Diseño e implementación de un controlador neuronal en un DSP
Tipo de material:
TextoDetalles de publicación: Valparaíso : UTFSM , 2006Descripción: 70, 27 h. : ilTema(s): SISTEMAS NO LINEALES | SISTEMAS LINEALES | BC / MEM (memorias UTFSM con resúmenes)Clasificación CDD: M 006.3 Nota de disertación: Tesis (Ing. Civil Electrónico)--Prof. guía: Alejandro Suárez Sotomayor; prof. corref. : Juan Hernández Sánchez Tema: [Resumen del autor]Tema: Este documento aborda la implementación digital de una Red Neuronal Artificial (RNA) Feedforward, cuyo método de aprendizaje está particularmente pensado para aplicaciones en el área del Control Automático. Esta investigación se genera principalmente a partir de la necesidad de enfrentar el Control de Sistemas No-Lineales en tiempo real. Dada la naturaleza de las RNA, y particularmente trabajando como controladoras, se requiere para un correcto funcionamiento en línea, tanto de velocidad como de precisión numérica, y por lo mismo de una sólida plataforma para la implementación. En este trabajo se aborda, tanto la preparación de la plataforma como el desarrollo del algoritmo neuronal pertinente, así como también los ensayos que respaldan su correcto desempeño. El documento detalla la preparación del hardware, resultados del control de sistemas simulados en Matlab/Simulink y resultados del control de dos procesos reales utilizando el hardware disponible. El primero de naturaleza lineal, estable, y de segundo orden, y el segundo un proceso no lineal cuyo modelo lineal resulta ser de tercer orden e inestable. Contempla el desarrollo de diversos tópicos, principalmente Control Neuronal, Procesamiento Digital en Tiempo Real, RNA y Backpropagation, Configuración de Hardware DSP, Programación lenguaje C, Sistemas Lineales y Sistemas No Lineales. Los resultados son satisfactorios, verificándose la potencialiadad de las plataformas de trabajo, la estrategia de control, y la incorporación de no linealidades.
| Tipo de ítem | Biblioteca actual | Colección | número de clasificación | Copia número | Estado | Fecha de vencimiento | Código de barras |
|---|---|---|---|---|---|---|---|
Memorias
|
Biblioteca Central | Memorias | M 006.3 L961 (Navegar estantería(Abre debajo)) | 1 | Disponible | 3560900125556 |
Navegando Biblioteca Central Estantes, Ubicación: Memorias, Código de colección: Memorias Cerrar el navegador de estanterías (Oculta el navegador de estanterías)
Incluye anexos
Tesis (Ing. Civil Electrónico)--Prof. guía: Alejandro Suárez Sotomayor; prof. corref. : Juan Hernández Sánchez
h.70
[Resumen del autor]
Este documento aborda la implementación digital de una Red Neuronal Artificial (RNA) Feedforward, cuyo método de aprendizaje está particularmente pensado para aplicaciones en el área del Control Automático. Esta investigación se genera principalmente a partir de la necesidad de enfrentar el Control de Sistemas No-Lineales en tiempo real. Dada la naturaleza de las RNA, y particularmente trabajando como controladoras, se requiere para un correcto funcionamiento en línea, tanto de velocidad como de precisión numérica, y por lo mismo de una sólida plataforma para la implementación. En este trabajo se aborda, tanto la preparación de la plataforma como el desarrollo del algoritmo neuronal pertinente, así como también los ensayos que respaldan su correcto desempeño. El documento detalla la preparación del hardware, resultados del control de sistemas simulados en Matlab/Simulink y resultados del control de dos procesos reales utilizando el hardware disponible. El primero de naturaleza lineal, estable, y de segundo orden, y el segundo un proceso no lineal cuyo modelo lineal resulta ser de tercer orden e inestable. Contempla el desarrollo de diversos tópicos, principalmente Control Neuronal, Procesamiento Digital en Tiempo Real, RNA y Backpropagation, Configuración de Hardware DSP, Programación lenguaje C, Sistemas Lineales y Sistemas No Lineales. Los resultados son satisfactorios, verificándose la potencialiadad de las plataformas de trabajo, la estrategia de control, y la incorporación de no linealidades.
2