Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/20.500.14076/26611
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Núñez Escobar, Steve Dustin | - |
dc.contributor.author | Chambi Quiroz, Nelson Esteban | - |
dc.creator | Chambi Quiroz, Nelson Esteban | - |
dc.date.accessioned | 2023-11-08T20:58:36Z | - |
dc.date.available | 2023-11-08T20:58:36Z | - |
dc.date.issued | 2023 | - |
dc.identifier.uri | http://hdl.handle.net/20.500.14076/26611 | - |
dc.description.abstract | En la presente tesis se desarrolla un diseño de un sistema de compensación de error usando redes neuronales para compensar el error de pesaje de faja de llenado de mineral, el cual está por encima del 10%. Para el desarrollo del método de sistema de compensación de error, se usará redes neuronales, donde se va a lograr calcular los pesos sinápticos, bias y la arquitectura de la red neuronal, estos valores se calculan con el algoritmo de back propagation durante el entrenamiento de le red neuronal, así mismo los parámetros de la red y luego serán validados para corroborar la compensación de error. Para el entrenamiento de la red neuronal se plantea el modelo matemático, valores de entrada, salida y parámetros de la red neuronal para luego ser entrenados y analizar la compensación de error para cada entrenamiento con la finalidad de seleccionar la óptima red con pesos sinápticos y bias. Para lograr ello se obtuvo datos de campo que fueron recopilados de una faja de llenado de mineral el cual se usó el 70% de datos para el entrenamiento y el 30% para la validación, adicional a ello los datos se tomaron de manera aleatoria, para obtener los resultados se usa el software Matlab. Para compensar el error se diseñó una red neuronal de 3 entradas, 1 salida y 2 capas ocultas con 5 neuronas en cada capa oculta, esta red neuronal se va a encargar del proceso de compensar el error de pesaje. Así mismo este modelo propuesto reduce el error a un 1.65%, para lograr ello se optimiza las capas ocultas y neuronas por cada capa. La optimización del diseño de la red neuronal logra obtener buenos resultados que demostraron que la red diseñada realizo la compensación de error y por ende logra disminuir el margen de error en el peso final del mineral de 10% a 1.65%. | es |
dc.description.abstract | In the present thesis a design of an error compensation system is developed using Neural Networks to compensate for the weighing error of the mineral filling belt, which is above 10%. For the development of the error compensation system method, the Neural Networks method will be used, where it will be possible to calculate the synaptic weights, bias and the architecture of the Neural Network, these values are calculated with the back propagation algorithm during the training of the Neural Networks, as well as the parameters of the Network and then they will be validated to corroborate the error compensation. For the training of the Neural Network, the mathematical model, input and output values and parameters of the Neural Network are proposed to later be trained and analyze the error compensation for each training in order to select the optimal Network with synaptic weights and bias. To achieve this, field data was obtained that was collected from a mineral filling belt, which used 70% of the data for training and 30% for validation in addition to this the data was taken randomly and to obtain the results the MATLAB software is used. To compensate for the error, a Neural Network with 3 inputs, 1 output and 2 hidden layers with 5 neurons in each hidden layer was designed, this Neural Network will be in charge of the process of compensating for the weighing error. Likewise this proposed model reduces the error to 1.65% to achieve this the hidden layers and neurons for each layer are optimized. The optimization of the design of the Neural Network manages to obtain good results that showed that the designed network made the error compensation and therefore manages to reduce the margin of error in the final weight of the mineral from 10% to 1.65%. | en |
dc.description.uri | Tesis | es |
dc.format | application/pdf | es |
dc.language.iso | spa | es |
dc.publisher | Universidad Nacional de Ingeniería | es |
dc.rights | info:eu-repo/semantics/openAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | es |
dc.source | Universidad Nacional de Ingeniería | es |
dc.source | Repositorio Institucional - UNI | es |
dc.subject | Redes neuronales | es |
dc.subject | Sistema de compensación de error | es |
dc.subject | Algoritmo de back propagation | es |
dc.subject | Ingeniería electrónica | es |
dc.title | Diseño de un sistema de compensación de error de pesaje de faja de llenado de mineral usando redes neuronales | es |
dc.type | info:eu-repo/semantics/masterThesis | es |
thesis.degree.name | Maestro en Ciencias en Ingeniería Electrónica con Mención en Automática e Instrumentación | es |
thesis.degree.grantor | Universidad Nacional de Ingeniería. Facultad de Ingeniería Eléctrica y Electrónica. Unidad de Posgrado | es |
thesis.degree.level | Maestría | es |
thesis.degree.discipline | Maestría en Ciencias en Ingeniería Electrónica con Mención en Automática e Instrumentación | es |
thesis.degree.program | Maestría | es |
renati.author.dni | 40644991 | - |
renati.advisor.dni | 43192234 | - |
renati.type | http://purl.org/pe-repo/renati/type#tesis | es |
renati.level | http://purl.org/pe-repo/renati/nivel#maestro | es |
renati.discipline | 712067 | - |
renati.juror | Butler Blacker, Jorge Gustavo | - |
renati.juror | Ramírez Arcelles, Roberto Rubén | - |
renati.juror | Pérez Paredes, Marina Gabriela S. | - |
renati.juror | Acuña Condori, Kevin José | - |
dc.publisher.country | PE | es |
dc.subject.ocde | http://purl.org/pe-repo/ocde/ford#2.02.02 | es |
Aparece en las colecciones: | Maestría |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
chambi_qn.pdf | 2,11 MB | Adobe PDF | Visualizar/Abrir | |
chambi_qn(acta).pdf | 549,14 kB | Adobe PDF | Visualizar/Abrir | |
informe_de_similitud.pdf | 819,19 kB | Adobe PDF | Visualizar/Abrir | |
carta_de_autorización.pdf | 435,52 kB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
Indexado por:
![Indexado por](/image/indexado.png)