SUÁREZ SOTOMAYOR, ALEJANDRO MARIOOLIVARES ESPINOZA, FRANCISCO DANIELFREUND GRUNEWALDT, WOLFGANG2024-11-012024-11-012010https://repositorio.usm.cl/handle/123456789/70001Catalogado desde la versión PDF de la tesis.El presente trabajo de memoria tiene por fin emplear un microcontrolador de la familia PIC para realizar control neuronal de procesos reales. Los procesos son sistemas dinámicos reales sobre los que se puede actuar y se puede sensar, todo esto de manera análoga. Los uC PIC tienen la posibilidad de leer entradas análogas positivas, pero no negativas, tienen salidas digitales, pero no análogas. Entonces el uC PIC, solo, no puede ser utilizado para controlar directamente un proceso. Es por esto que nace la necesidad de armar un hardware que use como base el uC PIC y que se enfoque en tener entradas y salidas análogas. Se diseó el hardware que permite leer a 20[bits] de precisión y escribir a 16[bits] de precisión en el uC PIC de forma análoga bipolar y se describe el camino para ampliar el rango de medición, tanto para lectura como escritura (sin perder resolución). Una vez creado el hardware se vio la necesidad de crear un software que permita controlar el hardware para que éste pueda enfocarse en la tarea para lo cual fue creado. El siguiente problema fue establecer un esquema de programación del uC PIC para utilizar eficientemente los componentes del hardware. Además de describir como utilizar y cargar algoritmos neuronales. Al crear el software se encontró las limitaciones que fija el hardware, en cuanto a velocidad mínima de muestreo para control. Luego de preparar el hardware y el software, se está frente al problema en que las redes neuronales pueden ser de diferentes arquitecturas y tamaos, lo cual motiva la creación de un software de exportación, de las redes neuronales artificiales entrenadas en Matlab, en una forma de algoritmo neuronal. Para esto se hicieron dos programas que deben ser ejecutados para obtener varios tipos de representación de los algoritmos neuronales (usando diferentes aproximaciones e indexaciones de datos). Al ser posible definir redes neuronales artificiales de todo tipo y arquitectura, se limita el tipo de redes que puede ser exportada a una de dos capas, múltiples entradas y de funciones de activación fijas. Una vez logrados estos objetivos ya se puede utilizar el hardware creado, empleando para ello el esquema de software y los programas de exportación de redes neuronales artificiales desde Matlab. Luego es utilizado para controlar procesos reales simulados con un computador análogo (presente en la oficina). Se lograron los objetivos perseguidos por este trabajo, creando un hardware basado en el uC PIC y empleándolo para controlar procesos reales. Se obtuvieron los resultados esperados.CD ROMPapelesREDES NEURALES (CIENCIA DE LA COMPUTACIÓN)MICROCONTROLADORESCONTROLADORES PIDCONTROLADORES PROGRAMABLESTesis de PregradoB - Solamente disponible para consulta en sala (opción por defecto)3560900182797