ClubEnsayos.com - Ensayos de Calidad, Tareas y Monografias
Buscar

Practica Girasol


Enviado por   •  1 de Junio de 2015  •  Prácticas o problemas  •  1.001 Palabras (5 Páginas)  •  243 Visitas

Página 1 de 5

Practica # 2 Girasol

Introducción

En esta práctica se pretende controlar un dispositivo que se oriente hacia una fuente de luz. Este dispositivo está compuesto por dos servomotores los cuales permiten el movimiento en el espacio, sobre estos se encuentra un arreglo de fotorresistencias que permiten sensar la cantidad de luz que incide sobre este y así dar la señal para orientarse hacia donde se encuentra la mayor concentración de luz. El control se realiza mediante una red neuronal.

Marco teórico

Las redes neuronales (RN) son un paradigma de aprendizaje inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexión de neuronas en una red que colabora para producir un estímulo de salida. Las RN son útiles para obtener modelos de sistemas que son costosos o complejos en conseguir.

Las ventajas son:

Auto-organización: crean su propia representación del modelo en su interior librando al usuario de esta tarea.

 Tolerancia a fallas: ya que la RN almacena información redundante, ésta puede seguir respondiendo de manera aceptable aún si se daña parcialmente.

 Flexibilidad: puede manejar entradas con ruido.

 Tiempo real: puede implementarse una RN en dispositivos electrónicos especiales que ejecuten los cálculos a una velocidad muy alta.

Las desventajas son:

 El modelo que se obtiene en su interior queda “encerrado”, por eso a menudo son llamadas “cajas negras” y no es posible determinar directamente como influye una entrada sobre la respuesta de salida.

 Dependiendo de su implementación y proceso de aprendizaje la RN podría quedar muy especializada, es decir, que de algún modo se ajuste mucho a los patrones dados para el aprendizaje y no generalice bien para otros patrones distintos.

 Una RN puede llevar varias operaciones matemáticas que sean mucha carga computacional en caso de implementarse en un dispositivo con bajas capacidades técnicas.

La neurona viene a ser la unidad mínima de aprendizaje y está dada por la figura 1.

Figura 1. Neurona clásica.

Donde cada es llamado peso, el cual es una ponderación que la neurona da a cada entrada. Posteriormente realiza la sumatoria de dichas ponderaciones y el resultado es pasado como argumento a una función de activación que puede variar según convenga. La función de activación suele ser una forma gaussiana, sigmoidal, tangencial hiperbólica, rampa, etc.

Los pesos pueden aceptar números reales, así tienen capacidad de inhibir, amplificar o incluso anular la contribución de una entrada en una neurona particular. La función de activación también funciona como regulador pero en este caso sería de la señal de salida, pudiendo inhibir, amplificar o anular el resultado final según la forma de la función.

Existen otras neuronas de función especial que son útiles para formar redes con características especiales, dichas neuronas pueden tener operaciones específicas como llevar a cabo una operación aritmética, distribuir señales (es decir, tiene una sola entrada y múltiples salidas con el mismo valor que la entrada), amplificar la señal u alguna otra función especial como redondeo, obtención de mínimo o máximo, etc.

Desarrollo

La construcción de esta práctica se puede dividir en dos segmentos:

 Montaje físico: En esta sección habla sobre la distribución de los servomotores, fotorresistencias, estructura en general.

 Programación: Código implementado en el Arduino, entrenamiento de la red neuronal.

Montaje

La estructura se encuentra construida de la siguiente manera:

La base un bloque de madera sobre el cual se encuentra montado el primer servomotor, en el eje de este hay una placa de metal, en esta placa de metal está el segundo servomotor cuyo eje está orientado perpendicularmente respecto al eje del primer servo. En el eje del segundo servo hay una segunda placa en donde se encuentra el arreglo de fotorresistencias (Figura 1), la estructura se puede observar en la Figura 2.

Figura 1.- Arreglo de fotorresistencias

Figura 2.- Estructura dispositivo girasol

Programación

Nuestro dispositivo cuenta con dos modos de operación:

Automático: Utilizamos la red neuronal implementada en el Arduino para que trabajen de manera autónoma los servomotores.

Manual: Por medio de 2 fotorresistencias controlábamos el movimiento de los servomotores.

Lo primero que tuvimos que realizar fue poner una luz fija en algún punto y mediante el control manual ir moviendo los servos hasta que estuviera bien posicionado el arreglo que de resistencias y obtuviéramos la mayor incidencia de luz posible.

En esta parte tomábamos los valores registrados por cada fotorresistencia (4) y el ángulo de giro de cada servomotor.

Posteriormente utilizamos estos valores obtenidos para ingresarlos en el programa de SCi Lab y obtener los pesos requeridos para el correcto funcionamiento de nuestra red neuronal. Nuestro sistema se compone por dos redes neuronales, cada una controla el movimiento de un servo.

Una vez obtenidos los pesos estos se ingresan el programa de Arduino (Anexo A) y se procedió a verificar el funcionamiento.

Resultados

El dispositivo presento una buena respuesta, el movimiento de cada servomotor fue muy suave al desplazarse en búsqueda de la fuente de luz.

Conclusiones

Las redes neuronales son una herramienta muy poderosa para el control de sistemas, sin embargo, se comporta como un sistema de caja negra en donde no se necesita el modelo matemático del sistema y el comportamiento depende mucho de las habilidades del desarrollador

...

Descargar como (para miembros actualizados)  txt (8.9 Kb)  
Leer 4 páginas más »
Disponible sólo en Clubensayos.com