Departamento de Ingeniería Eléctrica y Electrónica

Permanent URI for this community

https://hdl.handle.net/20.500.12590/17985

Browse

Browsing Departamento de Ingeniería Eléctrica y Electrónica by browse.metadata.advisor "Huanca Cayo, Eber"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Comparación de estrategias de control para mitigar problemas de baja velocidad en ruedas de reacción para CubeSats
    (Universidad Católica San Pablo, 2025) Mayta Pumacota, Erick Paul; Huanca Cayo, Eber
    Este trabajo propone el uso del Control Adaptativo por Modelo de Referencia (MRAC) para mitigar los problemas de fricción a bajas velocidades en las ruedas de reacción, que son cruciales para garantizar la orientación precisa y la estabilidad en el apuntado de los CubeSat durante sus misiones. Dadas las limitaciones de volumen, masa y potencia en las plataformas de satélites pequeños, el control de actitud eficaz es primordial. Este estudio presenta un enfoque novedoso al aplicar el MRAC para mejorar el rendimiento de las ruedas de reacción en aplicaciones espaciales. La investigación implica un análisis comparativo de tres estrategias de control: dos enfoques MRAC y un controlador PID clásico, todos ellos utilizando retroalimentación de velocidad. Las estrategias MRAC incluyen un MRAC de parámetros PID y un MRAC de dos parámetros. Estos controladores están diseñados para gestionar las no linealidades e incertidumbres asociadas con el funcionamiento de las ruedas de reacción, en particular a bajas velocidades, donde los efectos de la fricción son prominentes. La validación se llevó a cabo utilizando un motor BLDC Nidec con un volante como dispositivo de prueba, centrándose en las mediciones de error acumulativo en el seguimiento de las velocidades de referencia. Los resultados demuestran que el MRAC con parámetros PID supera tanto al controlador PID clásico como al MRAC de dos parámetros al proporcionar una compensación de fricción superior y lograr el menor error acumulativo. Este enfoque adaptativo también mejora significativamente el rendimiento del seguimiento de la velocidad, lo que resalta la eficacia general del MRAC para abordar problemas de fricción a baja velocidad y gestionar las no linealidades en las ruedas de reacción
  • Thumbnail Image
    Item
    Design and prototyping of a 4-axis CNC machine for the manufacturing of small accessories
    (Universidad Católica San Pablo, 2024) Sahuanay Taipe, Carlos Andres Junior; Huanca Cayo, Eber
    The goal of this paper is the construction and operation of a 4-axis CNC (Computer Numerical Control) machine, where its mechanical structure and the electronic controller responsible for facilitating movement in the fourth axis will be explained. The Marlin firmware is used to monitor the operation of the XYZ axis motors. The fourth axis has a control system by an independent microcontroller. The selection of machine actuators is rigorously validated through mathematical calculations and an analysis of the physical forces influencing the fourth axis of the CNC machine. The price of this CNC machine will be approximately the same as a 3D printer, and consequently, the size of this machine will reduce compared to a common industrial 4-axis CNC machine.
  • Thumbnail Image
    Item
    Segmentación de conchas de abanico para el muestreo no extractivo de recursos hidrobiológicos basado en Deep Learning y Computer Vision
    (Universidad Católica San Pablo, 2024) Bernedo Flores, Liz Sandra; Huanca Cayo, Eber
    El Perú está ubicado en el 2° lugar como productor de conchas de abanico a nivel mundial según el Centro de Investigación de Economía y Negocios Globales (CIEN), dinamizando la economía en el sector acuícola, el cual viene experimentando un crecimiento constante en relación a la pesquería. No obstante, los procesos de muestreo siguen siendo artesanales, comprometiendo la salud de las personas que realizan esta actividad. Frente a esta realidad la presente tesis busca aportar a la solución de esta problemática, aplicando técnicas de deep learning y computer visión para la segmentación de conchas de abanico en un ambiente no extractivo de recursos hidrobiológicos. Para lo cual se aplicó una metodología, la cual inicia con la recolección de imágenes y construcción de una base de datos de conchas de abanico, realizando luego un pre-procesamiento y selección de imágenes para el etiquetado, culminando con la etapa de segmentación con la aplicación de los modelos SUIM-Net y YOLOvo8. Los resultados obtenidos se validaron a partir de las métricas mAP y F1-Score, obteniendo hasta un 79% de precisión. Considerando variables no controladas y en constante cambio, como la turbidez marina, la poca visibilidad bajo el agua, condiciones climatológicas o el terreno del fondo marino que puede ser rocoso, arenoso o presentar exceso de algas.