El sistema se apagará debido a tareas habituales de mantenimiento. Por favor, guarde su trabajo y desconéctese.

Show simple item record

dc.contributor.advisorMoran Cardenas, Antonio Manuel
dc.contributor.authorSaito Villanueva, Carloses_ES
dc.date.accessioned2019-01-24T21:03:10Zes_ES
dc.date.available2019-01-24T21:03:10Zes_ES
dc.date.created2018es_ES
dc.date.issued2019-01-21es_ES
dc.identifier.urihttp://hdl.handle.net/20.500.12404/13308
dc.description.abstractEsta tesis de investigación propone obtener el modelo aerodinámico de una aeronave del tipo ala volante utilizando redes neuronales artificiales con el fin de mejorar la performance del controlador de vuelo del sistema de navegación de un vehículo aéreo no tripulado. Actualmente la aeronave pierde altitud al momento de realizar los giros, y se entiende porque es un problema con el ángulo de cabeceo y velocidad de vuelo. El tipo de Red Neuronal Artificial (RNA) utilizada es de Back Propagation Dinámico y tiene dos capas intermedias con 100 neuronas cada una. Se utilizó este tipo de RNA porque permite entrenar un modelo dinámico como es el caso de una aeronave. Las variables de entrada utilizadas para el entrenamiento fueron: posición del elevador, posición de los alerones, posición del throtle y aceleraciones en los tres ejes de la aeronave. Las variables de salida fueron: ángulo de cabeceo, ángulo de alabeo, cambio en el tiempo de ángulo de cabeceo y alabeo, velocidad y altitud. Asimismo, se utilizó un “bias” para tomar en consideración fuerzas o perturbaciones que no se pueden medir. La metodología utilizada permitió realizar el modelado de manera satisfactoria del ángulo de cabeceo y velocidad. Los errores de entrenamiento fueron de 36% y 5.5% respectivamente. La validación de ambos parámetros fue de 68% y 3.38%. La metodología aplicada todavía necesita ser mejorada para obtener un error de entrenamiento satisfactorio en el ángulo de alabeo y mejorar los entrenamientos obtenidos para el ángulo de cabeceo y velocidad. Este trabajo demuestra que el modelamiento de una aeronave del tipo ala volante es más complejo que una aeronave convencional. Son pocos los trabajos de investigación sobre modelamiento de aeronaves que han realizado el modelamiento de este tipo de aeronaves. En la mayoría de los casos utilizan técnicas diferentes a las de RNA y realizan modelamiento lineal y no dinámico como se ha realizado en esta tesis.es_ES
dc.description.uriTesises_ES
dc.language.isospaes_ES
dc.publisherPontificia Universidad Católica del Perúes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/*
dc.subjectVehículos aéreos no tripulados-Aerodinámicaes_ES
dc.subjectRedes neuronaleses_ES
dc.subjectSensores inteligenteses_ES
dc.titleModelamiento dinámico de los parametros de control de vuelo de una aeronave del tipo ala volante utilizando redes neuronales artificiales.es_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
thesis.degree.nameMaestro en Ingeniería Mecatrónicaes_ES
thesis.degree.levelMaestríaes_ES
thesis.degree.grantorPontificia Universidad Católica del Perú. Escuela de Posgradoes_ES
thesis.degree.disciplineIngeniería Mecatrónicaes_ES
renati.advisor.dni10573987
renati.discipline713167es_ES
renati.levelhttps://purl.org/pe-repo/renati/level#maestroes_ES
renati.typehttps://purl.org/pe-repo/renati/type#tesises_ES
dc.publisher.countryPEes_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.00.00es_ES


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess