Depósito Campus Casa Central Valparaíso

Permanent URI for this collectionhttps://repositorio.usm.cl/handle/123456789/73009

Browse

Now showing 1 - 4 of 4

Caracterización de tiempo de ejecución de solver OSQP para aplicaciones en control predictivo por modelo
(Universidad Técnica Federico Santa María, 2025-12-10) Simón Villacorta, Manuel; Agüero Vásquez, Juan Carlos; Departamento de Electrónica; Carvajal Barrera, Gonzalo Andrés; Silva Jiménez, César Armando
El presente trabajo expone los resultados de un estudio sobre los tiempos de ejecución del solver Operator Splitting Quadratic Program (OSQP), una herramienta de optimización convexa ampliamente utilizada en aplicaciones de Model Predictive Control (MPC). El análisis se orienta a evaluar su viabilidad en sistemas embebidos, entornos caracterizados por recursos computacionales limitados. A partir de un código desarrollado en MATLAB, se generaron instancias aleatorias de problemas con distintas dimensiones, sobre las cuales se evaluó el desempeño del solver bajo diversas configuraciones de parámetros. El objetivo principal es caracterizar su comportamiento computacional, analizando su precisión, escalabilidad y estabilidad temporal, con miras a una eventual implementación en plataformas embebidas de bajo costo. Como parte del proceso de validación, se realizaron experimentos comparativos con el solver nativo de MATLAB, con el propósito de verificar la equivalencia funcional del algoritmo y garantizar la consistencia de los resultados obtenidos . Además, se llevaron a cabo pruebas experimentales en dos tarjetas Raspberry Pi, lo que permitió evaluar el rendimiento del solver en un entorno embebido real, considerando tanto sus limitaciones de hardware como sus capacidades para operar en tiempo real. Finalmente, se incluyeron casos de estudio asociados a Sistemas de Energía Distribuida (DER), con el fin de analizar el comportamiento de OSQP en aplicaciones prácticas de MPC.
Control predictivo de un sistema de levitación magnética
(Universidad Técnica Federico Santa María, 2025-10) Corvalán Romero, Arturo Andrés; Agüero Vásquez, Juan Carlos; Departamento de Electrónica; Cedeño Nieto, Ángel Leonel
En este trabajo de titulación se presenta la aplicación de un método avanzado de control de procesos, el Control Predictivo por Modelo (MPC). Esta técnica consiste en implementar un control que utiliza un modelo matemático de la planta para predecir su comportamiento futuro y, en función de ello, optimizar las acciones de control que se aplicarán al sistema. La planta bajo estudio corresponde a un sistema de levitación magnética, compuesto por un electroimán que actúa sobre un rotor suspendido. Este sistema es inherentemente inestable y no lineal, lo que lo convierte en un caso de interés para la implementación de técnicas avanzadas de control. Para facilitar el diseño, se realiza un proceso de linealización y se estudian las propiedades de controlabilidad y observabilidad de la planta. El método de optimización seleccionado para resolver el problema de MPC es el algoritmo Active-Set, implementado en el solver quadprog de MATLAB. Se desarrollan simulaciones en MATLAB/Simulink con el fin de verificar el correcto funcionamiento del bloque de control MPC. Posteriormente, en la implementación física se evalúa el desempeño del controlador variando el horizonte de predicción, el periodo de muestreo y las restricciones de actuación, utilizando hardware de adquisición de datos y bloques de Quanser.
Desarrollo de control predictivo basado en redes neuronales para un proceso de digestión anaeróbica
(Universidad Técnica Federico Santa María, 2026-07-15) Llanca Reyes, Eduardo Valentín; Silva Jimenez, Cesar Armando; García Gen, Santiago; Departamento de Electrónica; Agüero Vásquez, Juan Carlos
El presente trabajo aborda el desarrollo e implementación de una estrategia de control predictivo basada en redes neuronales, aplicada a un proceso de digestión anaeróbica (DA). Para ello, se considera inicialmente un esquema de control compuesto por un filtro de Kalman extendido (EKF) y un controlador predictivo no lineal (NMPC), basado en un modelo simplificado del proceso de DA. Una vez validado este esquema de control, el controlador NMPC se empleó para generar un conjunto amplio de datos bajo distintas condiciones de operación, con el objetivo de capturar la política de control óptima implícita en el solucionador. Estos datos fueron posteriormente utilizados para entrenar una red neuronal profunda con funciones de activación ReLU, destinada a aproximar el comportamiento del controlador NMPC. Tras el proceso de entrenamiento, la red neuronal fue integrada al esquema de control en sustitución del controlador NMPC, obteniéndose un desempeño global comparable al del controlador previamente implementado, junto con una reducción de casi 50 veces en el tiempo de cálculo de la salida de control óptima respecto del esquema NMPC original. Esta mejora se debe a que la estrategia propuesta elimina la necesidad de resolver problemas de optimización en línea durante la operación del sistema. En consecuencia, este trabajo contribuye al desarrollo de estrategias de control basadas en redes neuronales para procesos químicos no lineales, proporcionando una alternativa factible y computacionalmente eficiente para la maximización de la producción de biogás.
Implementación de un Digital Twin para mantenimiento predictivo sobre un banco de pruebas para la fatiga de resortes
(Universidad Técnica Federico Santa María, 2026-06) Alarcón Jalife, Benjamín Asmed; Silva Jiménez, Cesar Armando; Andresen, Juan Carlos; Departamento de Electrónica; Agüero Vásquez, Juan Carlos
La estimación de vida útil remanente mediante modelos de aprendizaje automático depende críticamente de la calidad de los conjuntos de datos de degradación con que esos modelos se entrenan. Los conjuntos disponibles públicamente son escasos, provienen en buena parte de simulación, y se distribuyen como series de señales sin registro del estado físico del espécimen ni verificación de que la solicitación aplicada haya sido la declarada. Esta memoria aborda ese problema construyendo un procedimiento experimental capaz de generar datos de degradación trazables y físicamente etiquetados, sobre un banco de ensayos de fatiga de resortes helicoidales de extensión. El desarrollo se organiza en cuatro etapas sucesivas, siguiendo la taxonomía de Kritzinger et al., que clasifica los sistemas según el grado de automatización del flujo de datos entre el objeto físico y su representación virtual. La Etapa A implementa el modelo físico del resorte a partir de leyes constitutivas documentadas (Hooke con precarga, endurecimiento de Hollomon, deformación permanente, daño de Basquin e histéresis), distinguiendo de forma explícita los parámetros medidos de los adoptados desde literatura. La Etapa B construye la arquitectura de adquisición y persistencia en streaming sobre MQTT, Redis Streams e InfluxDB, y la valida empleando el modelo físico como fuente sintética. La Etapa C reemplaza esa fuente por el banco de ensayos real, comunicado con la nube sobre un enlace autenticado, y calibra el modelo contra los resortes efectivamente ensayados, alcanzando el nivel de Sombra Digital. La Etapa D implementa el flujo de retorno desde la representación virtual hacia el instrumento y con ello el nivel de Digital Twin. Se construyen dos lazos de control con propósitos distintos. El lazo de re-zero corrige la consigna de extensión para mantener constante el sobreesfuerzo plástico por ciclo, compensando la deriva que la propia deformación permanente introduce; sin esa corrección la condición experimental declarada deja de corresponder a la aplicada y el conjunto de datos resultante queda mal etiquetado por construcción. El lazo de guarda elástica introduce una excitación estocástica de Poisson sobre la consigna, aprende del propio espécimen su recta elástica de referencia, y ordena(...).