Red neuronal artificial para la extracción de parámetros dinámicos de robots a partir de información incompleta de su movimiento

Las redes neuronales artificiales son útiles para procesar datos con información incompleta para obtener una salida deseada. En los sistemas de medición de robots manipuladores, solo se toman muestras cuantificadas de la posición y, por lo tanto, no se puede ejecutar en un tiempo razonable algoritm...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Carlos Leopoldo Carreón Díaz de León, Sergio Vergara-Limon, Juan Manuel Gonzalez-Calleros, María Aurora Diozcora Vargas-Treviño
Formato: article
Lenguaje:EN
ES
Publicado: Universidad Autónoma de Bucaramanga 2021
Materias:
Acceso en línea:https://doaj.org/article/137ae873a75f41eba75f81b0fe63295d
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
id oai:doaj.org-article:137ae873a75f41eba75f81b0fe63295d
record_format dspace
spelling oai:doaj.org-article:137ae873a75f41eba75f81b0fe63295d2021-12-01T16:32:33ZRed neuronal artificial para la extracción de parámetros dinámicos de robots a partir de información incompleta de su movimiento10.29375/25392115.42981657-28312539-2115https://doaj.org/article/137ae873a75f41eba75f81b0fe63295d2021-11-01T00:00:00Zhttps://revistas.unab.edu.co/index.php/rcc/article/view/4298https://doaj.org/toc/1657-2831https://doaj.org/toc/2539-2115 Las redes neuronales artificiales son útiles para procesar datos con información incompleta para obtener una salida deseada. En los sistemas de medición de robots manipuladores, solo se toman muestras cuantificadas de la posición y, por lo tanto, no se puede ejecutar en un tiempo razonable algoritmos deterministas para extraer los parámetros del robot. En el estado del arte, se abordan algoritmos de extracción de parámetros basados en la suposición de que no existe la cuantificación de las señales del movimiento del robot y que la primera y segunda derivada de la posición son muestreadas y no estimadas. En este trabajo, se propone un algoritmo basado en una red neuronal entrenada para extraer los parámetros de un determinado robot para reducir el tiempo de caracterización del robot, además, con la metodología propuesta se pueden extraer parámetros dinámicos del mismo tipo de robot con el que se ha entrenado la red neuronal. Carlos Leopoldo Carreón Díaz de LeónSergio Vergara-LimonJuan Manuel Gonzalez-CallerosMaría Aurora Diozcora Vargas-Treviño Universidad Autónoma de BucaramangaarticleRed neuronalRobotsParámetros dinámicosComputer engineering. Computer hardwareTK7885-7895Electronic computers. Computer scienceQA75.5-76.95ENESRevista Colombiana de Computación, Vol 22, Iss 2 (2021)
institution DOAJ
collection DOAJ
language EN
ES
topic Red neuronal
Robots
Parámetros dinámicos
Computer engineering. Computer hardware
TK7885-7895
Electronic computers. Computer science
QA75.5-76.95
spellingShingle Red neuronal
Robots
Parámetros dinámicos
Computer engineering. Computer hardware
TK7885-7895
Electronic computers. Computer science
QA75.5-76.95
Carlos Leopoldo Carreón Díaz de León
Sergio Vergara-Limon
Juan Manuel Gonzalez-Calleros
María Aurora Diozcora Vargas-Treviño
Red neuronal artificial para la extracción de parámetros dinámicos de robots a partir de información incompleta de su movimiento
description Las redes neuronales artificiales son útiles para procesar datos con información incompleta para obtener una salida deseada. En los sistemas de medición de robots manipuladores, solo se toman muestras cuantificadas de la posición y, por lo tanto, no se puede ejecutar en un tiempo razonable algoritmos deterministas para extraer los parámetros del robot. En el estado del arte, se abordan algoritmos de extracción de parámetros basados en la suposición de que no existe la cuantificación de las señales del movimiento del robot y que la primera y segunda derivada de la posición son muestreadas y no estimadas. En este trabajo, se propone un algoritmo basado en una red neuronal entrenada para extraer los parámetros de un determinado robot para reducir el tiempo de caracterización del robot, además, con la metodología propuesta se pueden extraer parámetros dinámicos del mismo tipo de robot con el que se ha entrenado la red neuronal.
format article
author Carlos Leopoldo Carreón Díaz de León
Sergio Vergara-Limon
Juan Manuel Gonzalez-Calleros
María Aurora Diozcora Vargas-Treviño
author_facet Carlos Leopoldo Carreón Díaz de León
Sergio Vergara-Limon
Juan Manuel Gonzalez-Calleros
María Aurora Diozcora Vargas-Treviño
author_sort Carlos Leopoldo Carreón Díaz de León
title Red neuronal artificial para la extracción de parámetros dinámicos de robots a partir de información incompleta de su movimiento
title_short Red neuronal artificial para la extracción de parámetros dinámicos de robots a partir de información incompleta de su movimiento
title_full Red neuronal artificial para la extracción de parámetros dinámicos de robots a partir de información incompleta de su movimiento
title_fullStr Red neuronal artificial para la extracción de parámetros dinámicos de robots a partir de información incompleta de su movimiento
title_full_unstemmed Red neuronal artificial para la extracción de parámetros dinámicos de robots a partir de información incompleta de su movimiento
title_sort red neuronal artificial para la extracción de parámetros dinámicos de robots a partir de información incompleta de su movimiento
publisher Universidad Autónoma de Bucaramanga
publishDate 2021
url https://doaj.org/article/137ae873a75f41eba75f81b0fe63295d
work_keys_str_mv AT carlosleopoldocarreondiazdeleon redneuronalartificialparalaextracciondeparametrosdinamicosderobotsapartirdeinformacionincompletadesumovimiento
AT sergiovergaralimon redneuronalartificialparalaextracciondeparametrosdinamicosderobotsapartirdeinformacionincompletadesumovimiento
AT juanmanuelgonzalezcalleros redneuronalartificialparalaextracciondeparametrosdinamicosderobotsapartirdeinformacionincompletadesumovimiento
AT mariaauroradiozcoravargastrevino redneuronalartificialparalaextracciondeparametrosdinamicosderobotsapartirdeinformacionincompletadesumovimiento
_version_ 1718404796701999104