Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/337
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nd/4.0es_ES
dc.contributorGuillermo Ronquillo Lomelies_ES
dc.creatorLuis Mario Lizarraga Orozcoes_ES
dc.date2013-09-
dc.date.accessioned2018-12-13T22:04:11Z-
dc.date.available2018-12-13T22:04:11Z-
dc.date.issued2013-09-
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/337-
dc.descriptionEsta investigación concierne con la aplicación de diferentes tipos de redes neuronales artificiales (RNAs) para la identificación del modelo no lineal de un péndulo invertido simple sobre un carro móvil (PISC). Se muestra que una red neuronal polinomial es más eficiente en cuestiones de aproximación que una red neuronal prealimentada con estructura de perceptrón multicapa (MLP). Para soportar la afirmación anterior se identificó el modelo no lineal del PISC tanto en simulación como en un prototipo de laboratorio. Las redes que se utilizaron en este trabajo fueron: una red no lineal autoregresiva con entrada externa (NARX) prealimentada con estructura de MLP y con algoritmo de retropropagación (BP) para la actualización de pesos, una red con polinomio de Volterra como función base (VPBF) y una red con polinomio de Chebyshev como función base (CBF). Se desarrolló un algoritmo compacto para implementar una red neuronal en el cuál se puede utilizar cualquier polinomio como función base sin necesidad de adecuar, adaptar o crear un algoritmo específico para cada uno. Los tres tipos de red neuronal se entrenaron durante 60 segundos utilizando el error entre la salida del modelo y la salida estimada por la red. Las redes se validaron fijando los pesos finales del entrenamiento y aplicándose a otros 15 segundos de datos diferentes a los de entrenamiento. Las redes polinomiales mostraron un mejor desempeño en comparación con la red multicapa prealimentada, tanto con los datos de simulación como con los datos del prototipo experimental. Mediante los resultados de un diseño experimental se muestra el desempeño superior de las redes neuronales polinomiales.es_ES
dc.descriptionThis research is concerned with the application of different kinds of artificial neural networks (ANNs) for identification of the nonlinear model of a single inverted pendulum on a moving cart (SIPC). It is shown that a polynomial neural network is more efficient on approximation issues than a feedforward neural network with multilayer perceptron (MLP) structure. To support the latter, the nonlinear model of a SIPC, on simulation an on a laboratory prototype, was identified. The neural networks used in this work were: a nonlinear autoregressive with exogenous input (NARX) feedforward with MLP structure and backpropagation (BP) algorithm for weights update network, a Volterra polynomial as basis function (VPBF) network and a Chebyshev polynomial as basis function (CBF) network. A compact algorithm for neural network implementation was develop, in this algorithm every polynomial as basis function can be used without the necessity of adjusting, adapting or creating an specific for each one. The three kinds of neural network were trained over 60 seconds using the error between the model¿s actual output and the network¿s estimated output. The networks were validated by fixing the final training weights and applying to them (the networks) to another 15 seconds of data, different from the training data. The polynomial networks showed a better performance in comparison with the feedforward multilayer network, with both simulation and prototype data. The efficiency of polynomial networks was proved through the results of a design of experiments.es_ES
dc.formatAdobe PDFes_ES
dc.language.isoEspañoles_ES
dc.relation.requiresSies_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectIdentificaciónes_ES
dc.subjectArtificial neural networkes_ES
dc.subjectIdentificationes_ES
dc.subjectNonlinear systemes_ES
dc.subjectRed neuronal artificiales_ES
dc.subjectSistema no lineales_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleIdentificación no lineal del péndulo invertido sobre carro móviles_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorLIOL881208HSLZRS05es_ES
dc.contributor.identificadorROLG680805HDFNML01es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Cienciases_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en: Maestría en Ciencias

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI003453.pdf5.29 MBAdobe PDFPortada
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.