MECANISMOS ARTICULADOS ANALIZADOS CON ALGORITMOS GENETICOS
|
|
- Ana Olivares Casado
- hace 5 años
- Vistas:
Transcripción
1 MECANISMOS ARTICULADOS ANALIZADOS CON ALGORITMOS GENETICOS A_23 E. Lugo-González, J. Ramírez-Gordllo, A. T. Velázquez Sánchez, C.R. Torres San Mguel. Insttuto Poltécnco Naconal, Escuela Superor de Ingenería Mecánca y Eléctrca, Undad Profesonal Zacatenco, Avenda Insttuto Poltécnco Naconal, Colona Zacatenco, Gustavo A. Madero, CP 07738, Méxco DF, Méxco Tel ext. 696 elugog@pn.mx, ramrezgordllo@gmal.com, avelasquez@pn.mxd, sha220@hotmal.com. E. A. Merchán-Cruz, R. G. Rodríguez-Cañzo 2 Insttuto Poltécnco Naconal, Escuela Superor de Ingenería Mecánca y Eléctrca, Undad Profesonal Azcapotzalco, Avenda de las Granjas 682, Colona Sta. Catarna, Azcapotzalco, CP 02550, Méxco DF, Méxco eamerchan@pn.mx, rcname@gmal.com. RESUMEN En este trabajo se presenta la aplcacón de los Algortmos Genétcos a la solucón de problemas de síntess cnemátca en mecansmos de cadena aberta y cerrada, desde un punto de vsta general, tenendo como objetvos de la síntess, la generacón y el segumento de trayectoras específcas. El AG explora un espaco de solucones, selecconando la más factble a través de una funcón apttud que permtrá drgr la búsqueda con un enfoque de optmzacón. La estratega no requere el mplemento de matemátcas complejas para la cnemátca nversa de ambos casos, debdo a que las ecuacones de enlace geométrco en cada mecansmo se obtenen metódcamente para reducr la complejdad del problema. Se explcará de forma general en qué consste la técnca, así como la forma en que se aplcó a cada problema en partcular, para después pasar al análss de los resultados obtendos en cada uno de los ejemplos mostrados. ABSTRACT In ths work the applcaton of the Genetc Algorthms s studed to solve knematcs synthess problems n mechansms of open and closed chan, from a general pont of vew, havng the generaton and the pursut of specfc trajectores as objectves of the synthess. The AG explores a space of solutons, selectng the most feasble through an apttude functon that wll let drect the search wth an optmzaton approach. The strategy does not requre the mplementaton of complex mathematcs for the nverse knematcs n any case, because the lnk geometrc equatons n each mechansm are methodcally obtaned to reduce the complexty of the problem. The technque wll be generally explaned, as well as the way n whch t was appled to each problem n partcular, later to pass to the analyss of the results obtaned n each one of the shown examples. NOMENCLATURA Σ = Sumatora m = Grados de lbertad r= Longtud de la barra del mecansmo θ= Ángulo de movmento de las barras f= Funcón óptma C = Conjunto de puntos específcos d x 0 = Punto de nco en el eje x y 0 = Punto de nco en el eje y xd= Punto deseado en el eje x yd= Punto deseado en el eje y L = Longtud de los eslabones C= Confguracón ncal. Pf= Poscón fnal. θ = Domno de la varable INTRODUCCIÓN La síntess tene como objetvo selecconar el mecansmo óptmo para cumplr con las restrccones y los requstos mpuestos. El prncpal problema de esta es la optmzacón, que cas sempre se resuelve por la vía numérca. Para la formulacón de esta, se requere la defncón de varos aspectos como el espaco de dseño, la funcón objetvo, el algortmo de optmzacón y las restrccones. En la generacón de trayectora se trata de determnar la confguracón apta de un mecansmo que permta que un punto del msmo pase por una sere de coordenadas predefndas llamadas puntos de precsón. La optmzacón con algortmos genétcos es utlzada en la síntess de mecansmos para ISBN P á g n a 876 Derechos Reservados 2009, SOMIM
2 mnmzar el error de poscón y orentacón en mecansmos artculados, además de dsmnur la dferenca en la dstanca entre la trayectora generada y la deseada en mecansmos de cadena cerrada. Como prmer caso de estudo se presentan los robots manpuladores artculados que utlzan el método de campos de potencal artfcales para planear trayectoras con dstancas seguras entre el robot y obstáculos sobre el espaco de trabajo, desarrollando una funcón escalar utlzada como funcón métrca en el algortmo genétco [, 2]. El objetvo es que el manpulador alcance desde una poscón ncal un punto fnal sn colsonar con los obstáculos que se encuentran en el espaco de trabajo, se busca un camno corto entre el manpulador y la meta con confguracones lbres de colsón medante el algortmo genétco, evaluando la funcón objetvo como funcón de potencal caracterzado en los obstáculos. En los mecansmos polcéntrcos, segundo caso de estudo, como condcón se tene el segur una trayectora específca. El prncpal problema es la optmzacón dmensonal que puede ser defnda como la cuantfcacón de un grupo de varables de dseño que permte alcanzar un desempeño crítco en un sstema, este se expresa por medo de una funcón objetvo y cumple con certas restrccones de dseño, como son las condcones de Grashof, los valores máxmos y mínmos permtdos para los eslabones y los ángulos de entrada, además de varables de dseño y dsmnur el error permsble. La formulacón de la funcón objetvo para la síntess de error, se basa en mnmzar el error cuadrátco medo generado entre las poscones de los puntos del acoplador y las deseadas. ALGORITMOS GENÉTICOS. Un Algortmo Genétco es una técnca de programacón que mta la evolucón bológca como una estratega para resolver problemas complejos de búsqueda en la satsfaccón de decsones para modfcarse y actuar como optmzadores de funcones [3], basados en los prncpos naturales de seleccón y supervvenca de los ndvduos más aptos [, 5]. Estos fueron desarrollados por Holland [6] e mplementados por Goldberg [7]. Como ventajas tenen el ser ntrínsecamente paralelos, esto se observa por la descendenca múltple, que puede explorar el espaco de solucones en múltples dreccones a la vez. Funconan ben resolvendo problemas cuyo espaco de solucones potencales es realmente grande y usan operadores probablístco. Como desventajas tenen la rápda o tardía convergenca dependendo en certa medda de los parámetros que se utlcen como tamaño de la poblacón, número de generacones, etc. Dado el problema especfco de encontrar una trayectora para llegar a una poscón deseada, sn tomar en cuenta la orentacón en partcular, la entrada del AG es a través de un conjunto de solucones potencales ncado por una poblacón aleatoramente generada. Los caracteres en la cadena de solucón son llamados genes. El valor y la poscón en la cadena de un gen son alele. Cada solucón de la cadena es llamada cromosoma. El códgo de las varables se llama genotpo, y las varables msmas se llaman fenotpo. Estas son codfcadas por algún método y evaluadas por una métrca llamada funcón de apttud que permte conocer cuanttatvamente a cada conjunto de ndvduos selecconados probablístcamente. Los mejores canddatos se conservan y se les permte reproducrse, con la opcón de realzar múltples copas de ellas e ntroducendo cambos aleatoros durante el proceso de copa. Esta descendenca persste en cada generacón, formando un nuevo conjunto de posbles solucones, sometdas nuevamente a evaluacón de la métrca apttud, varando medante operacones genétcas como la reproduccón, el cruce y la mutacón, mejorando a algunos ndvduos, convrténdolos en mejores solucones del problema, más completos o más efcentes [8]. El algortmo nvolucra una secuenca de pasos y operacones: En la confguracón del manpulador robótco se obtenen los parámetros D-H con (θ, α, a, d), para adqurr de forma sstemátca el modelo matemátco del robot 0 T y expresarlo en el arreglo de (), donde se descrbe el robot con la poscón deseada. Posterormente se da la confguracón ncal del sstema C Є [θ, θ 2, θ n ], donde el AG se mplementa para cumplr con el objetvo planteado. 0 j T = Π = A La matrz homogénea j representa la poscón y orentacón de la ISBN P á g n a 877 Derechos Reservados 2009, SOMIM
3 herramenta con respecto al marco de referenca del manpulador robótco en forma sstemátca. En (2) se emplea para representar la poscón y orentacón de la herramenta respecto al marco de referenca, tambén puede representar la poscón y orentacón deseada, a través de (3). cosθ cosα snθ snα snθ a cosθ () snθ cosα cosθ snα cosθ a snθ A = 0 snα cos α d n ny nz 0 sx sy sz 0 ax px ay py n s = az pz x (2) a p R3 3 = p3 n s a p nd sd ad p (3) d = El térmno del lado zquerdo de la gualdad, representa el modelo matemátco del robot, el del lado derecho descrbe los parámetros deseados (orentacón y poscón). Para utlzar una expresón capaz de emplearse como funcón de desempeño en el AG, es necesaro prescndr del vector de perspectva y el valor de escala, al gual que la orentacón para soluconar el problema en partcular, utlzando úncamente el vector de posconamento p para un manpulador plano. El vector p, descrbe la desvacón que exste entre la poscón ncal y la deseada, el objetvo es reducr esta desvacón como una funcón apttud que al ser evaluada, cuantfca el desempeño de la funcón ftness [2]. Por otro lado en los mecansmos polcéntrcos, para obtener la poscón de cada eslabón se emplean las ecuacones de Freudenstan () y los números complejos para determnar los valores de los ángulos de transmsón y las dmensones de los eslabones necesaros para cubrr las restrccones de las condcones de Grashof, empleando los AG como método de búsqueda de los valores óptmos que cubran la trayectora específca. Con las restrccones mpuestas al nco de los AG, se ubcan las regones más mportantes de búsqueda. Se emplearon las ecuacones con números complejos por ofrecer mejores resultados numércos y gráfcos, ya que permten una mejor unón entre los eslabones En ambos casos de estudo, el AG nca con una poblacón de manera aleatora totalmente en códgo bnaro en base al domno de cada varable, calculando el número de bts y la longtud del cromosoma con (5) y (6) respectvamente, sendo p el número de dígtos de precsón después del punto se tene [9]: log nbts = s n longcr p ( r r ) 0 ) max = log ( 2) n longcr = nbts b = b, n, Κ b Κ b mn, longcr Μ n, longcr (5) (6) (7) Tomando como ejemplo el mecansmo de barras smple de cadena cerrada, se tenen 9 varables más los valores que tendrá el ángulo de entrada basados en la cantdad de puntos de precsón, s se queren 6 puntos, aumentan las varables a 5. Para ejemplfcar se toman las varables correspondentes a los eslabones, representadas por r, r2, r3 y r. Para el análss numérco, exsten certas restrccones que forman el domno con los valores máxmos y mínmos de cada varable, tenendo [rmn rmax; r2mn r2max; r3mn r3max; rmn rmax] ; dando valores : restrccón= [-60 60; -0 0; -5 5; -5 5]. Es necesaro determnar la precsón de dígtos después del punto decmal para la exacttud del resultado, para este caso, p=6. Xd cosθ0 = Yd senθ0 senθ0 rcx xo + cosθ 0 rcy yo () Cálculo con valores del domno ISBN P á g n a 878 Derechos Reservados 2009, SOMIM
4 60 ( 60) 0 ( 0) 6 log 0 5 ( 5) 5 ( 5) nbts = log( 2) log nbts = log( 2) Número de bts Longtud del cromosoma r 2 r2 = 38 nbts r3 39 r 39 longcr = = 2 38 = Por lo tanto el número de bts es de 2, 38,39 y 39 bts respectvamente, con una longtud del cromosoma de 58. La poblacón es generada de manera aleatora de acuerdo a su tamaño n (número de ndvduos) y a la longtud de cada uno de ellos, mostrada en la ecuacón 7. La representacón bnara correspondente para un número de ndvduos, y una longtud del cromosoma es (fgura ): Fgura. Representacón de la poblacón. Para el ejemplo mostrado en la fgura, el número de ndvduos se toma de. El tamaño de una poblacón n de cromosomas de longtud longcr, con una codfcacón bnara, debe ser sufcente para garantzar la dversdad de las solucones creadas por una notacón medante cadenas compuestas por 0 y, mostrada en (7)[0] Las varables una vez decodfcadas, son evaluadas por la funcón objetvo, que permte conocer cuanttatvamente a cada conjunto de ndvduos selecconados probablístcamente, se les da una puntuacón llamada ftness. Esta debe reflejar el valor del ndvduo de una manera real, pero en muchos problemas de optmzacón combnatora, donde exste una gran cantdad de restrccones, buena parte de los puntos del espaco de búsqueda representan ndvduos no váldos. f = ftness x ) (0) = ( F pop = f j () En la seleccón (fgura 2) el operador más utlzado es la funcón de seleccón proporconal a la funcón objetvo, con esta cada ndvduo tene una probabldad de ser selecconado como f w = (2) Fpop p p = wk + wp k = 0 L (3) padre, como se muestra en (2) y (3) [-3]. La poblacón debe evaluarse decodfcando los genes del cromosoma, para convertrse en una sere de solucones factbles al problema (8). x nbts r max r (8) mn = r mn + b 2 longcr j= ( 60) x = 60 + b 2 58 j= 0 2 (9) En (9) se muestra el cálculo para la prmera varable que tene 2 bts para su representacón. r r2 r3 r Fgura 2. Seleccón por ruleta. El operador de cruce (fgura 3) se aplca con una probabldad p c sobre los ndvduos selecconados prevamente, algunas de las cadenas se cruzan con otras, de forma tal que la cadena resultante no es representante de la cadena orgnal. ISBN P á g n a 879 Derechos Reservados 2009, SOMIM
5 Fgura 3. Cruzamento. La mutacón (fgura ), es un operador que se aplca con probabldad p m y que tene el efecto de nvertr un bt utlzando una probabldad de mutacón del bt l -, sendo l la longtud de la cadena del cromosoma. Fgura. Mutacón. La funcón prncpal se dseña medante el objetvo que es la poscón evadendo un obstáculo a través de la funcón de potencal para los mecansmos de cadena aberta y el error más pequeño entre la trayectora generada y la deseada. APLICACIÓN DE ALGORITMOS GENÉTICOS. En el manpulador robótco las ecuacones () y (5), srven para localzar el punto fnal y calcular su desvacón a través de la dstanca Eucldana [, 5]. error = f 2 ([ ]) 2 Pfnal P 3 3 j= = e error () (5) Para el mecansmo polcéntrcos, el objetvo es dsmnur el error y para esto algunos autores[6-9] han empleado (6): N ( CXd ( X) CX ( X) ) + CYd ( X) CY ( X) = ( ) M h ( X) + Mh X ( ) 2 2 (6) En donde las h son las condcones de Grashof, es decr s se cumple r 2 + r3 r + r, h =0 y en caso de que el eslabón r 2 no sea el más corto toma el valor de ; h 2 toma el valor de cero s la secuenca de los ángulos es θ 2 < θ2 < θ2 < θ2 < θ2 < θ. Y s no entonces 2 h 2 =, M determna s el mecansmo puede dar un gro completo y M 2 comprueba que el mecansmo realce un cclo en un solo sentdo cuando pasa por cada uno de los puntos deseados, M y M 2 son constantes para valores altos que penalzan la funcón objetvo cuando se presentan stuacones forzadas[6, 7, 20]. Para el ejemplo presentado, se hceron varas pruebas con valores aleatoros a las constantes M y M2 hasta llegar a un valor de 500 como penalzacón, valor que arrojo buenos resultados. La funcón objetvo tene una estructura partcular del problema, donde el error es la dstanca eucldana entre dos puntos, el punto de la confguracón ncal y el punto fnal, cuando la dstanca se reduce, ésta desvacón tende a cero. Se pretende optmzar medante el máxmo conteo de la funcón objetvo y para evtar un problema de sngulardad, se modfca la funcón objetvo a través de una funcón exponencal nversa, así la funcón crece de manera normalzada, mentras el error de dstanca se reduce. Basándose en lo anteror, la funcón objetvo fnal para cada uno de los casos de estudo es: F = ( Cr + r cosϕ, Cry + rsenϕ, Crz senϕ) (7) x + pp F = j= 2 ( Xd Xg) + ( Yd Yg) 2 CASO DE ESTUDIO DEL MANIPULADOR ROBÓTICO Se genera una trayectora elíptca con los parámetros de nco mostrados en la Tabla, en los que se defnen como varables prncpales la longtud de los eslabones, confguracón ncal, poscón fnal, número de ndvduos, probabldad de cruce y mutacón, además de los dígtos de precsón que se requeren para el valor optmo, así como el número máxmo de generacones. Tabla : Incalzacón de parámetros (8) Evaluacón fnal= /F (9) ISBN P á g n a 880 Derechos Reservados 2009, SOMIM
6 Manpulador Robótco Tres grados de lbertad Característca Descrpcón Valor Longtud de eslabones Confguracón ncal Poscón fnal Número de ndvduos Probabldad de cruce Probabldad de mutacón Precsón Número máxmo de generacones Domno de la varable Base en mm 0 Eslabón2 en mm 70 Eslabón 3 en mm 50 Angulo en condcones ncales en grados ( θ ) Pf (x,y,z) en mm [0 0 0] n ndvduo 00 De tpo proporconal.58 Mutacón solo en un punto Dígtos después del punto Intervalo de valores de ángulos máxmo y mínmo en grados [-3 3] Con los valores obtendos se tenen los sguentes gráfcos (fguras 5 y 6), el cuál sgue una trayectora ndcada por un punto objetvo: Fgura 6. Grafcas de los parámetros en la generacón de la trayectora con cambo de parámetros. En la tabla 2 se pueden observar los resultados del algortmo genétco y se muestra que converge en 55 generacones en un tempo mínmo de.6 segundos, marcando un error promedo sobre los puntos en la trayectora de 0.7 mm y una funcón promedo máxmo alcanzado de 2.7 puntos Tabla 2: Resultados del GA en la generacón de trayectora Error Funcón Generacones tempo promedo promedo mm s Se aplcaron los algortmos genetcos a partr del modelo cnematco del manpulador, empleando las ecuacones de enlace geometrco como una matrz de evaluacón. En esta puede observarse la secuenca de movmentos de los eslabones haca el punto objetvo sobre una trayectora aleatora, reducéndose la dstanca Eucldana en funcón de error y el máxmo ftness alcanzado. Fgura 5. Trayectora elíptca del manpulador de 3 grados de lbertad. CASO DE ESTUDIO DEL MECANISMO POLICÉNTRICOS. Se plantean las restrccones para generar una curva, esto con el objeto de mostrar las dversas trayectoras que puede segur un mecansmos de cadena cerrada, especfcando úncamente como restrccones los lmtes de los eslabones y los ángulos de movmento de tendrán estos para cubrr dchas lmtantes. Solo se están dando los valores de los ángulos de transmsón para dar el movmento ncal. En la tabla 3, se descrben cada una de las restrccones para poder utlzar los algortmos genétcos y generar con estos los resultados óptmos para cubrr la trayectora especfcada. ISBN P á g n a 88 Derechos Reservados 2009, SOMIM
7 Tabla 3: Incalzacón de parámetros cadena cerrada Mecansmo Polcéntrco Característca Puntos deseados Lmtes de las Descrpcón x d=[ ] varables y d=[ ] Restrccón para cada eslabón Rango para movmento Número de ndvduos Probabldad de cruce Probabldad de mutacón Precsón Número máxmo de generacones r,r2,r3,r [0,50] en mm X0,y0, r5 [ 50,50] en mm 0º a 35º grados n ndvduo 3000 De tpo proporconal 0.85 Mutacón solo en un punto Dígtos después del punto 000 generacones 0.58 El mejor mecansmo encontrado para 5 puntos de precsón, en la últma teracón de los Algortmos Genétcos, es el que tene las dmensones mostradas: x0= r=5.827 r2=7.3 y0=.057 r3= r=0.558 rcx= rcy=.857 t0=.580 t3= t=.9987 t2= La tabla muestra el resultado del algortmo genétco en su convergenca para dstntos puntos de precsón y consderando tamaños de poblacón dferentes, la fgura 7 muestra la trayectora generada por el mecansmo. Tabla : Resultados del GA en la generacón de trayectora Generacones Error promedo Puntos de precsón poblacón Tempo seg seg seg 0 yd xd Fgura 7. Segumento de trayectora mecansmo cerrado para 6 puntos de precsón. En la tabla se muestran los resultados obtendos al ncrementar los puntos de precsón, como puede observarse es necesaro aumentar la poblacón, al ncrementar el número de puntos de precsón, esto con el objeto de que exsta un mayor número de posbles solucones y para tener el mecansmos optmo que cubra la trayectora con un error mínmo. Tambén puede observarse que el tempo de convergenca aumenta, pero esto es drectamente proporconal al número de ndvduos y de generacones analzados para cubrr la trayectora. CONCLUSIONES. La aplcacón más común de los algortmos genétcos ha sdo la solucón de problemas de optmzacón, en donde han mostrado ser muy efcentes y confables. Se puede observar que el generar trayectoras con la mplementacón de algortmos genétcos ofrece ventajas por la manpulacón que se puede dar a las varables ncales, para obtener una convergenca rápda. Las trayectoras que debe segur el manpulador sn resolver la cnemátca nversa a través del algortmo genétco, faclta el análss de la generacón de trayectoras úncamente mplementando las ecuacones de enlace cnemátco drecto. Para el mecansmo de cadena cerrada se evta el cálculo del método numérco, que es laboroso y tene restrccones como el dar datos aproxmados para poder dar una solucón, además del consumo de tempo de cómputo. La optmzacón con algortmos genétcos permte tener aproxmacones a la solucón de la síntess del mecansmo, aunque la mejor solucón depende del tpo de mecansmo y de los requermentos de dseño. ISBN P á g n a 882 Derechos Reservados 2009, SOMIM
8 El gran campo de aplcacón de los Algortmos Genétcos se relacona con aquellos problemas para los cuales no exsten técncas especalzadas. Dependendo de la precsón y la dfcultad del problema, pueden usarse varacones de los algortmos genétcos, como los multobjetvo que srven para mnmzar el número de característcas selecconadas y maxmzar el número de clases dstntvos, los paralelos con los modelos de slas, los basados en lógca dfusa o combnados con las redes neuronales ya que tenen una gran capacdad para hbrdarse con otras técncas de búsqueda/optmzacón. En este trabajo solo se muestran dos ejemplos pero los AG tenen una ampla aplcabldad, porque generalmente pueden auto-adaptar sus parámetros y son capaces de resolver problemas para los cuales no se conoce solucón alguna. AGRADECIMIENTOS. Los autores agradecen al CONACYT, proyecto 2005/970 y al IPN, proyecto SIP , los medos para la realzacón de esta nvestgacón. REFERENCIAS. [] Chuang, J.H. & N. Ahuja, An analytcally tractable potental feld model of free space and ts apllcaton n obstacle avodance. IEEE Trans. Sys. Man, Cyb, Part B,(998). 28 (5): p [2] Ramírez-Gordllo, J., E.A. Merchán- Cruz, E. Lugo-González & R. Rvera Blas, Generacón de trayectoras para manpulador robótco de revolucón. IX Smposum Internaconal de Automatzacón,(2009). [3] De Jong, K.A., Genetc Algorthms are NOT Functon Optmzers. In L. Darell Whtley, Edtor, Fundatons of Genetcs Algorthms 2, Morgan Kaufmann Publshers, San Mateo Calforna,(993): p [] HIncapé-Isaza, R.A., C.A. Ríos-Porras & R.A. Gallego-R, Técncas Heurístcas Aplcadas al Problema del Cartero Vajero (TSP). Scenta et Technca,(200). 2. [5] Darwn, C.R., On the Orgen of Speces by Means of Natural Selecton On the Preservaton of Favoured Races n the Struggle for Lfe. Cambrdge Unversty Press, Cambrdge, UK, Orgnally publshed n 859,(96). [6] Holland, J.H., Adaptaton n natural and artfcal system. Ann Arbor, The Unversty of Mchgan Press,(975). [7] Goldberg, D.E., Genetc algorthms n search, optmzaton, and machne learnng. (989), USA: Addson - Wesley. [8] Goldberg, D.E., Genetc Algorthms n Search, Optmzaton and Machne Learnng. Addson-Wesley Publshng Co. Readng, Massachusetts,(989). [9] Mchalewcz, Z., Genetc Algorthms + Data Structure = Evoluton Programs. tercera ed. (999), Nueva York: Sprnger [0] Ramírez-Gordllo, J., Generacón de trayectoras para manpuladores robótcos con algortmos genétcos. Memoras del Congreso Internaconal Anual de la SOMIM,(2008). Prmera edcón. [] Davdor, Y., Genetc Algorthms and robotcs: a heurstc strategy for optmzaton. World Scentfc,(99). [2] Merchán-Cruz, E.A. & A.S. Morrs, GA Based Trajectory Planner for Robot Manpulatord Sharng a Common Workspace. Proceedng of the IASTED Internatonal Conference APPLIED SIMULATION AND MODELLING, Rodhes, Greece,(200) [3] Merchán-Cruz, E.A., Soft-Computng Technques n the Trajectory Plannng of Mult-Robot Manpulators Systems (Part I). Centífca, Insttuto Poltécnco Naconal, Escuela Superor de Ingenera Mecánca y Eléctrca,(2005). 9(): p [] Atef, A.A., F.F. Waleed & Y.S.a. Mohammad, Optmal Trajectory Selecton for a Three DOF Manpulator wth Mnmum Energy Consumpton. Internatonal Journal of Appled Engneerng Research,(2007). 2(): p [5] Yue, S.G., D. Henrch, W.L. Xu & S.K. Tso, Trajectory Plannng n Jont Space for Flexble Robots wth Knematcs Redundancy. The IASTED Internatonal Conference Modellng, Identfcaton and Control.,(200). [6] Cabrera, J.A., A. Smon & M. Prado, Optmal synthess of mechansms wth genetc algorthms. Mechansm and ISBN P á g n a 883 Derechos Reservados 2009, SOMIM
9 machne theory,(2002). 37 No0: p [7] Larb, M.A., A. Mlka, L. Romdhane & S. Zeghluoul, A combned genetc algorthm - fuzzy logc method (GA - FL) n mechansm synthess. Mechansm and machne theory,(200). 39: p [8] Erkaya, S. & I. Uzmay, Determnng lnk parameters usng genetc algorthm n mechansms wth jont clearance. Mechansm and Machne Theory. (2008). Theory (2008)(do:0.06/j.mechmachtheory ). [9] Roston, G.P. & R.H. Sturges, Genetc Algorthm Synthess of Four-bar Mechansms. Artfcal Intellgence for Engneerng Desgn,Analyss and Manufacturng,(996). 0: p [20] Fabo-Quntero, H., G. Calle-Trujllo & D.-A. A., Síntess de generacón de trayectoras y de movmento para múltples poscones en mecansmos, utlzando algortmos genétcos., n Scenta et Technca.(200). ISBN P á g n a 88 Derechos Reservados 2009, SOMIM
MECANISMOS ANALIZADOS CON ALGORITMOS GENÉTICOS Y MÉTODOS ANALÍTICOS.
MECANISMOS ANALIZADOS CON ALGORITMOS GENÉTICOS Y MÉTODOS ANALÍTICOS. E. Lugo-González, J. Ramírez-Gordllo, A. T. Velázquez Sánchez, I. Y. Campos Padlla. 1 Insttuto Poltécnco Naconal, Escuela Superor de
Más detallesDISEÑO SÍSMICO DE ESTRUCTURAS DE ACERO UTILIZANDO ALGORÍTMOS GENÉTICOS RESUMEN ABSTRACT INTRODUCCIÓN
DISEÑO SÍSMICO DE ESTRUCTURAS DE ACERO UTILIZANDO ALGORÍTMOS GENÉTICOS Jorge H. González Cuevas 1, Edén Bojórquez Mora 1, Alfredo Reyes Salazar 1, Juan I. Velázquez Dmas 1 y Basla Quñonez Esquvel 1 RESUMEN
Más detallesEspacios de Búsqueda en un Árbol Binario para Resolver Problemas de Optimización Discreta
Espacos de Búsueda en un Árbol Bnaro para Resolver Problemas de Optmzacón Dscreta María Elena Gómez-Torres J. Crspín Zavala-Díaz Marco Antono Cruz- Chávez 3 Insttuto Tecnológco de Zacatepec Calzada Insttuto
Más detallesRobótica Tema 4. Modelo Cinemático Directo
UNIVERSIDAD POLITÉCNICA DE MADRID E.U.I.T. Industral ASIGNATURA: Robótca TEMA: Modelo Cnemátco Ttulacón: Grado en Ingenería Electrónca y Automátca Área: Ingenería de Sstemas y Automátca Departamento de
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesModelado de un Robot Industrial KR-5
RESUMEN Modelado de un Robot Industral KR-5 (1) Eduardo Hernández 1, Samuel Campos 1, Jorge Gudno 1, Janeth A. Alcalá 1 (1) Facultad de Ingenería Electromecánca, Unversdad de Colma, km 2 Carretera Manzanllo-Barra
Más detallesExtracción de Atributos. Dr. Jesús Ariel Carrasco Ochoa Oficina 8311
Extraccón de Atrbutos Dr. Jesús Arel Carrasco Ochoa arel@naoep.mx Ofcna 8311 Contendo Introduccón PCA LDA Escalamento multdmensonal Programacón genétca Autoencoders Extraccón de atrbutos Objetvo Preprocesamento
Más detallesCinemática del Brazo articulado PUMA
Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad
Más detallesLOS ALGORÍTMOS GENÉTICOS Y SU APLICACIÓN AL DISEÑO SÍSMICO DE EDIFICACIONES DE ACERO RESUMEN
Socedad Mexcana de Ingenería Estructural LOS ALGORÍTMOS GENÉTICOS Y SU ALICACIÓN AL DISEÑO SÍSMICO DE EDIFICACIONES DE ACERO Jorge H. González Cuevas 1, Edén Bojórquez Mora 1, Alfredo Reyes Salazar 1,
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesCAPÍTULO 4. CINEMÁTICA DE LOCALIZACIÓN DEL ROBOT PARALELO
8 CAPÍTULO 4. CINEMÁTICA DE LOCALIZACIÓN DEL ROBOT PARALELO En esta seccón se descrbe el análss de posconamento y orentacón del robot paralelo: Se resuelve el problema cnemátco nverso en base a métodos
Más detallesControl de Posición Multi-Objetivo de un Brazo Robot Antropomórfico Usando Algoritmos Genéticos
Control de oscón Mult-Objetvo de un Brazo Robot Antropomórfco Usando Algortmos Genétcos Alberto Vera*, Antono Morán Cárdenas** *ontfca Unversdad Católca del erú, Lma ERÚ (a0044848@pucp.edu.pe ** ontfca
Más detallesUN PROBLEMA LOGÍSTICO DE RUTEO DE VEHÍCULOS Y UNA SOLUCIÓN CON LA HEURÍSTICA R: UN CASO DE ESTUDIO
Scenta et Technca Año XIII, No 37, Dcembre de 2007. Unversdad Tecnológca de Perera. ISSN 0122-1701 407 UN PROBLEMA LOGÍSTICO DE RUTEO DE VEHÍCULOS Y UNA SOLUCIÓN CON HEURÍSTICA R: UN CASO DE ESTUDIO A
Más detallesPROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.
Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesRedalyc. Gallego, Ramón A.; Escobar Z., Antonio H.; Rodas Rendón, Darío E.
Redalyc Sstema de Informacón Centífca Red de Revstas Centífcas de Amérca Latna, el Carbe, España y Portugal Gallego, Ramón A.; Escobar Z., Antono H.; Rodas Rendón, Darío E. ALGORITMO GENÉTICO ESPECIALIZADO
Más detallesMAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.
TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,
Más detalles5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.
Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las
Más detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detalles3 LEYES DE DESPLAZAMIENTO
eyes de desplazamento EYES DE DESPAZAMIENTO En el capítulo dos se expone el método de obtencón de las leyes de desplazamento dseñadas por curvas de Bézer para mecansmos leva palpador según el planteamento
Más detallesCAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 01. Ing. Diego A. Patiño G. M.Sc, Ph.D.
CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 0 Ing. Dego A. Patño G. M.Sc, Ph.D. Solucón de la Ecuacón de Estado Solucón de Ecuacones de Estado Estaconaras: Para el caso estaconaro (nvarante en el tempo),
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesEl diodo Semiconductor
El dodo Semconductor J.I. Hurcán Unversdad de La Frontera Aprl 9, 2012 Abstract Se plantean procedmentos para analzar crcutos con dodos. Para smpl car el trabajo, el dodo semconductor es reemplazado por
Más detallesOptimización no lineal
Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de
Más detallesHerramientas Matemáticas para la localización espacial. Prof. Cecilia García
Herramentas Matemátcas para la localzacón espacal Contendo I. Justfcacón 2. Representacón de la poscón 2. Coord. Cartesanas 2.2 Coord. Polares y Clíndrcas 2.3 Coord. Esfércas 3. Representacón de la orentacón
Más detallesCátedra Investigación Operativa
Cátedra Investgacón Operatva Prof. Ttular Prof. Adunto JTP JTP Dr. Ing. Jorge E. Núñez Mc Leod Ing. Horaco Day Ing. Roberto Martín (lcenca) Ing. Romna Calvo Olvares Clases: Aula: Vernes 9:-: hs. Teórco-práctcos
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesLa representación Denavit-Hartenberg
La representacón Denavt-Hartenberg José Cortés Parejo. Marzo 8 Se trata de un procedmeto sstemátco para descrbr la estructura cnemátca de una cadena artculada consttuda por artculacones con. un solo grado
Más detallesCaptura de objetos móviles sobre una recta *
Morfsmos, Vol. 18, No. 1, 2014, pp. 45 55 Captura de objetos móvles sobre una recta * Lus E. Urbán Rvero Rafael López Bracho Francsco J. Zaragoza Martínez Resumen En el problema del agente vajero eucldano
Más detalles315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesIDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR
IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.
Más detallesCAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información
IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.
Más detallesUBICACIÓN DE MANIPULADORES DE ACUERDO CON EL CONSUMO MÍNIMO DE ENERGÍA J H. Ay Az
A_99 al 3 DE SEPTIEMBRE, 0 SAN LUIS POTOSÍ, MÉXICO UBICACIÓN DE MANIPULADORES DE ACUERDO CON EL CONSUMO MÍNIMO DE ENERGÍA Erk Peña Medna Ángel Alfonso Rojas Salgado Departamento de Ingenería de Dseño,
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesIII CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES
III CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES TUTORIAL: ANÁLISIS MULTIOBJETIVO CONSIDERANDO INCERTIDUMBRE E IMPRECISIÓN Patrca Jaramllo A. y Rcardo A. Smth
Más detallesEL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA
EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de
Más detallesSOLUCIÓN DEL DESPACHO DINÁMICO MULTI-OBJETIVO DE EMISIONES Y COSTO DE GENERACIÓN CON PUNTOS VÁLVULA MEDIANTE EL GA DE MATLAB
SOLUCIÓN DEL DESPACHO DINÁMICO MULTI-OBJETIVO DE EMISIONES Y COSTO DE GENERACIÓN CON PUNTOS VÁLVULA MEDIANTE EL GA DE MATLAB Vargas Rodríguez José Reyes (1), García Guzmán José Mguel (2), Ortega Herrera
Más detallesPlanificación y optimización asistida por computadora de secuencias de ensamble mecánico
Ingenería Mecánca. Vol. 12. No.1, enero-abrl de 2009, pag. 59-68 ISSN 1815-5944 Planfcacón y optmzacón asstda por computadora de secuencas de ensamble mecánco L. L. omás-garcía Recbdo el 12 de enero de
Más detallesEstructura de tabla. Crear una tabla de base de datos. Paso previo a la creación i
Estructura de una tabla Estructura de tabla Access 2016 Crear una tabla de base de datos Paso prevo a la creacón Una tabla es un conjunto de datos estructurados. Esta estructura se basa en un elemento
Más detallesAJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.
AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método
Más detallesPlanificación de trayectorias mediante Programación Dinámica
Planfcacón de trayectoras medante Programacón Dnámca Mael O. Torres Pñero 1 Valery Moreno Vega 2 RESUMEN / ABSTRAT 1 Insttuto Superor Poltécnco José Antono Echevarra. mael@electrca.cuae.edu.cu 2 Insttuto
Más detallesOPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final
OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron
Más detallesObjetivos El alumno conocerá y aplicará diversas técnicas de derivación e integración numérica. Al final de esta práctica el alumno podrá:
Objetvos El alumno conocerá y aplcará dversas técncas de dervacón e ntegracón numérca. Al fnal de esta práctca el alumno podrá:. Resolver ejerccos que contengan dervadas e ntegrales, por medo de métodos
Más detallesIntroducción a la Optimización Multiobjetivo
Introduccón a la Optmzacón Multobjetvo Optmzacón Multobjetvo (MOP) Práctcamente en cualquer área y en una varedad de contetos se presentan problemas con múltples objetvos que se contraponen entre sí A
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesUniversidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller
Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo
Más detallesLotes óptimos de producción mediante algoritmos genéticos
IX Congreso de Ingenería de Organzacón Gjón, 8 y 9 de septembre de 2005 Lotes óptmos de produccón medante algortmos genétcos Manuel Rojas Guerrero 1, Ángel Antono Saraba Vejo 2 1 Escuela Técnca Superor
Más detallesAgrupamiento de puntos de venta en una red de distribución
Agrupamento de puntos de venta en una red de dstrbucón Utlzando el Método de grafos y la Generacón de cortes para su solucón a través del lenguaje de modelacón AMPL. 26/Ago./04 Presenta: Aracel Ramírez
Más detallesProblemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel
Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al
Más detallesSimulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.
Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón
Más detallesMatemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de
Matemátcas II Segundo Curso, Grado en Ingenería Electrónca Industral y Automátca Grado en Ingenería Eléctrca 7 de febrero de 0. Conteste las sguentes cuestones: Ã! 0 (a) (0.5 ptos.) Escrba en forma bnómca
Más detallesProbabilidad Grupo 23 Semestre Segundo examen parcial
Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detallesALGORITMO SATSA DE DOS PASOS PARA JSSP.
ALGORITMO SATSA DE DOS PASOS PARA JSSP. AUTORES Marco Antono Cruz Chávez 00334858@academ01.mor.tesm.mx Arnulfo Martínez Perete 00371320@academ01.mor.tesm.mx Novembre del 2000 MATERIA ANÁLISIS DE ALGORITMOS
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detallesDpto. Física y Mecánica
Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D
Más detallesLUGAR DE LAS RAÍCES. Lugar de las raíces.
Unversdad Carlos III de Madrd Señales y Sstemas LUGAR DE LAS RAÍCES Lugar de las raíces. 1. Introduccón. Crteros del módulo y argumento. 2. Gráfcas del lugar de las raíces. 3. Reglas para construr el lugar
Más detallesAnálisis del desempeño cinetostático de un robot paralelo tipo Delta reconfigurable
Ingenería Investgacón y Tecnología, volumen XVI (número ), abrl-juno 15: 13-4 ISSN 145-7743 FI-UNAM (artículo arbtrado) do: http://dx.do.org/1.116/j.rt.15.3.6 Análss del desempeño cnetostátco de un robot
Más detallesMosto Vino joven Vino crianza Vino reserva Gran reserva Precio [ /l] Coste [ /l] Evap [%]
PROBLEMA: EL BODEGUERO Un bodeguero ha tendo una buena cosecha que estma sea de 10000 ltros. El bodeguero ha de decdr qué cantdad de la cosecha dedcarla a hacer mosto, qué cantdad conservarla un año en
Más detallesClase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.
Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesClase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.
Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca
Más detallesAGRUPAMIENTO HOMOGÉNEO DE ELEMENTOS CON MÚLTIPLES ATRIBUTOS MEDIANTE ALGORITMOS GENÉTICOS
AGRUPAMIENTO HOMOGÉNEO DE ELEMENTOS CON MÚLTIPLES ATRIBUTOS MEDIANTE ALGORITMOS GENÉTICOS HOMOGENEOUS GROUPING FOR MULTI ATRIBUTE ELEMENTS USING GENETIC ALGORITHMS JULIAN MORENO Escuela de Sstemas, Unversdad
Más detallesRELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF
RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTOR OF ELECTRONIC PARTS) Una empresa fabrca tres tpos de componentes electróncos,
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
Más detallesDESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO
Clascacón: Emtdo para Observacones de los Coordnados Versón: 1.0 DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Autor Dreccón de Operacón Fecha Creacón 06-04-2010 Últma Impresón 06-04-2010 Correlatvo
Más detallesPROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA
Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL
Más detallesEstimación no lineal del estado y los parámetros
Parte III Estmacón no lneal del estado y los parámetros 1. Estmacón recursva El ltro de Kalman extenddo 12 es una técnca muy utlzada para la la estmacón recursva del estado de sstemas no lneales en presenca
Más detallesRevista Venezolana de Análisis de Coyuntura ISSN: Universidad Central de Venezuela Venezuela
Revsta Venezolana de Análss de Coyuntura ISSN: 35-367 coyuntura@cantv.net Unversdad Central de Venezuela Venezuela Rodríguez Toledo, Rafael Computacón emergente y su nfluenca en las cencas económcas, caso
Más detallesTRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica.
TRABAJO Y ENERGÍA INTRODUCCIÓN La aplcacón de las leyes de Newton a problemas en que ntervenen fuerzas varables requere de nuevas herramentas de análss. Estas herramentas conssten en los conceptos de trabajo
Más detallesCLAVE - Laboratorio 1: Introducción
CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesAplicación de curvas residuo y de permeato a sistemas batch y en continuo
Aplcacón de curvas resduo de permeato a sstemas batch en contnuo Alan Dder érez Ávla En el presente trabajo se presentara de manera breve como obtener las ecuacones que generan las curvas de resduo, de
Más detallesCI63G Planificación de Sistemas de Transporte Público Urbano. Clase 8 Semestre Otoño 2008
CI63G Planfcacón de Sstemas de Transporte Públco Urbano Clase 8 Semestre Otoño 2008 Undades Temátcas 1. La oferta de transporte públco urbano (2 semanas) 2. La demanda por TPU (1,5 sem.) 3. Dseño y optmzacón
Más detallesOptimización multicriterio. Andrés Ramos Universidad Pontificia Comillas
Optmzacón multcrtero Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu Contendo 1. Conceptos báscos 2. Métodos contnuos 3. Métodos dscretos Escuela Técnca
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detalles1.- Objetivo Alcance Metodología...3
PROCEDIMIENTO DO PARA EL CÁLCULO DEL FACTOR DE DESEMPEÑO DEL CONTROL DE FRECUENCIA (FECF) EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE 1.- Objetvo...3 2.- Alcance...3 3.- Metodología...3 3.1.- Cálculo de la
Más detallesResumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange
TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley
Más detallesCI42A: ANALISIS ESTRUCTURAL. Programa CI42A
CI4A: ANALISIS ESTRUCTURAL Prof.: Rcardo Herrera M. Programa CI4A NÚMERO NOMBRE DE LA UNIDAD OBJETIVOS DURACIÓN 4 semanas Prncpo de los trabajos vrtuales y teoremas de Energía CONTENIDOS.. Defncón de trabajo
Más detallesANEXO A: Método de Interpolación de Cokriging Colocado
ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),
Más detallesMÉTODOS MATEMÁTICOS PARA LA ECONOMÍA CON EXCEL
MÉTODOS MATEMÁTICOS PARA LA ECONOMÍA CON EXCEL LÓPEZ ARES, SUSANA (slopez@econo.unov.es SÁNCHEZ ALVAREZ, ISIDRO (sanchez@econo.unov.es Departamento de Economía Cuanttatva - Unversdad de Ovedo Dentro de
Más detallesDiferenciación Automática Aplicada en Simulación Multicuerpo
Dferencacón Automátca Aplcada en Smulacón Multcuerpo D. Gómez (1), J. García de Jalón (2) (1) SOCOIN Paseo Club Deportvo, 1, Edfco 5,28223, Pozuelo de Alarcón, Madrd, +34-912577051, davdgomezjm@gmal.com
Más detallesINSTITUTO POLITECNICO NACIONAL T E S I S M A E S T R O E N C I E N C I A S CÁLCULO DE LA CINEMÁTICA Y LA DINÁMICA DEL MANIPULADOR CINVESTAV-ESIME
INSTITUTO POLITECNICO NACIONAL ESCUELA SUPERIOR DE INGENIERIA MECANICA Y ELECTRICA () SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN () CÁLCULO DE LA CINEMÁTICA Y LA DINÁMICA DEL MANIPULADOR CINVESTAV-ESIME
Más detalles6.9 El trazador cúbico
4.9 El trazador cúbco El polnomo de nterpolacón es útl s se usan pocos datos y que además tengan un comportamento polnomal, así su representacón es un polnomo de grado bajo y adecuado. S no se cumplen
Más detallesApéndice A. Obtención y representación de forma.
Apéndce A. Obtencón y representacón de forma. A.1. Algortmo de deteccón de contorno. El algortmo de segumento de contorno se puede resumr en los sguentes pasos: 1. Se recorre la magen, desde la esquna
Más detallesUtilizar sumatorias para aproximar el área bajo una curva
Cálculo I: Guía del Estudante Leccón 5 Apromacón del área bajo la curva Leccón 5: Apromacón del área bajo una curva Objetvo: Utlzar sumatoras para apromar el área bajo una curva Referencas: Stewart: Seccón
Más detallesFuentes de información
TEORÍA DE LA INFORMACIÓN Tratamento probablístco de la Informacón Fuentes de nformacón INGENIERÍA DE SISTEMAS Cursada 6 TRANSMISIÓN DE INFORMACIÓN decodfcacón automátca PRINCIPALES TEMÁTICAS DE LA TEORÍA
Más detalles16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales
16.21 Técncas de dseño y análss estructural Prmavera 2003 Undad 8 Prncpo de desplazamentos vrtuales Prncpo de desplazamentos vrtuales Tengamos en cuenta un cuerpo en equlbro. Sabemos que el campo de esfuerzo
Más detallesMétodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales
Métodos Matemá5cos en la Ingenería Tema. Ecuacones no lneales Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA
Más detallesMUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesUniversidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud
Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA Departamento de Ingeniería Eléctrica
ONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA Departamento de Ingenería Eléctrca METODOS DE ASIGNACION DE EAJES DE LOS SISTEMAS DE TRANSMISION ELECTRICA SEGUN EL USO DE LA RED FRANCISCO
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
Más detallesInstituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012
Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE
Más detalles