Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Gualdron Gonzalez, OscarVillamizar Rincon, Juan Carlos2024-03-0320042024-03-0320042004https://noesis.uis.edu.co/handle/20.500.14071/16926En 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. 1application/pdfspahttp://creativecommons.org/licenses/by/4.0/RobóticaRedes neuronalesMotoresMicrocontroladores.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestriaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coRoboticsNeural networksMotorsMicrocontrollers.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)