Por favor, use este identificador para citar o enlazar este ítem:
http://ciateq.repositorioinstitucional.mx/jspui/handle/1020/463| Control y monitoreo cognitivo basado en máquina de aprendizaje extremo: aplicación a la caracterización y formado de lámina bimetálica para moto-protectores térmicos | |
| JOSE MARTIN MELCHOR LEAL | |
| JOSE ANTONIO CANTORAL CEBALLOS OSCAR HERNANDEZ URIBE | |
| Acceso Abierto | |
| Atribución-NoComercial-CompartirIgual | |
| Redes neuronales Máquina de aprendizaje extremo Red hipocámpica Bimetales termostáticos Neural network Extreme learning machine Hipocampical network Thermostatic bimetals | |
| En los sistemas de control de automatismos Industriales para manufactura existe la necesidad cada vez más frecuente de usar algoritmos avanzados de control que utilicen las técnicas de Machine Learning. Esto debido a los requerimientos de crear nuevos productos de mayor calidad y complejidad con procesos de alto rendimiento. De aquí nace la necesidad de desarrollar un nuevo algoritmo para optimizar los controles de automatismos industriales capaz de aprender, memorizar las mejores soluciones y adaptarse a los cambios en un ambiente industrial real afectado por un sin número de ruidos y variaciones de materias primas. ntes de este trabajo no se había conseguido relacionar los sistemas de control de automatismos industriales con el desarrollo vertiginoso de los sistemas de control robótico cognitivo que usan Machine Learning avanzado, debido principalmente a la velocidad de aprendizaje, esta barrera se salva al crear algoritmos híbridos que utilizan la técnica de máquina de aprendizaje extremo (ELM). El sistema robótico cognitivo tiene un enorme parecido al control de automatismos industriales y ha logrado incorporar las funciones de memoria, reconocimiento automático y resolución de obstáculos; funciones que se pueden adaptar a los procesos industriales. El presente trabajo, explica la creación dos algoritmos híbridos, el AHN-ELM y el PAT-ELM ambos inspirados en el funcionamiento del hipocampo biológico y su implementación basada en ELM. El algoritmo híbrido PAT-ELM se aplica a la caracterización de láminas bimetálicas, y el AHN-ELM en el control de una máquina industrial para el formado de curvatura de lámina bimetálica termostática, ambos usados en la fabricación de moto-protectores eléctricos. Se demuestra que los algoritmos PAT-ELM y AHN-ELM propuestos pueden caracterizar y controlar de forma eficiente procesos de manufactura industrial reales que los sistemas de control tradicionales basados en modelos no logran con el mismo nivel de eficiencia. In the industrial automation control systems for manufacturing there is an increasingly frequent need to use advanced control algorithms that use Machine Learning techniques. This is due to the requirements of creating new products of higher quality and complexity with high-performance processes. Hence the need to develop a new algorithm to optimize industrial automation controls capable of learning, memorizing the best solutions and adapting to changes in a real industrial environment affected by a number of noises and variations in raw materials. Before this work, it had not been possible to relate industrial automation control systems with the vertiginous development of cognitive robotic control systems that use advanced Machine Learning, mainly due to the speed of learning, this barrier is overcome by creating hybrid algorithms that use the extreme learning machine (ELM) technique. The cognitive robotic system has an enormous resemblance to the control of industrial automation and has managed to incorporate the functions of memory, automatic recognition and resolution of obstacles; functions that can be adapted to industrial processes. The present work explains the creation of two hybrid algorithms, the AHN-ELM and the PAT-ELM, both inspired by the functioning of the biological hippocampus and their implementation based on ELM. The hybrid algorithm PAT-ELM is applied to the characterization of bimetallic thermostatic discs, and the AHN-ELM in the control of an industrial machine for forming curvature of thermostatic bimetallic discs, both used in the manufacture of electrical motor protectors. The proposed PAT-ELM and AHN-ELM algorithms are shown to be able to efficiently characterize and control real industrial manufacturing processes that traditional model-based control systems cannot achieve with the same level of efficiency. | |
| CIATEQ, A.C. | |
| 2021 | |
| Tesis de doctorado | |
| Español | |
| INTELIGENCIA ARTIFICIAL | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Doctorado en Manufactura Avanzada |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| MelchorLealJoseM DMANAV 2021.pdf | Tesis de doctorado en texto completo | 8.39 MB | Adobe PDF | Visualizar/Abrir |