Ingeniería de Control y Automatización

Permanent URI for this collectionhttp://98.81.228.127/handle/20.500.12404/767

Browse

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Robust estimation of vertical wheel forces via modulation-based sensor fusion
    (Pontificia Universidad Católica del Perú, 2019-11-05) Segura Rojas, Juan de Dios; Reger, Johann; Pérez Zúñiga, Carlos Gustavo
    Since its introduction by Shinbrot, numerous variations of parameter identification based on the Modulating Function Technique (MFT) have been developed. Recently researches have achieved to estimate also states through this method. In this thesis, the MFT is utilized for the estimation, of both parameters and states, that lead to observe the behaviour of the vertical suspension forces on a vehicle over time. In order to deal with the frequency disturbances present by perturbations as measurement noise and vibrations, the Fourier Modulating Function (FMF) as a kernel is proposed. Furthermore, this method is implemented with the concept of sensor fusion. The estimation that results after the implementation of an adaptive observer during the present work is going to show the robustness of the studied technique.
  • Thumbnail Image
    Item
    Desarrollo de un sistema de diagnóstico de fallas basado en filtros no lineales de rápido seguimiento: aplicación a un proceso hidráulico de cuatro tanques acoplados
    (Pontificia Universidad Católica del Perú, 2017-10-16) Mosaja Churata, Julio Alejandro; Pérez Zúñiga, Carlos Gustavo
    Se presenta el desarrollo de un sistema de diagnóstico de fallos (SDF) aplicado a un proceso hidráulico con tanques interconectados, mediante el Esquema de los Observadores Dedicados (DOS) y el enfoque de estimación paramétrica. La tesis incluye el modelamiento del proceso, el análisis de las fallas de mayor criticidad que se podrán presentar y el diseño de un regulador LQG que permite estabilizar el sistema. En el proceso de diseño del SDF en sensores, se introdujo el Filtro de Rápido Seguimiento (STF), una variante adaptativa del Filtro Extendido de Kalman (EKF), el cual resultó muy útil al aumentar la disponibilidad y estabilidad del SDF, mediante la reducción notable del tiempo de convergencia en los estados estimados de las variables no medidas y la capacidad para eliminar el sesgo originado por el método de discretización empleado. El Algoritmo STF es empleado en la construcción del banco de observadores, necesario para la implementación del enfoque DOS. Adicionalmente, con el objetivo de dar un diagnóstico detallado, se diseño un algoritmo de identificación de fallos basado en umbrales estáticos. Los resultados obtenidos mediante simulación lograron detectar, aislar e identificar fallos individuales en todos los sensores, llegando inclusive a identificar fallos simultáneos hasta en tres sensores a la vez. En la tarea de diagnóstico en componentes (actuadores, tuberías y tanques), se vio por conveniente usar el enfoque de estimación paramétrica mediante la técnica de Estados Aumentados, obteniendo resultados satisfactorios. Se demostró como el algoritmo STF representa una sencilla solución a los problemas de divergencia del EKF, logrando la convergencia de los parámetros estimados a sus valores nominales en presencia de incertidumbres en el modelo y ruido de medición. En general, se evidenció que el STF puede proporcionar una estimación de parámetros rápida, estable y libre de sesgos para el Sistema Hidráulico, aun cuando ocurren cambios paramétricos simultáneos en la planta.