Tesis y Trabajos de Investigación PUCP

Durante los últimos años nos hemos visto afectados por las consecuencias producidas por el cambio climático, el efecto invernadero y la contaminación ambiental, esto afectando no solo a la vida que se encuentra en la superficie de la tierra, sino que también afecta directamente a la salud de los océanos, generando variación en la temperatura, incremento en la acidificación, variación en la salinidad, lo que causa la perdida de los ecosistemas que en ellos habitan. Uno de los ejemplos más resaltantes y preocupantes debido a la variación de los parámetros normales del océano es la disminución de los arrecifes de coral vivo, los cuales albergan a innumerables ecosistemas costeros y que son uno de los más productivos del planeta, que ha tenido una reducción alrededor del 50% en los últimos 150 años, producido por el aumento de temperatura y la acidificación del océano. Estos cambios han hecho que se registren parámetros preocupantes, respecto a la vida marina que ellos albergan. El deseo de querer contribuir con un pequeño grano de arena por tratar de revertir el daño causado por los estragos del cambio climático y la contaminación durante tantos años es una de las motivaciones que ha llevado a generar este proyecto de investigación. Es por ello por lo que se propone desarrollar un controlador avanzado para que ejecute tareas de exploración, búsqueda, monitoreo, y operaciones de inteligencia al recorrer trayectorias específicas. Sin embargo, debido a la complejidad del vehículo submarino autónomo (AUV), considerando su dinámica no lineal y sus altas perturbaciones, es difícil diseñar un controlador no lineal con buen rendimiento. El controlador fuzzy adaptativo por modelo de referencia (MRAFC) es el controlador propuesto que deberá ser robusto para navegar en una trayectoria definida y robusto para posibles perturbaciones del medio en el cual estará expuesto como el oleaje y corrientes marinas. Una primera aproximación de este trabajo se presenta en el artículo IEEE “Model Reference Adaptive Fuzzy Controller of a 6DOF Autonomous Underwater Vehicle”, donde se presentan resultados parciales de este trabajo de investigación. Además, se viene trabajando un nuevo artículo presentando los nuevos resultados obtenidos. Los resultados exitosos de este trabajo de investigación han sido presentados a evaluación mediante un articulo científico en una revista científica IEEE bajo el nombre: “Non Lineal trajectory tracking of a 6DOF AUV using an MRACF controller”.

Navigation and obstacle avoidance are important tasks in the research field of au- tonomous mobile robots. The challenge tackled in this work is the navigation of a 4- wheeled car-type robot to a desired parking position while avoiding obstacles on the way. The taken approach to solve this problem is based on neural fuzzy techniques. Earlier works resulted in a controller to navigate the robot in a clear environment. It is extended by considering additional parameters in the training process. The learning method used in this training is dynamic backpropagation. For the obstacle avoidance problem an additional neuro-fuzzy controller is set up and trained. It influences the results from the navigation controller to avoid collisions with objects blocking the path. The controller is trained with dynamic backpropagation and a reinforcement learning algorithm called deep deterministic policy gradient.

Tesis y Trabajos de Investigación PUCP

Explorar

Filtros

Ajustes

Ordenar por

resultados por página

Resultados de búsqueda