Estimación de la función de distribución no paramétrica de tiempos de reconfiguración de los controladores de un prototipo de un robot planar.
En el presente trabajo se investigó la estimación de la función de densidad no paramétrica de los tiempos de reconfiguración de los controladores de un prototipo de robot planar. Se dispone de un prototipo de robot planar diseñado para resolver la cinemática inversa, que dispone de dos controladores...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2022 |
| País: | Ecuador |
| Recursos: | Escuela Superior Politécnica de Chimborazo |
| Repositorio: | Repositorio Escuela Superior Politécnica de Chimborazo |
| Idioma: | español |
| OAI Identifier: | oai:dspace.espoch.edu.ec:123456789/16321 |
| Acesso em linha: | http://dspace.espoch.edu.ec/handle/123456789/16321 |
| Access Level: | acceso abierto |
| Palavra-chave: | MATEMÁTICAS FUNCIÓN DE DENSIDAD MATLAB ERROR CUADRATICO MEDIO FIABILIDAD NÚCLEOS ANCHO DE BANDA |
| Resumo: | En el presente trabajo se investigó la estimación de la función de densidad no paramétrica de los tiempos de reconfiguración de los controladores de un prototipo de robot planar. Se dispone de un prototipo de robot planar diseñado para resolver la cinemática inversa, que dispone de dos controladores para dar la solución al planteamiento de cuatro trayectorias diseñadas para la investigación, de modo que si el controlador principal fallase el otro controlador es capaz de retomar el control del prototipo del robot y resolver la trayectoria en curso, en ese proceso se invierte una cierta cantidad de tiempo, a este proceso se lo conoce como reconfiguración. Se pretende determinar una función de densidad capaz de caracterizar el comportamiento de los tiempos de reconfiguración empleados en cada una de las trayectorias. La misma que ha sido determinada por el método de kernel o núcleo, la solución se ha implementado de forma automatizada en Matlab por lo que para determinar la mejor estimación se emplearon los núcleos de: Epanechnikov, Triangular, Cuartico y Normal o Gaussiano, los núcleos necesitan un ancho de banda, el mismo que ha sido empleado bajo el criterio de Silverman. La selección del mejor núcleo para la estimación se basa en el criterio del error cuadrático medio, siendo el mejor núcleo para la estimación el núcleo Gaussiano con un error cuadrático medio de 2.9085% en la trayectoria 1, 3.4843% en la trayectoria 2, 2.3345% en la trayectoria 3 y 2.4747% en la trayectoria 4, además se determinó la fiabilidad al 95% por trayectoria en función del tiempo de reconfiguración dando como resultado: 1.036 s en la trayectoria 1, 0.9601 s en la trayectoria 2, 09729 s en la trayectoria 3 y 1.002 s en la trayectoria 4. Se recomienda realizar las pruebas estadísticas pertinentes al tratamiento de datos no normales. |
|---|