2. Maestría
Permanent URI for this communityhttp://98.81.228.127/handle/20.500.12404/2
Tesis de la Escuela de Posgrado
Browse
3 results
Search Results
Item Control de aprendizaje profundo basado en un control predictivo por modelo no lineal para un vehículo submarino no tripulado(Pontificia Universidad Católica del Perú, 2024-11-29) Gallardo Rodríguez, Manuel Enrique; Portella Delgado, Jhon ManuelLa presente tesis propone un algoritmo para el entrenamiento de una red neuronal con algoritmos de Redes Neuronales Profundas (Deep Learning) en combinación con un control predictivo basado en modelos no lineal (NLMPC - Non Linear Model Predictive Control) para el entrenamiento de vehículos submarinos. El interés por el desarrollo de sistemas autónomos se incrementó considerablemente en los últimos años. Sectores como el industrial y militar han desarrollado esta tecnología con la finalidad de implementar futuros proyectos vinculados especialmente a la navegación autónoma. Este tipo de navegación se basa en sistemas de control en tiempo real que identifican el entorno que rodea al vehículo con la finalidad de tomar decisiones de desplazamiento en función de las restricciones mecánicas del vehículo y físicas del entorno. Los sistemas de Control Predictivo en Base a Modelos o MPC por sus siglas en inglés Model Predictive Control, han sido usados de manera satisfactoria para el control de vehículos submarinos. Sin embargo, su aplicación requiere estimar los estados del sistema en todo momento, lo cual tiene un coste computacional muy alto en entornos complejos como el medio submarino. Por otro lado, los sistemas de control con Redes Neuronales, no necesitan estimar de manera explícita la dinámica del modelo, pues obtienen una política que relaciona las entradas del sistema con las acciones finales, mejorando de esta manera el control de sistemas complejos a través de Redes Neuronales constituidas por muchas capas ocultas, sin caer en el error de acumulación de error durante la etapa de entrenamiento. En este escenario, el presente trabajo tiene como objetivo el control de un robot submarino no tripulado, basado en una combinación del sistema de control no lineal MPC y una Red Neuronal entrenada con algoritmos de aprendizaje profundo (Deep Learning). El control no lineal MPC suministraría la información necesaria a la Red Neuronal durante la etapa de entrenamiento, posteriormente la Red Neuronal podría controlar el movimiento del robot submarino sin la necesidad de conocer todos los estados del vehículo y a un coste computacional mucho menor.Item Desarrollo de un sistema de control avanzado para un vehículo submarino autónomo tipo planeador con actuadores internos(Pontificia Universidad Católica del Perú, 2020-01-14) Quiroz Velásquez, Diego Eduardo; Cuéllar Córdova, Francisco FabiánEn los últimos años, la ingeniería marina ha desarrollado una serie de vehículos submarinos con el fin de observar y caracterizar los ecosistemas marinos ante la creciente demanda por sus recursos como fuente de energía y alimento. Estos vehículos, denominados vehículos submarinos autónomos (AUVs), son capaces de recorrer el ambiente submarino y recolectar información medida por un arreglo de sensores que llevan a bordo. En particular, los planeadores submarinos pueden realizar exploraciones por periodos de tiempos extensos, por lo cual son un gran beneficio para la ingeniería marina. Debido a la naturaleza de dichos vehículos, y la dificultad de transmitir datos de forma inalámbrica en un ambiente submarino, se han desarrollado algoritmos de navegación autónoma empleando varias técnicas de control, mejorando el desempeño de dichos vehículos ante entornos desconocidos y el seguimiento de trayectorias deseadas. Sin embargo, en muchos casos, la investigación se ha enfocado en el desarrollo de algoritmos clásicos empleando modelos simplificados que no consideran, o minimizan los efectos hidrodinámicos sobre la dinámica del vehículo en movimiento. Es por ello, que se desea desarrollar un algoritmo de control que permita que un planeador submarino permanezca en una trayectoria predefinida considerando los efectos de las fuerzas hidrodinámicas sobre el movimiento. El presente trabajo considera la aplicación de algoritmos avanzados que garanticen la estabilidad del vehículo durante todo su recorrido, en particular en los cambios de planeado descendiente a ascendiente donde los puntos críticos deseados varían según el ángulo de planeado y dirección, así como los limitantes físicos de posición y velocidad para los actuadores internos del vehículo. Durante el desarrollo de la investigación se obtuvo un modelo del planeador submarino que relacione el estado de los actuadores internos del vehículo con su posición, orientación y velocidad durante el planeado. A partir de ello se desarrolla un total de tres controladores, primero un controlador MIMO (múltiple entrada, múltiple salida) empleando la ley de control proporcional-integrativo debido a la naturaleza intrínseca multivariable del planeador submarino. Segundo, se desarrolló un sistema óptimo basado en un regulador cuadrático lineal, el cual permite optimizar el consumo energético con el fin de extender el tiempo de recorrido. Finalmente se obtuvo un controlador no lineal basado en la técnica backstepping adaptativo, el cual considera la naturaleza desconocida de los parámetros hidrodinámicos para estimar su efecto sobre el vehículo y obtener la señal de control que lo estabiliza. El desempeño de los tres algoritmos es comparado mediante simulaciones, determinando que el algoritmo no lineal basado en backstepping adaptativo presenta un mejor comportamiento. Finalmente, se procede a implementar un planeador submarino basado en tecnologías de prototipado rápido, para evaluar el funcionamiento del algoritmo desarrollado en un sistema real. Los resultados de las pruebas realizadas demuestran que efectivamente, el sistema de control es capaz de estabilizar el vehículo sin tener conocimiento previo sobre los parámetros hidrodinámicos y la magnitud de su efecto sobre la dinámica del vehículo.Item Modelling and essential control of an oceanographic monitoring remotely operated underwater vehicle(Pontificia Universidad Católica del Perú, 2017-10-14) Rojas Mendoza, Jorge Enrique; Cuéllar Córdova, Francisco FabiánOcean pollution and contamination of the water are serious problems because of its rapid increase and spread, having a negative effect on people, animals and the environment. Due to this, new technologies to monitor and measure environmental parameters are being developed. Remotely Operated Underwater Vehicles (ROVs) have become a commonly used robotic platform in oceanographic monitoring and analysis. The ROVBWSTI, designed by Fraunhofer IOSB-AST Institute, is an underwater modular vehicle capable of fulfilling numerous tasks, especially in the area of environmental sensoring. The motion of the ROV is commanded through a joypad controller, and functional requirements of autonomy are not implemented yet. Motivated by this fact, this master thesis focuses on the modelling of the dynamics of the remotely operated vehicle, considering its motion, existing ocean currents, effects of gravitation and buoyancy. Moreover, the concrete effect of the thrusters on the ROV is analysed and identified. Furthermore, the detailed identification of the dynamic and hydrodynamic parameters required in the model is considered, based on empirical estimations, computational methods and experimental tests. The obtained approach is simulated and optimized, using real motion trials as a reference. After the successful modelling, the design of an essential control system that includes set-point regulation and waypoint tracking is performed and simulated. As a result, it obtains an accurate dynamic model of the remotely operated vehicle that was successfully simulated and compared with real motion tests. On the other hand, the proposed control system applied to the model adequately achieves its purpose of regulation and way point tracking that allows the autonomy of the vehicle.