José de Jesús Medel Juárez

DISEÑO, FABRICACIÓN Y FUNCIONAMIENTO DE UN ROBOT DELTA DE BAJO COSTO

El presente trabajo describe una metodologia de diseno, fabricacion y funcionamiento experimental para la robotica con arquitectura abierta mediante el uso de tecnologias emergentes. Para ello, se ha realizado un prototipo de robot paralelo denominado robot delta, que consiste en una cadena de cinematica cerrada. Una de las operaciones criticas de funcionamiento de este tipo de sistemas se basa en realizar la sincronizacion de los eslabones en forma individual, de tal forma, que la combinacion de los movimientos genere una trayectoria valida y asi evitar dano en alguna de las partes del mecanismo. En el diseno asistido por computadora se ha utilizado el software de licencia libre Blender®, para la fabricacion impresiones 3D con materiales plasticos de polilactida y acrilonitrilo butadieno estireno y en la programacion se ha utilizado una herramienta del motor de juegos en lenguaje Python®. Tambien, en la interfaz se utilizo un sistema embebido MSP430 de Texas Instruments® para la comunicacion serial, conversion analogica digital de 10 bits y modulacion por ancho de pulso (PWM). Los productos obtenidos confirman una fabricacion de bajo costo; piezas con la resistencia mecanica necesaria para pruebas y la simulacion comparada con el sistema real cuenta con un desempeno satisfactorio de los movimientos a traves del eje z del efector final. Por lo tanto, con estos resultados se abre una posibilidad de crear sistemas roboticos con partes desechables o de facil remplazo a un bajo costo como una herramienta util para la investigacion.

Equivalent Neural Network Optimal Coefficients Using Forgetting Factor with Sliding Modes

The Artificial Neural Network ANN concept is familiar in methods whose task is, for example, the identification or approximation of the outputs of complex systems difficult to model. In general, the objective is to determine online the adequate parameters to reach a better point-to-point convergence rate, so that this paper presents the parameter estimation for an equivalent ANN EANN, obtaining a recursive identification for a stochastic system, firstly, with constant parameters and, secondly, with nonstationary output system conditions. Therefore, in the last estimation, the parameters also have stochastic properties, making the traditional approximation methods not adequate due to their losing of convergence rate. In order to give a solution to this problematic, we propose a nonconstant exponential forgetting factor NCEFF with sliding modes, obtaining in almost all points an exponential convergence rate decreasing. Theoretical results of both identification stages are performed using MATLAB® and compared, observing improvement when the new proposal for nonstationary output conditions is applied.

IDENTIFICACIÓN DE SECUENCIAS DE AMINOÁCIDOS

Dentro del procesamiento de senales, la estimacion de parametros es necesaria para obtener coeficientes aplicables en algoritmos de clasificacion, optimizacion, prediccion o identificacion. Este ultimo, de interes en este trabajo, hace referencia a la reconstruccion de una senal, corregida a partir del error generado entre la senal deseada y la identificada.

n-Iterative Exponential Forgetting Factor for EEG Signals Parameter Estimation

Electroencephalograms (EEG) signals are of interest because of their relationship with physiological activities, allowing a description of motion, speaking, or thinking. Important research has been developed to take advantage of EEG using classification or predictor algorithms based on parameters that help to describe the signal behavior. Thus, great importance should be taken to feature extraction which is complicated for the Parameter Estimation (PE)–System Identification (SI) process. When based on an average approximation, nonstationary characteristics are presented. For PE the comparison of three forms of iterative-recursive uses of the Exponential Forgetting Factor (EFF) combined with a linear function to identify a synthetic stochastic signal is presented. The one with best results seen through the functional error is applied to approximate an EEG signal for a simple classification example, showing the effectiveness of our proposal.Electroencephalograms (EEG) signals are of interest because of their relationship with physiological activities, allowing a description of motion, speaking, or thinking. Important research has been developed to take advantage of EEG using classification or predictor algorithms based on parameters that help to describe the signal behavior. Thus, great importance should be taken to feature extraction which is complicated for the Parameter Estimation (PE)–System Identification (SI) process. When based on an average approximation, nonstationary characteristics are presented. For PE the comparison of three forms of iterative-recursive uses of the Exponential Forgetting Factor (EFF) combined with a linear function to identify a synthetic stochastic signal is presented. The one with best results seen through the functional error is applied to approximate an EEG signal for a simple classification example, showing the effectiveness of our proposal.

IDENTIFICACIÓN CON ESTIMACIÓN DE SECUENCIAS

En la descripcion de la dinamica interna de los sistemas tipo caja negra, se necesita conocer que con la excitacion y su respuesta se establece un modelo que se aproxima a su comportamiento, y que es solo para una condicion en especifico. Esto provoca que la seleccion del modelo sea complicada y ello requiere de muchas aproximaciones en el ajuste de los parametros, por cada condicion que la senal de excitacion tenga y respuesta que deba dar. Desafortunadamente, por mas aproximada que sea la respuesta del modelo a la del sistema considerado, nunca describira a la dinamica interna ya que es solamente un modelo que repite un comportamiento; pero en cambio, si se puede ver por medio de los parametros internos del modelo la estabilidad, ya que para entradas acotadas, se tendran salidas acotadas. Basado en ello, un filtro FIR (Finite Impulse Response, por sus siglas en ingles) del tipo identificador esta compuesto por un grupo de parametros que cumplen con la condicion de Markov y que mantienen la estabilidad del filtro. El problema es entonces, estimar los parametros a traves de una secuencia dentro del mismo intervalo de tiempo para el desarrollo de la identificacion y lograr la convergencia de la senal de respuesta con la de referencia por intervalos de evolucion. Mas aun, la estimacion de la secuencia se realiza de manera dinamica y adaptandose al error de identificacion para lograr minimizarlo en cada intervalo. Asi, el identificador ademas de contar con la secuencia de parametros, tambien requiere de una ganancia que afecta al proceso de innovacion y ayuda a minimizar las pequenas incertidumbres que se generan una vez que llega a la zona estacionaria. Desafortunadamente, esta convergencia se da en una pequena region que depende de las varianzas de las perturbaciones de las senales. Palabras clave: Estimador, secuencia de matrices, funcional del error, gradiente estocastico, pseudo-inversa, segundo momento de probabilidad

CLARIFICACIÓN DINÁMICA USANDO MODOS DESLIZANTES PARA SISTEMAS CON INCERTIDUMBRES

This collaboration presents a clarification based on sliding modes, applied into fuzzy logic membership function. The main idea includes instead of absolute value differences generated between the state and its average, the sliding mode without loss its properties. The transformation includes the functions that have the sign and its differences. The sign function is inversely proportional with the membership function slopes. Therefore, it is necessary pay attention in the membership function form and the sliding mode description. Key Words: fuzzy logic, sliding modes, clarification, membership functions, computational methods.

CLARIFICACIÓN BASADA EN LA FUNCIÓN DE PERTENENCIA INVERSA Y EL VECTOR UNITARIO

RESUMEN: Este articulo presenta un modelo de clarificacion en el sentido borroso, considerando que la funcion de pertenencia es invertible con respecto al estado del sistema y definiendola como proceso de identificacion sobre la respuesta acotada del sistema visto como caja negra. En este caso la herramienta necesaria es el vector unitario basado en los valores de la funcion de pertenencia. Especificamente, se considera en el a la diferencia de los valores absolutos entre el valor del estado y su media, en vez de la desigualdad del triangulo; permitiendo asi la clarificacion dado que se conoce la funcion de pertenencia. Dentro de las simulaciones en Matlab® se observa que la convergencia entre la senal deseada y la clarificada se da en casi todos los puntos, describiendo ilustrativamente como se va desarrollando el proceso de clarificacion; comparandose los resultados con los obtenidos por el metodo del centroide. En el funcional de error de las secuencias, convergen a una region que decrece a cero a traves del tiempo. Palabras Clave: logica borrosa, clarificacion, funciones de pertenencia, metodos computacionales, error cuadratico medio