DSpace Collection:http://repositorio.ugto.mx/handle/20.500.12059/42142024-03-29T08:01:23Z2024-03-29T08:01:23ZDiseño de estrategias de control robusto para un proceso biológico de producción de hidrógenoKAREN JULIETH URIBE MURCIAhttp://repositorio.ugto.mx/handle/20.500.12059/104382024-03-07T17:48:04Z2017-12-01T00:00:00ZTitle: Diseño de estrategias de control robusto para un proceso biológico de producción de hidrógeno
Authors: KAREN JULIETH URIBE MURCIA
Contributor: JESUS IXBALANK TORRES ZUÑIGA
Abstract: Con el objetivo de mitigar el efecto ocasionado en el medio ambiente por la combustión de materiales fósiles, es importante encontrar una alternativa de fuente de energía que sea sostenible económicamente y que cubra el abastecimiento de energía sin generar contaminantes perjudiciales. La producción de energía limpia a partir de fuentes renovables ha recibido un gran interés de investigación durante los últimos años con el fin de aprovechar los recursos naturales y combatir los problemas ocasionados por el uso de fuentes de energía convencionales. La producción de hidrógeno a partir de procesos biológicos ha tomado un fuerte crecimiento en los últimos años, ya que es posible obtener una concentración de hidrógeno de forma limpia y natural aprovechando los desechos naturales como los residuos de agricultura, afluentes de aguas urbanas e industriales, entre otros. Sin embargo, la mayor limitante en la aplicación de este tipo de técnicas a nivel industrial consiste en el bajo nivel de eficiencia y rendimiento del proceso. Con el fin de mejorar y regular la producción del proceso en estudio, en este trabajo se presenta el desarrollo de dos técnicas de control moderno aplicados al sistema de producción de hidrógeno. El desempeño de cada técnica de control será evaluado con su comportamiento ante la presencia de fenómenos comunes a nivel industrial como perturbaciones, ruido y errores en el modelado de la planta real.2017-12-01T00:00:00ZClasificación de Señales de Intención Motora en Electroencefalograma (EEG) utilizando Aprendizaje AutomáticoALBERTO CARLOS MOLINA PORRAShttp://repositorio.ugto.mx/handle/20.500.12059/104082024-02-13T21:19:32Z2023-09-01T00:00:00ZTitle: Clasificación de Señales de Intención Motora en Electroencefalograma (EEG) utilizando Aprendizaje Automático
Authors: ALBERTO CARLOS MOLINA PORRAS
Contributor: JUAN GABRIEL AVIÑA CERVANTES
Abstract: Una de las técnicas de procesamiento más exitosas aplicadas en la detección de patrones en señales de electroencefalograma se conoce como Patrones Espaciales Comunes (Common Spatial Pattern, CSP), y busca obtener filtros espaciales que maximicen las diferencias entre las diferentes clases de pensamiento motor en función de su varianza. Desafortunadamente, esta técnica es sensible a la presencia de ruido en las señales y las variaciones en el comportamiento de la señal entre individuos diferentes. De igual manera, las variaciones presentes en las señales de un mismo individuo cuando son adquiridas en diferentes días, también representan un desafío que afecta a los sistemas de reconocimiento basados en CSP. En este trabajo de investigación, se propusieron dos marcos de trabajo para la clasificación de señales de intención motora basados en CSP con el objetivo de aumentar el rendimiento de métodos clásicos de aprendizaje automático. El primero, llamado OFB-CSP-FS, incorpora un banco de filtros IIR pasa-banda con solapamiento en frecuencia. Por otro lado, el segundo marco de trabajo, llamado WPD-CSP-FS, emplea la Descomposición de Paquetes de Ondas (Wavelet Packet Decomposition, WPD). En cada propuesta se realizan pruebas exhaustivas combinando características basadas en el logaritmo de la varianza y el logaritmo de su potencia promedio, junto con algoritmos de selección de características basados en la información mutua o cálculo del valor laplaciano. Finalmente, para cada una de las combinaciones planteadas, se evaluaron tres clasificadores clásicos: Máquina de Vectores de Soporte, K Vecinos más Cercanos y Análisis Discriminante Lineal, sometiéndolos a prueba con las bases de datos de la BCI Competition IV dataset 2a y dataset 2b. Los resultados demuestran que OFB-CSP-FS es la mejor propuesta y logra mejorar el rendimiento de los sistemas de reconocimiento reportados en la literatura que implementan CSP con técnicas clásicas de aprendizaje automático para el mismo caso de estudio.2023-09-01T00:00:00ZEstudio de técnicas modernas de aprendizaje automático para detección de curvatura mediante fibra óptica y su aplicación en biomecánicaKEYLA CAROLINA OSPINO MANJARREShttp://repositorio.ugto.mx/handle/20.500.12059/102512023-12-31T19:31:21Z2023-12-01T00:00:00ZTitle: Estudio de técnicas modernas de aprendizaje automático para detección de curvatura mediante fibra óptica y su aplicación en biomecánica
Authors: KEYLA CAROLINA OSPINO MANJARRES
Contributor: DANIEL JAUREGUI VAZQUEZ
Abstract: Este trabajo muestra el estudio, desarrollo e implementación de un sistema óptico que integra algoritmos de aprendizaje automático, para la detección de la posición angular en un brazo robótico. Su aplicación expone de forma sencilla el análisis del movimiento y la evaluación de la postura del dedo índice, con el uso de una fibra óptica monomodo para el rango visible. Este montaje se fundamenta en el procesamiento de imágenes obtenidas a partir del perfil de salida de la fibra cuando se somete a curvatura, lo cual genera pérdidas en la región multimodal de esta y provoca cambios en la intensidad del color verde. Un total de 3240 imágenes son capturas por la cámara CCD, las cuales corresponden al movimiento de curvatura del dedo índice en un rango de 0° - 85°. A partir del procesamiento de imágenes en tres diferentes espacios de color, se realiza la extracción de características estadísticas a cada imagen para crear una base de datos, que combina 180 características de color y del dominio tiempo-frecuencia. Se propone estudiar la base de datos, por medio de técnicas clásicas de clasificación conocidas como, Análisis Discriminante (DA), Bayesiano Ingenuo (NB), Árbol de Decisión (DT), Máquinas de Soporte Vectorial (SVM) y K Vecinos más Próximos (KNN). Asimismo, se evalúa tres algoritmos de selección de características, los cuales generan un nuevo espacio de datos reducido en el que se descartan los datos irrelevantes y consecuentemente mejora el desempeño de clasificación de los modelos. Se obtiene con el modelo de clasificación de KNN 92.88% de precisión al detectar la posición angular del dedo índice robótico.2023-12-01T00:00:00ZShort circuit detection in electrical transformers through statistical analysis of vibration signals in the time and frequency domainsDANIEL ALEJANDRO ZAMBRANO ROMÁNhttp://repositorio.ugto.mx/handle/20.500.12059/102132023-12-04T20:30:11Z2023-10-01T00:00:00ZTitle: Short circuit detection in electrical transformers through statistical analysis of vibration signals in the time and frequency domains
Authors: DANIEL ALEJANDRO ZAMBRANO ROMÁN
Contributor: DAVID CAMARENA MARTINEZ2023-10-01T00:00:00Z