Identificación no lineal del péndulo invertido sobre carro móvil

Luis Mario Lizarraga Orozco

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nd/4.0	es_ES
dc.contributor	Guillermo Ronquillo Lomeli	es_ES
dc.creator	Luis Mario Lizarraga Orozco	es_ES
dc.date	2013-09
dc.date.accessioned	2018-12-13T22:04:11Z
dc.date.available	2018-12-13T22:04:11Z
dc.date.issued	2013-09
dc.identifier.uri	http://ri-ng.uaq.mx/handle/123456789/337
dc.description	Esta 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.description	This 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.format	Adobe PDF	es_ES
dc.language.iso	Español	es_ES
dc.relation.requires	Si	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	Identificación	es_ES
dc.subject	Artificial neural network	es_ES
dc.subject	Identification	es_ES
dc.subject	Nonlinear system	es_ES
dc.subject	Red neuronal artificial	es_ES
dc.subject	Sistema no lineal	es_ES
dc.subject.classification	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.title	Identificación no lineal del péndulo invertido sobre carro móvil	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	curp	es_ES
dc.contributor.tid	curp	es_ES
dc.creator.identificador	LIOL881208HSLZRS05	es_ES
dc.contributor.identificador	ROLG680805HDFNML01	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Maestría en Ciencias	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Maestría	es_ES