Diseño de un estabilizador para el péndulo invertido optimizado por algoritmos genéticos.

Rodríguez Cruz, Antonio

dc.contributor.author	Rodríguez Cruz, Antonio
dc.date.accessioned	2023-12-22T16:35:56Z
dc.date.available	2023-12-22T16:35:56Z
dc.date.issued	2014-11-01
dc.identifier.govdoc	MIM .10883 2014
dc.identifier.other	AT18948
dc.identifier.uri	http://dgsa.uaeh.edu.mx:8080/bibliotecadigital/handle/231104/3815
dc.description	Este trabajo reporta el modelado, simulación y control por retroalimentación de estados para el péndulo invertido en 2 puntos de equilibrio inestables utilizando algoritmos evolutivos del tipo AGC (“Continuos Genetic Algorithms”). El modelo se encuentra definido por ecuaciones diferenciales no lineales ordinarias (EDNLO), estas ecuaciones son necesarias para evaluar el comportamiento dinámico de un robot, el cual es linealizado para obtener un sistema en variables de estado, con la finalidad de determinar las ganancias adecuadas que ayuden a controlar al péndulo. Posteriormente se desarrolla una estrategia de sintonización del control por retroalimentación de estados usando los AGC, los cuales solo utilizan una entrada y una salida del sistema dinámico del péndulo y conforme el algoritmo evoluciona en el tiempo determina las ganancias. Esta técnica evita linealizar sistemas dinámicos, determinar raíces y desarrollar matemática compleja debido a que, como se mencionó anteriormente, solo utiliza una entrada y una salida del sistema dinámico del péndulo. Finalmente se analizan los resultados obtenidos para desarrollar una metodología formal y consistente para que la implementación de los AGC sea favorable en distintas aplicaciones. Cabe mencionar que este trabajo solo se realizó a nivel simulación utilizando Matlab.	es_ES
dc.language.iso	es	es_ES
dc.publisher	ICBI-BD-UAEH	es_ES
dc.subject	Euler-Lagrange	es_ES
dc.subject	Simulación	es_ES
dc.subject	Linealizado	es_ES
dc.subject	Algoritmo genético	es_ES
dc.subject	Código del AG	es_ES
dc.title	Diseño de un estabilizador para el péndulo invertido optimizado por algoritmos genéticos.	es_ES
dc.title.alternative	Ingeniería de Manufactura	es_ES
dc.type	Tesis	es_ES