• Repositorio Institucional Universidad de Pamplona
  • Trabajos de pregrado y especialización
  • Facultad de Ingenierías y Arquitectura
  • Ingeniería Mecatrónica
    • Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/4200
    Registro completo de metadatos
    Campo DC Valor Lengua/Idioma
    dc.contributor.authorMeneses Jurado, Elmer Erney.-
    dc.date.accessioned2022-11-04T15:30:39Z-
    dc.date.available2019-11-08-
    dc.date.available2022-11-04T15:30:39Z-
    dc.date.issued2020-
    dc.identifier.citationMeneses Jurado, E. E. (2019). Implementación de técnicas de control avanzado en un sistema embebido para el control de velocidad de un motor trifásico asíncrono de la Universidad de Pamplona [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/4200es_CO
    dc.identifier.urihttp://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/4200-
    dc.descriptionEn la actualidad casi todos los procesos de producción incorporan dispositivos mecánicos, eléctricos, electrónicos, robóticos, etc, optimizando el proceso manual que se hacía en tiempos pasados teniendo una sinergia entre estos dispositivos, siendo capaces de realizar las tareas más complejas. Existen distintos métodos de control de estos dispositivos que ayudan al rendimiento de las máquinas encargadas del proceso, por lo general en la industria se usa la técnica de control PID (proporcional, integral, derivativo) para lograr este objetivo, sin embargo, con el avance de la tecnología y la computación, actualmente existen técnicas avanzadas que se podrían aplicar como control difuso, algoritmos genéticos, redes neuronales. Uno de los inconvenientes al utilizar estas técnicas avanzadas de control es que requieren de software pago instalado en un computador para llevarlas a cabo, esto requiere un estudio de costo beneficio para evaluar si es rentable implementarlo en la máquina. En el siguiente trabajo se aborda esta problemática, implementando algunas de estas técnicas en un micro controlador el cual es más económico. Para ello se usó como máquina o planta a controlar, un motor trifásico asíncrono de corriente alterna, al cual se le aplicaron distintas técnicas avanzadas para controlar su velocidad de giro, se plantean las técnicas de: control PID, control Difuso y control neuronal directo, se realizó comparaciones y análisis entre ellos para determinar con cual se obtiene los mejores resultados.es_CO
    dc.description.abstractEl autor no proporciona la información sobre este ítem.es_CO
    dc.format.extent138es_CO
    dc.format.mimetypeapplication/pdfes_CO
    dc.language.isoeses_CO
    dc.publisherUniversidad de Pamplona- Facultad de Ingenierías y Arquitectura.es_CO
    dc.subjectControl PID.es_CO
    dc.subjectControl difuso.es_CO
    dc.subjectControl neuronal.es_CO
    dc.subjectTécnicas de control avanzadas.es_CO
    dc.subjectPlanta.es_CO
    dc.subjectVariador de frecuencia.es_CO
    dc.subjectMotor trifásico.es_CO
    dc.subjectMicrocontrolador.es_CO
    dc.titleImplementación de técnicas de control avanzado en un sistema embebido para el control de velocidad de un motor trifásico asíncrono de la Universidad de Pamplona.es_CO
    dc.typehttp://purl.org/coar/resource_type/c_7a1fes_CO
    dc.date.accepted2019-08-08-
    dc.relation.referencesAleksendrić, D., Carlone, P., Aleksendrić, D., & Carlone, P. (2015). Soft computing techniques. Soft Computing in the Design and Manufacturing of Composite Materials, 39–60. https://doi.org/10.1533/9781782421801.39es_CO
    dc.relation.referencesBrandstetter, P., & Kuchar, M. (2017). Sensorless control of variable speed induction motor drive using RBF neural network. Journal of Applied Logic, 24, 97–108. https://doi.org/10.1016/J.JAL.2016.11.017es_CO
    dc.relation.referencesDf robot. (2017). Dreamer_Maple_V1.0_SKU_DFR0283-DFRobot. Retrieved June 23, 2019, from https://wiki.dfrobot.com/Dreamer_Maple_V1.0_SKU_DFR0283es_CO
    dc.relation.referencesDigi-Key. (2017). Placas de desarrollo Teensy 3.6 - Sparkfun | DigiKey. Retrieved June 23, 2019, from https://www.digikey.com/es/product-highlight/s/sparkfun/teensy-3-6- development-boardses_CO
    dc.relation.referencesEtolocka. (2014). Funcionamiento del motor asíncrono trifásico. Retrieved June 24, 2019, from http://www.profetolocka.com.ar/2014/10/23/motores-de-induccion-trifasicos funcionamientoes_CO
    dc.relation.referencesFernadez, M. (n.d.). Control avanzado.es_CO
    dc.relation.referencesFernández, S. (2015). Diseño e implementación de una red neuronal para el seguimiento del punto máximo de poder de un panel solar. H. Ravishankar Kamath, R.S Althal, P.K Singh Ashls Kumar, Sinha y Atlt R Danak, “Modeling of Photovoltaic Array and Maximun Power Point Tracker Using ANN,” de Website: Http://Journal.Esrgroups.Org/Jes/Papers/4_3_4.Pdf. Retrieved from https://repository.unimilitar.edu.co/handle/10654/6762es_CO
    dc.relation.referencesfmeautomatismos. (n.d.). Tipos de control (lazo abierto y cerrado). Retrieved June 23, 2019, from https://sites.google.com/site/03fmeautomatismos/home/tipos-controles_CO
    dc.relation.referencesFRMza, U. (n.d.). Máquinas e instalaciones eléctricas.es_CO
    dc.relation.referencesGreg, G. (2013). An Introduction To Fuzzy Control Systems. Retrieved June 24, 2019, from http://www.faqs.org/docs/fuzzy/es_CO
    dc.relation.referencesH., S., S.F., K., & B., S. (2018). Improvements in direct torque control of induction motor for wide range of speed operation using fuzzy logic. Journal of Electrical Systems and Information Technology, 5(3), 813–828. https://doi.org/10.1016/J.JESIT.2016.12.015es_CO
    dc.relation.referencesHetpro. (2018). Amplificador no-Inversor. Retrieved June 25, 2019, from https://hetpro store.com/TUTORIALES/amplificador-no-inversor/es_CO
    dc.relation.referencesInstruments, T. (2018). LM124, LM224, LM324, LM2902 Quadruple Operational Amplifiers datasheet (Rev. W). (September). Retrieved from http://www.ti.com/lit/ds/symlink/lm324.pdfes_CO
    dc.relation.referencesKamath, H. R., Aithal, R. S., Kumar, P. K. S. A., & Danak, A. R. (2012). Modeling of Photovoltaic Array and Maximum Power Point Tracker Using ANN.es_CO
    dc.relation.referencesMandado Pérez, E., Menéndez Fuertes, L., Fernández Ferreira, L., & López Matos, E. (2007). Microcontroladores PIC. Sistema integrado para el autoaprendizaje.es_CO
    dc.relation.referencesMarulanda, L. (2010). CONTROL POR MEDIO DE REDES NEURONALES. Retrieved from https://www.academia.edu/10356050/CONTROL_POR_MEDIO_DE_REDES_NEURON ALES_SISTEMAS_AVANZADOS_DE_CONTROL_PRESENTADO_Aes_CO
    dc.relation.referencesMazzone, V. (2002). Automatizacion y control industrial. Retrieved from http://www.rocatek.com/forum_automatizacion_industrial.phpes_CO
    dc.relation.referencesMilone, D., & Rufiner, L. (2011). Perceptrón multicapa (p. 83). p. 83.es_CO
    dc.relation.referencesNarendra, K. S., & Parthasarathy, K. (1990). Identification and control of dynamical systems using neural networks. IEEE Transactions on Neural Networks, 1(1), 4–27. https://doi.org/10.1109/72.80202es_CO
    dc.relation.referencesNguyen, D. H., & Widrow, B. (1990). Neural networks for self-learning control systems. IEEE Control Systems Magazine, 10(3), 18–23. https://doi.org/10.1109/37.55119es_CO
    dc.relation.referencesNoriega, A., Barrera, A., & Ordez, A. (2008). Diseño de un controlador neuronal y su implantación en un microcontrolador. XIII Congreso Latinoamericano de Control Automático / VI Congreso Venezolano de Automatización y Control, (1).es_CO
    dc.relation.referencesNúñez, L. (2009). Lazos de control. Estrategias de Control. Retrieved from http://materias.fi.uba.ar/6509/Estrategias de control 2009.pdfes_CO
    dc.relation.referencesOgata, K. (1995). Ingeniería de Control Moderna (5ta Edició).es_CO
    dc.relation.referencesOgata, K. (1996). Sistemas de control en tiempo discreto (2 Edicion).es_CO
    dc.relation.referencesPardo, A., Díaz, J., & Martinez, C. (2012). Aplicación de redes neuronales al control de velocidad en motores de corriente alterna. Revista Colombiana de Tecnologías de Avanzada. Retrieved from http://revistas.unipamplona.edu.co/ojs_viceinves/index.php/RCTA/article/view/197es_CO
    dc.relation.referencesPérez, A. (2017). Empezando a programar los microcontroladores ARM (32 bits) (MIC011s). Retrieved June 24, 2019, from http://www.incb.com.mx/index.php/articulos/78- microcontroladores-y-dsps/1716-empezando-a-programar-los-microcontroladores-arm-32- bits-mic011ses_CO
    dc.relation.referencesRica, U. D. C., & S, A. A. (2001). Controladores PID y PWM , aplicación al control de velocidad de un motor de CC. Control.es_CO
    dc.relation.referencesRo-botica. (2017). RASPBERRY PI 3 MODELO B. Retrieved June 23, 2019, from https://www.ro-botica.com/Producto/RASPBERRY-PI-3-MODELO-B/es_CO
    dc.relation.referencesRodríguez Rosa, D. (2012). Implementación de bloques de Simulink para control adaptativo de un motor de corriente continua. Retrieved from https://e archivo.uc3m.es/handle/10016/16273?show=full#previewes_CO
    dc.relation.referencesSun, J., Li, Y. P., Gao, P. P., & Xia, B. C. (2018). A Mamdani fuzzy inference approach for assessing ecological security in the Pearl River Delta urban agglomeration, China. Ecological Indicators, 94, 386–396. https://doi.org/10.1016/J.ECOLIND.2018.07.011es_CO
    dc.relation.referencesTecnicontrol. (n.d.). Instrumentación y Control de procesos industriales. Retrieved from http://portal.tc.com.co/tecnicontrol/confiabilidad-operacional/instrumentacion-y-controles_CO
    dc.relation.referencesVillajulca, J. (2011). Empezando: Sintonización PID Cuantitativa (Ziegler y Nichols) – Instrumentacion, Control y Automatizacion Industrial. Retrieved July 22, 2019, from https://instrumentacionycontrol.net/empezando-sintonizacion-pid-cuantitativa-ziegler-y nichols/es_CO
    dc.relation.referencesXianzhong Cui, & Shin, K. G. (1993). Direct control and coordination using neural networks. IEEE Transactions on Systems, Man, and Cybernetics, 23(3), 686–697. https://doi.org/10.1109/21.256542es_CO
    dc.relation.referencesYe, Z., & Kim, M. K. (2018). Predicting electricity consumption in a building using an optimized back-propagation and Levenberg–Marquardt back-propagation neural network: Case study of a shopping mall in China. Sustainable Cities and Society, 42, 176–183. https://doi.org/10.1016/J.SCS.2018.05.050es_CO
    dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2es_CO
    dc.type.coarversionhttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
    Aparece en las colecciones: Ingeniería Mecatrónica

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    Meneses_2019_TG.pdfMeneses_2019_TG3,4 MBAdobe PDFVisualizar/Abrir
    Mostrar el registro sencillo del ítem


    Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.