Mostrar el registro sencillo del ítem

dc.contributor.advisorMonge-Chanto, Paulaes
dc.contributor.authorAlba-Romero, Gabriel Francisco
dc.date.accessioned2020-08-26T00:39:34Z
dc.date.available2020-08-26T00:39:34Z
dc.date.issued2020
dc.identifier.urihttps://hdl.handle.net/2238/11515
dc.descriptionProyecto de Graduación (Licenciatura en Ingeniería Mecatrónica) Instituto Tecnológico de Costa Rica. Área Académica de Ingeniería Mecatrónica, 2020es
dc.description.abstractEste documento es un informe para optar por el título de licenciado en ingeniería en mecatrónica. En este se presenta la metodología para el diseño de un controlador clásico y un controlador inteligente para el nanosatélite GWSat, esto con el objetivo de en un futuro diseñar un sistema híbrido que integre ambas tecnologías. El primer controlador que se diseñó es un controlador LQR. El segundo se diseñó por medio del algoritmo de entrenamiento TD3, el cual se basa en aprendizaje por refuerzo profundo para su optimización. En el caso del controlador LQR se logró un tiempo de estabilización de 950s, un ángulo de error de 0.15° y un error en la velocidad angular de 3x10-5 rad/s. Para el caso del TD3 se obtuvo un tiempo de estabilización de 700 s, un ángulo de error de 1.4° y un error en la velocidad angular de 7.3x10-6 rad/s. Los aportes principales de este proyecto son dos controladores implementados en MATLAB los cuales son fáciles de utilizar y modificar para cualquier caso que se quiera probar, además de ambientes programados en los que se pueden ajustar los diferentes parámetros de los controladores en caso de que se desee un desempeño distinto.es
dc.description.abstractThis document is a report to opt for a bachelor's degree in mechatronics engineering. This presents the methodology for the design of a classic controller and an intelligent controller for the GWSat nanosatellite, with the aim of designing a hybrid system that integrates both technologies, in the foreseeable future. The first controller that was designed is an LQR controller. The second was designed using the TD3 training algorithm, which is based on deep reinforcement learning for optimization. The LQR controller achieved a stabilization time of 950s, an error angle of 0.15° and an error in the angular velocity of 3x10-5 rad/s. For the TD3 case, it achieved a 700 s stabilization time, an 1.4° error angle, and an 7.3x10-6 rad/s angular velocity error. The main contributions of this project are two controllers implemented in MATLAB which are easy to use and modify for any case you want to test, also a series of programmed environments where you can modify the controllers´ different parameters in order to obtain a different performance.es
dc.language.isospaes
dc.publisherInstituto Tecnológico de Costa Ricaes
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectDiseño de sistemases
dc.subjectNavegaciónes
dc.subjectSistemas de controles
dc.subjectOrientaciónes
dc.subjectControladoreses
dc.subjectAprendizaje por refuerzo profundoes
dc.subjectNanosatéliteses
dc.subjectControl automáticoes
dc.subjectSystem designes
dc.subjectNavigationes
dc.subjectControl systemses
dc.subjectOrientationes
dc.subjectControllerses
dc.subjectDeep reinforcement learninges
dc.subjectNanosatelliteses
dc.subjectAutomatic controles
dc.subjectResearch Subject Categories::TECHNOLOGY::Information technology::Automatic controles
dc.titleDiseño de un sistema de navegación avanzado para el nanosatélite GWSates
dc.typelicentiateThesises


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 International
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 International