Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12104/79957
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.advisorArana Daniel, Nancy G.
dc.contributor.advisorAlanís García, Alma Y.
dc.contributor.authorValdés López, Julio Esteban
dc.date.accessioned2019-12-24T02:33:16Z-
dc.date.available2019-12-24T02:33:16Z-
dc.date.issued2017-12-12
dc.identifier.urihttps://hdl.handle.net/20.500.12104/79957-
dc.identifier.urihttps://wdg.biblio.udg.mx
dc.description.abstractLa navegación robótica autónoma se puede definir como la capacidad de un robot de desplazarse de un lugar a otro sin la necesidad de intervención humana directa, es decir, sin la necesidad de un operador. Para lograr que un agente navegue de forma autónoma por un ambiente se requieren los siguientes sistemas y representaciones: 1. Mapa del ambiente. Una representación virtual del ambiente en el cual el robot se va a desplazar. 2. Planeador de trayectorias. Es el algoritmo que obtiene el camino o trayectoria que el agente debería seguir, generalmente se obtiene como secuencia de coordenadas espaciales con respecto al mapa del ambiente. 3. Planeador de movimiento. Es el algoritmo que traduce las trayectorias espaciales a velocidades angulares y lineales que el agente debe seguir para lograr la trayectoria deseada. 4. Controlador. Es el sistema que obtiene las acciones de control (voltajes y torques) que el agente debe realizar para seguir la trayectoria deseada. Como se puede apreciar, todos los componentes dependen de la precisión ambiente de navegación, que es la parte de la navegación robótica en que se enfoca este trabajo. Existen muchos algoritmos como búsqueda por profundidad, búsqueda por amplitud, el algoritmo de Dijkstra, por mencionar algunos, que ayudan a solventar el problema de planeación de trayectoria (Path Planning). Sin embargo para que estos algoritmos trabajen debidamente requieren una representación especial del ambiente de navegación, que les dé información de los lugares que son atravesables y los lugares ocupados por obstáculos, las características del ambiente que les sirven para reconocer áreas de terreno y localizarse o incluso información acerca de qué tan fácil o difícil es atravesar una porción de terreno. En este trabajo nos enfocaremos solamente en cómo generar este mapa del ambiente a partir de las características del terreno. La representación del ambiente de navegación más sencilla de un ambiente estructurado, Fig. 1.1 (o ambiente interior, ambiente parecido al de una oficina) representa a dichos ambientes como matrices o rejillas de ocupación en los que cada celda puede estar en alguno de dos estados, se puede pasar o no se puede pasar por dicha celda. Esta clase de ambientes estructurados se pueden encontrar en interiores, donde los muebles son obstáculos inamovibles y el piso despejado es terreno transitable. Los ambientes no estructurados, Fig. 1.1, que se pueden encontrar en exteriores, como valles, bosques, montañas, ríos, carreteras etc. son aquellos que no se pueden definir en los estados pasable y no pasable, sino más bien en un intervalo continuo entre estos dos estados, que se usan para graduar la dificultad que tiene un robot para atravesar estos segmentos del ambiente.
dc.description.tableofcontentsCONTENIDO 1.Introducción 1.1 Problemática 1.2 Antecedentes 1.3 Justificación 1.4 Objetivo general 1.5 Objetivos particulares 1.6 Hipótesis 1.7 Metodología 2 Identificación de Sistemas 2.1 Métodos de Identificación de Sistemas 2.2 Redes Neuronales Recurrentes de Alto Orden 2.3 Orden de las RHONN 2.4 Algoritmo de Entrenamiento por Filtro Extendido de Kalman(EKF) 2.4.1 Algoritmo de Aprendizaje en Tiempo Real 3 Identificación de Mapas de Costo Usando RHONNs 3.1 Resultados 3.1.1 Pruebas con Mapas Dinámicos 3.1.2 Pruebas con Mapas Reales 4 Conclusiones 5 Trabajo Futuro References 5.1 Código Anexo 5.1.1 Código de Experimentos con Mapas Aleatorios 5.1.2 Código de Experimentos con Mapas Reales 5.1.3 Función mapear costos 5.1.4 Función ekf 5.1.5 Función indice 5.1.6 Función next state 5.1.7 Función randomize matrix 5.1.8 Función zeta
dc.formatapplication/PDF
dc.language.isospa
dc.publisherBiblioteca Digital wdg.biblio
dc.publisherUniversidad de Guadalajara
dc.rights.urihttps://www.riudg.udg.mx/info/politicas.jsp
dc.subjectNavegacion Robotica Autonoma
dc.subjectRobot
dc.subjectOperador
dc.subjectSistmenas
dc.titleIdentificación de costos de tránsito en ambientes dinámicos usando redes neuranles de alto orden para navegación robótica.
dc.typeTesis de Maestria
dc.rights.holderUniversidad de Guadalajara
dc.rights.holderValdés López, Julio Esteban
dc.coverageGUADALAJARA, JALISCO
dc.type.conacytmasterThesis-
dc.degree.nameMAESTRIA EN CIENCIAS EN INGENIERIA ELECTRONICA Y COMPUTACION-
dc.degree.departmentCUCEI-
dc.degree.grantorUniversidad de Guadalajara-
dc.degree.creatorMAESTRO EN CIENCIAS EN INGENIERIA ELECTRONICA Y COMPUTACION-
Aparece en las colecciones:CUCEI

Ficheros en este ítem:
Fichero TamañoFormato 
MCUCEI10009.pdf
Acceso Restringido
7.96 MBAdobe PDFVisualizar/Abrir    Request a copy


Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.