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...
Guardado en:
Autores principales: | , , , |
---|---|
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 |