Control tolerante a fallos en una suspensión semiactiva

Simple item page
dc.contributor.advisorBorrás Pinilla, Carlos
dc.contributor.authorRueda Villanoba, Sergio Alberto
dc.contributor.evaluatorArdila Gómez, Sergio Andrés
dc.contributor.evaluatorHazbón Álvarez, Omar
dc.date.accessioned2023-11-24T20:58:42Z
dc.date.available2023-11-24T20:58:42Z
dc.date.created2023-11-15
dc.date.issued2023-11-15
dc.description.abstractEl objetivo del trabajo de investigación descrito en este documento fue modelar y simular un control de tolerancia a fallas, basado redes neuronales, para compensar fugas de fluido en los cilindros en un sistema de suspensión magnetoreológica. Este sistema se basó en el modelo dinámico de medio automóvil, que se compone de la carrocería del vehículo (masa suspendida) conectada por el sistema de suspensión magnetoreológica a las dos ruedas laterales (masa no suspendida). Este modelo se representa como un modelo no lineal de cuatro estados. El módulo de detección de fallas y aislamiento se basa en algoritmos de generación de residuos. Se utiliza una transformación de onda para determinar las características de los residuos de las señales de aceleración del modelo durante la falla, estos datos se usarán para entrenar una red neuronal que diagnosticará la falla. El control tolerante a fallas constará de otra red neuronal, que usando los parámetros de falla modificará los parámetros de control y de este modo compensará la falla utilizando el amortiguador sano restante. El rendimiento de la estructura propuesta de la FTC se demuestra a través de la simulación. Los resultados muestran que el sistema de control podría reducir el efecto de la falla parcial del amortiguador magnetorreológico y así mantener el confort del pasajero.
dc.description.abstractenglishThe objective of the research work described in this paper was to model and simulate a fault-tolerant control, based on neural networks, to compensate for fluid leakage in the cylinders of a magnetorheological suspension system. This system was based on the dynamic model of half an automobile, which is composed of the vehicle body (suspended mass) connected by the magnetorheological suspension system to the two side wheels (unsprung mass). This model is represented as a nonlinear four-state model. The fault detection and isolation module is based on residual generation algorithms. A wavelet transform is used to determine the residual characteristics of the model's acceleration signals during the fault, this data will be used to train a neural network that will diagnose the fault. The fault tolerant control will consist of another neural network, which using the fault parameters will modify the control parameters and thus compensate for the fault using the remaining healthy buffer. The performance of the proposed FTC structure is demonstrated through simulation. The results show that the control system could reduce the effect of the partial failure of the magnetorheological shock absorber and thus maintain passenger comfort
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería Mecánica
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/15542
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Mecánica
dc.publisher.schoolEscuela de Ingeniería Mecánica
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectControl tolerante a fallas
dc.subjectDetección fallas
dc.subjectRed neuronal
dc.subjectAmortiguador
dc.subjectISO 2631-1
dc.subject.keywordFault Tolerant Control
dc.subject.keywordFault Detection
dc.subject.keywordNeural Network
dc.subject.keywordDamper
dc.subject.keywordISO 2631-1
dc.titleControl tolerante a fallos en una suspensión semiactiva
dc.title.englishFault Tolerant Control in a Semiactive Suspension System
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Documento.pdf
Size:
4.68 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
118.71 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
61.78 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ingeniería Mecánica