Control tolerante a fallos en una suspensión semiactiva
dc.contributor.advisor | Borrás Pinilla, Carlos | |
dc.contributor.author | Rueda Villanoba, Sergio Alberto | |
dc.contributor.evaluator | Ardila Gómez, Sergio Andrés | |
dc.contributor.evaluator | Hazbón Álvarez, Omar | |
dc.date.accessioned | 2023-11-24T20:58:42Z | |
dc.date.available | 2023-11-24T20:58:42Z | |
dc.date.created | 2023-11-15 | |
dc.date.issued | 2023-11-15 | |
dc.description.abstract | El 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.abstractenglish | The 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.degreelevel | Maestría | |
dc.description.degreename | Magíster en Ingeniería Mecánica | |
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/20.500.14071/15542 | |
dc.language.iso | spa | |
dc.publisher | Universidad Industrial de Santander | |
dc.publisher.faculty | Facultad de Ingeníerias Fisicomecánicas | |
dc.publisher.program | Maestría en Ingeniería Mecánica | |
dc.publisher.school | Escuela de Ingeniería Mecánica | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
dc.rights.coar | http://purl.org/coar/access_right/c_abf2 | |
dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | |
dc.rights.license | Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO) | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject | Control tolerante a fallas | |
dc.subject | Detección fallas | |
dc.subject | Red neuronal | |
dc.subject | Amortiguador | |
dc.subject | ISO 2631-1 | |
dc.subject.keyword | Fault Tolerant Control | |
dc.subject.keyword | Fault Detection | |
dc.subject.keyword | Neural Network | |
dc.subject.keyword | Damper | |
dc.subject.keyword | ISO 2631-1 | |
dc.title | Control tolerante a fallos en una suspensión semiactiva | |
dc.title.english | Fault Tolerant Control in a Semiactive Suspension System | |
dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | |
dc.type.hasversion | http://purl.org/coar/version/c_b1a7d7d4d402bcce | |
dc.type.local | Tesis/Trabajo de grado - Monografía - Maestría |
Files
Original bundle
1 - 3 of 3
No Thumbnail Available
- Name:
- Carta de autorización.pdf
- Size:
- 118.71 KB
- Format:
- Adobe Portable Document Format
No Thumbnail Available
- Name:
- Nota de proyecto.pdf
- Size:
- 61.78 KB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 2.18 KB
- Format:
- Item-specific license agreed to upon submission
- Description: