http://hdl.handle.net/10498/20599 Sat, 09 May 2026 21:26:17 GMT 2026-05-09T21:26:17Z http://hdl.handle.net/10498/34347 Diseño y control de un convertidor Back-To-Back: análisis teórico y validación mediante simulación Ramírez Jurado, José Antonio El objetivo de este trabajo es diseñar y validar un sistema de control para un convertidor de electrónica de potencia tipo Back-to-Back (BTB), utilizado en la conexión entre un generador eléctrico y una carga o una red eléctrica, mediante el entorno de simulación MATLAB/Simulink. Para ello, se realiza una síntesis del modelo matemático de la dinámica del sistema, al cual se le aplica el sistema de control diseñado. El trabajo se compone de tres bloques principales: investigación y análisis teórico sobre la evolución y el funcionamiento del convertidor Back-to-Back (BTB), síntesis del modelo matemático de la dinámica del sistema y diseño y validación del sistema de control en el entorno de simulación MATLAB/Simulink. En el desarrollo del sistema de control, se utiliza una combinación de lazos de control tipo SISO y MIMO, realizando un análisis comparativo entre distintos diseños obtenidos mediante diferentes métodos de control, con el objetivo de lograr respuestas satisfactorias. Además, se llevan a cabo pruebas de robustez, sometiendo los sistemas a factores adversos típicos de las implementaciones reales, tales como el ruido en la medición de sensores, las perturbaciones externas y las incertidumbres paramétricas. Este trabajo se ha desarrollado de manera que pueda servir como base para investigaciones futuras, permitiendo que los resultados obtenidos en simulación sean reproducibles y extensibles en trabajos posteriores. Mon, 25 Nov 2024 00:00:00 GMT http://hdl.handle.net/10498/34347 2024-11-25T00:00:00Z http://hdl.handle.net/10498/33783 Sensor de visión artificial para la mejora de la automatización de procesos industriales en el simulador FACTOY IO. Domínguez Lorca, Alberto Mi trabajo consistió en integrar un sensor de visión artificial en el simulador industrial Factory IO para mejorar el proceso de clasificación de paquetes, aportando una solución innovadora que supera el rendimiento de los sensores convencionales. Este sensor, basado en inteligencia artificial (IA), emplea técnicas de aprendizaje profundo para detectar y clasificar objetos con mayor precisión y adaptabilidad, en comparación con sensores de proximidad estándar. El objetivo fue automatizar un sistema de clasificación de paquetes, utilizando un autómata programable (PLC) siguiendo el estándar IEC-61131-3. Inicialmente, se implementó con sensores convencionales, y luego se reemplazaron por un modelo de IA entrenado con imágenes sintéticas del simulador. Esta solución, que se comunica con Factory IO a través de servicios web y el software OBS, permite una clasificación en tiempo real más eficiente y versátil. La innovación de este trabajo radica en el uso de visión artificial en simuladores industriales, que ofrece una alternativa avanzada y precisa para la industria, especialmente en aplicaciones de automatización complejas. Los resultados demostraron una mejora en la precisión del proceso, y su aplicabilidad es directa para entornos educativos y de entrenamiento en automatización industrial. La motivación para este proyecto fue explorar las capacidades de la IA para aportar soluciones más flexibles y escalables en la industria. Se hace uso de distintos Software como OBS, Factory IO, Codesys y Jupyter notebook. Cada documento necesario de los tipos de software pueden ser enviados en cualquier momento. Wed, 23 Oct 2024 00:00:00 GMT http://hdl.handle.net/10498/33783 2024-10-23T00:00:00Z http://hdl.handle.net/10498/33399 IoT Educativo: Diseño y Desarrollo de un Entorno Sensorial para Evaluar y Potenciar el Rendimiento Estudiantil Tena Wilson, Javier En este proyecto se ha desarrollado un prototipo funcional de un entorno IoT para monitorear el comportamiento de los alumnos en aulas educativas. El sistema ayuda a los docentes a evaluar en tiempo real el nivel de atención e interés de los estudiantes, facilitando la adaptación dinámica de las clases. Siguiendo la metodología ADDIE, se han implementado sensores conectados a microcontroladores ESP32-C3 para medir movimiento, temperatura, humedad y luz en distintos puntos del aula. Estos datos se envían a una placa VisionFive 2, que actúa como middleware y aloja una página web para la visualización de las lecturas. El proyecto se distingue por el uso de la arquitectura abierta RISC-V, promoviendo la innovación y reduciendo la dependencia de tecnologías propietarias. Los resultados demuestran que el sistema es viable para su implementación en aulas reales, con capacidad de escalabilidad y adaptación a futuras necesidades. Wed, 18 Sep 2024 00:00:00 GMT http://hdl.handle.net/10498/33399 2024-09-18T00:00:00Z http://hdl.handle.net/10498/31708 Diseño de estación acústica inteligente (ESAI) Pecci Sánchez, Daniel El objetivo será lograr diseñar e implementar un sistema de detección acústica autónomo que estará formado por un conjunto de nodos inteligentes interconectados con un servidor central que adquiere, almacena y procesa los datos transmitidos por estos nodos. Este procesamiento se llevará en última instancia por un modelo de Red Neuronal Convolucional (CNN) entrenado en la identificación y clasificación de sonido. Los nodos, denominados de ahora en adelante como estaciones o ESAIs, aprovecharán al máximo la capacidad de cómputo de bajo consumo y coste reducido de un microcontrolador. El sistema potencialmente puede ser capaz de detectar más de 500 tipos de sonidos, desde roturas de cristales, encendido de motores, sonido de maquinaría hasta decenas de sonidos asociados a los humanos y animales pasando por la clasificación de géneros musicales. Para la muestra del proyecto se ha limitado al alcance a la detección de 4 eventos. Los eventos a detectar incluyen la rotura de cristales (para reconocer intrusiones), el llanto de bebé (como monitor de bebé), la detección de pájaros y, finalmente, la detección de presencia humana (respiración, tos, habla, pisadas, silbido, etc.). Las estaciones serán capaces de operar como SoftAPs capaces de generar servidores y portales captivos locales y también como estaciones que se comunican mediante un protocolo ligero (MQTT) al servidor a través de un broker Mosquitto. Por otro lado el Servidor DJANGO se encargará de recibir, almacenar y procesar los paquetes de audio de la estación (mediante la CNN) y enviar el resultado de la inferencia a las mismas. También ofrecerá una experiencia al usuario para poder escuchar el sonido captado en tiempo real a la vez que visualiza los resultados de la inferencia. También se creará otra página web para poder configurar de nuevo los modos de operación de la estación, buscar actualizaciones o solicitar cambiar el punto de acceso al que la estación se va a conectar. Las estaciones contarán con funcionalidad OTA para poder actualizar o corregir su firmware de forma remota en cualquier momento. Las comunicaciones entre estaciones, broker y servidor se realizan con seguridad en la capa de transporte (SSL/TLS). -Flexibilidad: La función o modo de operación de una estación puede transformarse en otra en cualquier instante. -Personalización: Otro objetivo de este proyecto es la de ofrecer una experiencia óptima al usuario. Aunque los nodos operen de forma autónoma, se ofrecerá la posibilidad de escuchar de forma remota y en tiempo real el sonido capturado por la estación, así como visualizar la clasificación del sonido realizado por la red neuronal. Por otro lado, el usuario podrá configurar el modo de operación, los eventos a detectar o incluso actualizar el firmware remotamente de cualquier estación. -Escalabilidad: El sistema estará preparado para la adición o combinación de nuevos módulos que se integren fácilmente sin necesidad de rediseñar o cambiar lo existente. La estación podrá operar de dos formas principales: - Modo escucha: Captará el sonido de su entorno a través del micrófono integrado y trasmitirá los paquetes de audio al servidor. Recibirá y procesará la predicción del modelo para detectar eventos. Si el modo silencio no está activado, activará una salida que puede ser por ejemplo un led indicador, un zumbador o un driver para controlar una alarma acústica de alto nivel sonoro. - Modo chivato: No captará el sonido ambiente. Se limitará a recibir y procesar la inferencia para la detección de eventos del sonido captado por otra ESAI. Este modo surge como forma de avisar de forma instantánea y efectiva al usuario que un evento ha ocurrido, aunque se encuentre a miles de kilómetros del lugar donde está la estación escucha, siempre y cuando tenga conexión a un punto de acceso conectado a su vez a internet. De esta manera, solventamos de forma elegante el hecho de que el módulo ESP32 usado no tenga capacidad GSM o LTE poder enviar mensajes “sms” o hacer llamadas a un número de teléfono. También se podría implementar esta funcionalidad en el servidor, pero en cualquier caso aumenta complejidad y supone implicar el servicio de terceras partes lo cual incrementa el coste también. Wed, 10 Apr 2024 00:00:00 GMT http://hdl.handle.net/10498/31708 2024-04-10T00:00:00Z