Tesis y Trabajos de Investigación PUCP
URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/6
El Repositorio Digital de Tesis y Trabajos de Investigación PUCP aporta al Repositorio Institucional con todos sus registros, organizados por grado: Doctorado, Maestría, Licenciatura y Bachillerato. Se actualiza permanentemente con las nuevas tesis y trabajos de investigación sustentados y autorizados, así como también con los que que fueron sustentados años atrás.
Ingresa a su web: Repositorio Digital de Tesis y Trabajos de Investigación PUCP
Explorar
2 resultados
Resultados de búsqueda
Ítem Texto completo enlazado Diseño de un sistema inteligente de ahorro de energía eléctrica(Pontificia Universidad Católica del Perú, 2017-07-21) Poma Aliaga, Luis Felipe; Benavides Aspiazu, JorgeEn la actualidad, la demanda del consumo de energía eléctrica se ha incrementado significativamente. Este fenómeno se ha presentado tanto en el sector doméstico como en el sector industrial. Por lo que es necesario, la construcción de nuevas fuentes energéticas para satisfacer las demandas actuales. Asimismo, se debe considerar el tiempo, el costo y el impacto ambiental que ocasionaría la construcción de las mismas. Ante este hecho, se plantea establecer planes de ahorro de energía eléctrica con ayuda de sistemas inteligentes en instalaciones domésticas para uso racional de la energía eléctrica, como una alternativa eficaz para no recurrir a nuevas fuentes energéticas. En la presente tesis, se tiene como objetivo el diseño de un sistema inteligente por medio de algoritmos de aprendizaje por redes neuronales que permita el uso racional y eficiente de la energía eléctrica en el sector doméstico. El desarrollo de la tesis incluye diseñar dispositivos que nos permitan medir la potencia eléctrica consumida. Estos dispositivos se desarrollarán con la ayuda de un conjunto de sensores de potencia. Como también el diseño y simulación de sensores de presencia que nos permita monitorear la presencia del usuario. En cuanto al control inteligente se desarrollará algoritmos de aprendizaje basadas en redes neuronales, de tal forma que sean capaces de aprender del horario de la rutina del usuario. También, se incluye el diseño de una interfaz adecuada con el usuario que permita el ingreso de datos para su procesamiento y visualización. Además, el diseño de un protocolo de comunicación más adecuada orientada a la domótica. Finalmente, se desarrollarán simulaciones y pruebas del funcionamiento del sistema inteligente, como los dispositivos desarrollados como el conjunto de sensores y el control inteligente.Ítem Texto completo enlazado Reliable autonomous vehicle control - a chance constrained stochastic MPC approach(Pontificia Universidad Católica del Perú, 2017-06-19) Poma Aliaga, Luis Felipe; Selassie, Abebe Geletu W.; Tafur, Julio C.In recent years, there is a growing interest in the development of systems capable of performing tasks with a high level of autonomy without human supervision. This kind of systems are known as autonomous systems and have been studied in many industrial applications such as automotive, aerospace and industries. Autonomous vehicle have gained a lot of interest in recent years and have been considered as a viable solution to minimize the number of road accidents. Due to the complexity of dynamic calculation and the physical restrictions in autonomous vehicle, for example, deterministic model predictive control is an attractive control technique to solve the problem of path planning and obstacle avoidance. However, an autonomous vehicle should be capable of driving adaptively facing deterministic and stochastic events on the road. Therefore, control design for the safe, reliable and autonomous driving should consider vehicle model uncertainty as well uncertain external influences. The stochastic model predictive control scheme provides the most convenient scheme for the control of autonomous vehicles on moving horizons, where chance constraints are to be used to guarantee the reliable fulfillment of trajectory constraints and safety against static and random obstacles. To solve this kind of problems is known as chance constrained model predictive control. Thus, requires the solution of a chance constrained optimization on moving horizon. According to the literature, the major challenge for solving chance constrained optimization is to calculate the value of probability. As a result, approximation methods have been proposed for solving this task. In the present thesis, the chance constrained optimization for the autonomous vehicle is solved through approximation method, where the probability constraint is approximated by using a smooth parametric function. This methodology presents two approaches that allow the solution of chance constrained optimization problems in inner approximation and outer approximation. The aim of this approximation methods is to reformulate the chance constrained optimizations problems as a sequence of nonlinear programs. Finally, three case studies of autonomous vehicle for tracking and obstacle avoidance are presented in this work, in which three levels probability of reliability are considered for the optimal solution.