Postgrado - Departamento de Ingeniería Eléctrica y Electrónica
Permanent URI for this community
Browse
Browsing Postgrado - Departamento de Ingeniería Eléctrica y Electrónica by Title
Now showing 1 - 3 of 3
Results Per Page
Sort Options
Item Desarrollo de una red de sensores MEMS para el monitoreo en tiempo real de salud estructural utilizando internet de las cosas(Universidad Católica San Pablo, 2024) Charca Morocco, Hernan Wilson; Mayhua Lopez, Efrain TitoEl monitoreo de la salud estructural es importante para garantizar el mantenimiento estructuras civiles como edificios, torres y puentes. Con el tiempo, estas estructuras pueden sufrir daños graduales debido a factores como la antigüedad, la humedad, eventos sísmicos y eventos inesperado. En este contexto, el análisis modal operacional permite determinar parámetros dinámicos, como frecuencias naturales, relaciones de amortiguamiento y formas modales, utilizando solo las respuestas estructurales como las aceleraciones. Estos parámetros dinámicos son importantes para detectar cambios en la estructura, lo que puede evidenciar daños o deterioro. Para identificar los parámetros dinámicos, es necesario que el sistema esté sometido a entradas aleatorias, como cargas de impacto, vibraciones forzadas o vibraciones ambientales. Para tal fin, se ha desarrollado un sistema de monitoreo basado en tecnología de Internet de las cosas. Este sistema está compuesto por una red de tres nodos sensores inalámbricos sincronizados que registran vibraciones ambientales, una puerta de enlace encargada de centralizar y transmitir los datos capturados, una base de datos en la nube alojada en InfluxDB Cloud para almacenamiento, un script con algoritmos de análisis de datos para extraer parámetros dinámicos y un panel de visualización implementada en Grafana, que facilita la visualización de los parámetros dinámicos. El sistema utiliza componentes de bajo costo que se caracteriza por su bajo consumo energético, adecuado para diversas aplicaciones de monitoreo de salud estructural. Además, permite reducir la dependencia del monitoreo tradicional basado en inspecciones visuales y de equipos de alto costo, ofreciendo una solución más eficiente y accesible. La red de nodos sensores inalámbricos basada en LoRa demostró ser de bajo consumo energético (Inodo = 0,792 mA), eficiente en la transmisión de datos mediante un protocolo de transmisión desarrollado denominado AXSHM. El sistema fue validado en un pórtico metálico de tres niveles (1.2 metros de altura y 0.8 metros de ancho) sometido a vibraciones ambientales. Para el análisis, se implementaron dos algoritmos: el método de identificación de subespacio estocástico y el método mejorado de descomposición en el dominio de la frecuencia. Los resultados experimentales muestran que el método de identificación de subespacio estocástico es más efectivo para identificar parámetros modales, especialmente en presencia de ruido, proporcionando frecuencias naturales confiables: 6.129 Hz (modo 1), 18.604 Hz (modo 2) y 28.649 Hz (modo 3). Este sistema ofrece una alternativa robusta y precisa para el monitoreo estructural en tiempo real.Item Diseño e implementación de una estación meteorológica de bajo costo para la estimación de la evapotranspiración utilizando internet de las cosas(Universidad Católica San Pablo, 2025) Zamata Mamani, Adrian Eduardo; Efrain Tito, Mayhua LopezEn esta tesis, se desarrolla e implementa una estación meteorológica económica para la estimación de la evapotranspiración utilizando la tecnología del Internet de las Cosas (IoT). La principal motivación es ofrecer una solución accesible y eficaz para el monitoreo climático, aspecto clave de la gestión agrícola y de los recursos hídricos. Para ello, se emplean componentes de bajo costo, como sensores de temperatura, humedad y radiación solar, integrados con el microcontrolador ESP-32, para recopilar y enviar datos en tiempo real a través de una red IoT. El proyecto sigue una metodología estructurada, comenzando con un exhaustivo análisis bibliográfico y la identificación de necesidades y requisitos específicos. En la fase de planificación, se diseñan prototipos y se establecen técnicas de recogida y análisis de datos. La implementación incluye el montaje de la estación meteorológica y la validación de su rendimiento mediante pruebas de campo. Los datos recopilados se procesan y visualizan utilizando herramientas como Grafana, facilitando una interpretación clara y accesible de las variaciones climáticas y su efecto en la evapotranspiración. Los resultados muestran que la estación meteorológica de bajo costo es capaz de proporcionar datos fiables y precisos para la estimación de la evapotranspiración, beneficiando directamente a la comunidad agrícola. El proyecto no solo maximiza el uso agrícola del agua, sino que también fomenta la adopción de tecnologías sostenibles y prácticas agrícolas más resilientes. Además, subraya lo cruciales que son la ´ética y la transparencia en la investigación, asegurando que los beneficios sean tangibles y contribuyan a la sostenibilidad a largo plazo.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, EberEl 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.