Red neuronal artificial para la extracción de parámetros dinámicos de robots a partir de información incompleta de su movimiento

Las redes neuronales artificiales son útiles para procesar datos con información incompleta para obtener una salida deseada. En los sistemas de medición de robots manipuladores, solo se toman muestras cuantificadas de la posición y, por lo tanto, no se puede ejecutar en un tiempo razonable algoritmo...

Full description

Bibliographic Details
Main Authors: Carlos Leopoldo Carreón Díaz de León, Sergio Vergara-Limon, Juan Manuel Gonzalez-Calleros, María Aurora Diozcora Vargas-Treviño
Format: Article
Language:English
Published: Universidad Autónoma de Bucaramanga 2021-11-01
Series:Revista Colombiana de Computación
Subjects:
Online Access:https://revistas.unab.edu.co/index.php/rcc/article/view/4298
Description
Summary:Las redes neuronales artificiales son útiles para procesar datos con información incompleta para obtener una salida deseada. En los sistemas de medición de robots manipuladores, solo se toman muestras cuantificadas de la posición y, por lo tanto, no se puede ejecutar en un tiempo razonable algoritmos deterministas para extraer los parámetros del robot. En el estado del arte, se abordan algoritmos de extracción de parámetros basados en la suposición de que no existe la cuantificación de las señales del movimiento del robot y que la primera y segunda derivada de la posición son muestreadas y no estimadas. En este trabajo, se propone un algoritmo basado en una red neuronal entrenada para extraer los parámetros de un determinado robot para reducir el tiempo de caracterización del robot, además, con la metodología propuesta se pueden extraer parámetros dinámicos del mismo tipo de robot con el que se ha entrenado la red neuronal.
ISSN:1657-2831
2539-2115