of the arm. To obtain it one had like reference a mathematical development using the euclidian´s trigonometry; where starting from the equations that govern the movement the angles of the arm forearm and doll they took to obtain the coordinated X, Y and angle of the clip with the work plane. The first experimental model was obtained using with each one of the articulations for separate where she trained a neural network for each articulation the entrance parameters it was the number of turns given by the motor and the exits was the angle of each one of the articulations. This method was not valid for the solution of the problem, since it gets lost the influence of an articulation on the other one and the error in the positioning it was big. In a second focus, they took all the articulations influencing on the general positioning of the arm, a great netural network of the type back propagation was used with three neurons in the input layer, 51 in the intermediate layer and 3 in the exit layer to obtain the direct kinematics. With this net, one could obtain a low error in the positioning the time of process it was short and the data of training were few | |
| dc.description.degreelevel | Maestría | |
| dc.description.degreename | Magíster en Potencia Eléctrica | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.instname | Universidad Industrial de Santander | |
| dc.identifier.reponame | Universidad Industrial de Santander | |
| dc.identifier.repourl | https://noesis.uis.edu.co | |
| dc.identifier.uri | https://noesis.uis.edu.co/handle/20.500.14071/16926 | |
| dc.language.iso | spa | |
| dc.publisher | Universidad Industrial de Santander | |
| dc.publisher.faculty | Facultad de Ingenierías Fisicomecánicas | |
| dc.publisher.program | Maestría en Potencia Eléctrica | |
| dc.publisher.school | Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones | |
| dc.rights | http://creativecommons.org/licenses/by/4.0/ | |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
| dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | |
| dc.rights.license | Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0 | |
| dc.subject | Robótica | |
| dc.subject | Redes neuronales | |
| dc.subject | Motores | |
| dc.subject | Microcontroladores. | |
| dc.subject.keyword | Robotics | |
| dc.subject.keyword | Neural networks | |
| dc.subject.keyword | Motors | |
| dc.subject.keyword | Microcontrollers. | |
| dc.title | Diseno, construccion y control de un brazo articulado usando i.a. | |
| dc.title.english | Diseño, construcción y control de un brazo articulado usando I. A | |
| dc.type.coar | http://purl.org/coar/version/c_b1a7d7d4d402bcce | |
| dc.type.hasversion | http://purl.org/coar/resource_type/c_bdcc | |
| dc.type.local | Tesis/Trabajo de grado - Monografía - Maestria |