Ingeniero Civil Mecánico / La Ingeniería Mecánica está presente en la industria productiva debido a su aporte en la generación de equipos y sistemas que realicen determinadas funciones dentro de una línea de trabajo. A medida que los tiempos avanzan, los requerimientos de estos sistemas aumentan, presentando nuevos desafíos a la hora de su diseño y manufactura, pero también, durante su vida útil. En esto, el área de Gestión de Activos Físicos ha sido el protagonista a la hora de estudiar el desgaste, rastrear posibles fallas y realizar las mantenciones a tiempo de manera de reducir los tiempos fuera de operación que generan altos costos. Debido a lo anterior, cada vez es más urgente monitorear los sistemas y detectar a tiempo las situaciones que escapen de una operación eficiente y efectiva. Sin embargo, la gran dimensionalidad de la información obtenida mediante los diversos tipos de monitoreo y el alto ruido que normalmente presentan estos sistemas debido a sus componentes rotatorios o cíclicos, dificultan el análisis efectivo de las bases de datos. Es aquí donde los métodos de aprendizaje de máquinas presentan su potencial, ya que éstos realizan una extracción de características sobre la base de datos, para luego discriminar entre la información, generando una forma práctica de procesar la información disponible permitiendo un análisis efectivo. En particular, las Redes Neuronales Convolucionales (CNN) son un método de aprendizaje supervisado que está inspirado en las redes neuronales humanas y desarrolla su potencial en la clasificación de imágenes debido a que su método de aprendizaje incluye filtros que resaltan (o atenuan) rasgos destacables. Por otro lado, la emisión acústica es un fenómeno de generación de ondas elásticas debido a los cambios irreversibles en la estructura interna de un cuerpo sólido. Las anteriores pueden monitorearse mediante sensores, método de fácil implementación, alta densidad de datos y sensibilidad. En el presente trabajo de título se desarrollará un modelo de Red Neuronal Convolucional en la cual se procesarán señales brutas (sin procesamiento previo) de emisión acústica con el fin de generar un diagnóstico del estado de salud de un rotor experimental. El rotor utilizado es puesto a prueba bajo 25 clases diferentes: Grieta a 5[mm], 10[mm], 15[mm], 20[mm], 30[mm], 45[mm], 65[mm] y 90[mm] del acople al eje con tamaños de 3, 6 y 10 [mm], además se capturan señales del caso sano. Esta base de datos queda disponible para futuros trabajos, en el presente se trabaja con las fallas a 5[mm], 20[mm] y el caso sano. La metodología de trabajo se divide en 4 etapas principales: puesta a punto del sistema experimental, obtención de señales de emisión acústica, diseño, implementación y ajuste de la CNN y finalmente los resultados y análisis. El mejor modelo realizado consta de 3 clasificadores que en conjunto logran un desempeño global del 98,65% en la clasificación del estado de salud del sistema. Superando por un 7,5% al modelo más cercano con extracción previa de parámetros.

Object recognition in videos is one of the main challenges in computer vision. Several methods have been proposed to achieve this task, such as background subtraction, temporal differencing, optical flow, particle filtering among others. Since the introduction of Convolutonal Neural Networks (CNN) for object detection in the Imagenet Large Scale Visual Recognition Competition (ILSVRC), its use for image detection and classification has increased, becoming the state-of-the-art for such task, being Faster R-CNN the preferred model in the latest ILSVRC challenges. Moreover, the Faster R-CNN model, with minimum modifications, has been succesfully used to detect and classify objects (either static or dynamic) in video sequences; in such setup, the frames of the video are input “as is” i.e. without any pre-processing. In this thesis work we propose to use Robust PCA (RPCA, a.k.a. Principal Component Pursuit, PCP), as a video background modeling pre-processing step, before using the Faster R-CNN model, in order to improve the overall performance of detection and classification of, specifically, the moving objects. We hypothesize that such pre-processing step, which segments the moving objects from the background, would reduce the amount of regions to be analyzed in a given frame and thus (i) improve the classification time and (ii) reduce the error in classification for the dynamic objects present in the video. In particular, we use a fully incremental RPCA / PCP algorithm that is suitable for real-time or on-line processing. Furthermore, we present extensive computational results that were carried out in three different platforms: A high-end server with a Tesla K40m GPU, a desktop with a Tesla K10m GPU and the embedded system Jetson TK1. Our classification results attain competitive or superior performance in terms of Fmeasure, achieving an improvement ranging from 3.7% to 97.2%, with a mean improvement of 22% when the sparse image was used to detect and classify the object with the neural network, while at the same time, reducing the classification time in all architectures by a factor raging between 2% and 25%. / Tesis

Navigation and obstacle avoidance are important tasks in the research field of au- tonomous mobile robots. The challenge tackled in this work is the navigation of a 4- wheeled car-type robot to a desired parking position while avoiding obstacles on the way. The taken approach to solve this problem is based on neural fuzzy techniques. Earlier works resulted in a controller to navigate the robot in a clear environment. It is extended by considering additional parameters in the training process. The learning method used in this training is dynamic backpropagation. For the obstacle avoidance problem an additional neuro-fuzzy controller is set up and trained. It influences the results from the navigation controller to avoid collisions with objects blocking the path. The controller is trained with dynamic backpropagation and a reinforcement learning algorithm called deep deterministic policy gradient. / Tesis

La presente monografía propone un sistema de localización e identificación automática de placas de vehículos, a partir del reconocimiento de los caracteres (letras y números) presentes en los mismos. A diferencia de otros sistemas existentes, esta propuesta de procesamiento digital de imágenes se basaría en las características de los vehículos existentes en el Perú, los cuales cuentan con dos formatos de placas: tres o dos letras, un guión, y tres o cuatro dígitos, respectivamente. Este trabajo esta dividido en cuatro capítulos. A manera de introducción se describen los requerimientos que justifican el desarrollo del sistema, en función al uso específico de diferentes aplicaciones prácticas. En el primer capítulo se señalan las características del sistema propuesto y las consideraciones que se toman en cuenta para delimitar los márgenes de su aplicación. En el segundo capítulo se describe detalladamente el desarrollo del sistema planteado a partir de dos procesos: entrenamiento y reconocimiento. Se indica que el sistema se basa en las características geométricas de los vehículos con la finalidad de determinar la localización central de la placa a partir del empleo de técnicas de procesamiento de imágenes y redes neuronales en el reconocimiento de los caracteres. Para ello, se incluye la descripción del proceso de entrenamiento inicial de las redes neuronales que permiten encontrar los parámetros calibradores del sistema y se señalan los reajustes realizados al sistema inicial con el fin de obtener mejores resultados. En el tercer capítulo se analizan los datos de las pruebas experimentales, mostrándose que no toda la tarea de reconocimiento se debe dejar a las redes neuronales y se señala la necesidad de adición de un bloque de confirmación de salida que permita mejorar la eficiencia del sistema. Por último, en el cuarto capítulo se exponen las recomendaciones y se termina con un apartado para las conclusiones en las que se incluye la verificación del funcionamiento óptimo del sistema propuesto. / Tesis

El presente trabajo tiene como propósito el diseño de un sistema que permita realizar el diagnóstico de fallas en los sensores destinados a mejorar el desempeño de la suspensión semi-activa de un vehículo terrestre, como también diagnosticar fugas del líquido magneto-reológico del amortiguador. Para detectar las fallas en los sensores, se planteó el diseño de un banco de observadores de entradas desconocidas ya que estos tienen la capacidad de lidiar con el desconocimiento del perfil de la carretera, el cual representa una entrada de perturbación no medible para el sistema. La fuga del líquido magneto-reológico del amortiguador se considera como una variación del coeficiente que lo representa, y para detectar esta falla se propuso desarrollar un sistema de estimación paramétrica. Las fallas ocurridas presentan patrones característicos que mediante una red neuronal serán reconocidos y, de esta manera, se puedan aislar las fallas presentes. Los resultados de simulaciones demuestran que el sistema propuesto posee un buen desempeño de diagnóstico incluso ante la presencia de incertidumbres paramétricas. / Tesis

Los sistemas de destilación, desde hace muchas décadas, vienen siendo ampliamente usados en la industria de procesos químicos, especialmente en refinerías y procesos de acondicionamiento y tratamiento de gas natural. Los objetivos típicos en estos sistemas están asociados al cumplimiento de especificaciones sobre la calidad de los productos, y para lo cual usualmente se cuenta con analizadores online para monitoreo de estas especificaciones como es el caso de cromatógrafos, así como análisis en laboratorio mediante técnicas específicas. / Tesis

Esta tesis de investigación propone obtener el modelo aerodinámico de una aeronave del tipo ala volante utilizando redes neuronales artificiales con el fin de mejorar la performance del controlador de vuelo del sistema de navegación de un vehículo aéreo no tripulado. Actualmente la aeronave pierde altitud al momento de realizar los giros, y se entiende porque es un problema con el ángulo de cabeceo y velocidad de vuelo. El tipo de Red Neuronal Artificial (RNA) utilizada es de Back Propagation Dinámico y tiene dos capas intermedias con 100 neuronas cada una. Se utilizó este tipo de RNA porque permite entrenar un modelo dinámico como es el caso de una aeronave. Las variables de entrada utilizadas para el entrenamiento fueron: posición del elevador, posición de los alerones, posición del throtle y aceleraciones en los tres ejes de la aeronave. Las variables de salida fueron: ángulo de cabeceo, ángulo de alabeo, cambio en el tiempo de ángulo de cabeceo y alabeo, velocidad y altitud. Asimismo, se utilizó un “bias” para tomar en consideración fuerzas o perturbaciones que no se pueden medir. La metodología utilizada permitió realizar el modelado de manera satisfactoria del ángulo de cabeceo y velocidad. Los errores de entrenamiento fueron de 36% y 5.5% respectivamente. La validación de ambos parámetros fue de 68% y 3.38%. La metodología aplicada todavía necesita ser mejorada para obtener un error de entrenamiento satisfactorio en el ángulo de alabeo y mejorar los entrenamientos obtenidos para el ángulo de cabeceo y velocidad. Este trabajo demuestra que el modelamiento de una aeronave del tipo ala volante es más complejo que una aeronave convencional. Son pocos los trabajos de investigación sobre modelamiento de aeronaves que han realizado el modelamiento de este tipo de aeronaves. En la mayoría de los casos utilizan técnicas diferentes a las de RNA y realizan modelamiento lineal y no dinámico como se ha realizado en esta tesis. / Tesis

En esta tesis se utilizan dos métodos para la evaluación sísmica de puentes. Los métodos usados son el análisis dinámico incremental y simulación de Montecarlo usando Redes neuronales artificiales para la generación de curvas de fragilidad. El análisis dinámico incremental arroja una base de datos bastante amplia. El tratamiento estadístico utilizado abarca conceptos tanto de estadística descriptiva como inferencial. Así se presentan histogramas, frecuencias relativas acumuladas, valores de centralización, dispersión etc. Desde el punto de vista poblacional se presentan los valores de media y proporción poblacional para muestras pequeñas. Para la media se usó el teorema del límite central con la distribución t-student y para la proporción la distribución normal. El segundo método es un proceso de simulación con Montecarlo usando redes neuronales artificiales. Montecarlo toma la muestra de manera aleatoria, debido a esto para obtener resultados confiables se necesitan muchas simulaciones que conllevaría a un costo numérico muy alto. Por ello se usó las redes neuronales artificiales como “reemplazo” del modelo estructural no lineal. Para lograr esto la red se “entreno” con una base de datos del modelo estructural. Para la regresión se utilizó una red supervisada tipo feedforward (red hacia adelante), con el algoritmo de entrenamiento backpropagation (retropropación). La conclusión del trabajo confirma que con la red neuronal artificial se obtienen errores aceptables demostrando que es un MÉTODO DE REGRESIÓN poderoso para sistemas no lineales. La metodología propuesta demostró ser un método de simulación práctico debido a que usa redes neuronales entrenadas para generar curvas de fragilidad. Esto debido a que las redes neuronales tienen un costo numérico menor a un análisis dinámico no lineal. / Tesis

Ingeniero Civil Mecánico / La búsqueda por una energía renovable prácticamente ilimitada ha sido uno de los focos principales de la motivación en la investigación de energía nuclear por fusión atómica. Sin embargo, uno de los principales problemas con la energía por fusión es ser capaz de mantenerla estable con una energía suficiente para conservar la reacción en cadena. Esto se pensaba que solo se podría lograr energizando un gas a tal nivel que se convierte en plasma y lograr que se mantenga estable. Sin embargo, hay otras aproximaciones que dan por sentado que el plasma colapsa y se intenta explotar esta fragilidad. El Dense Plasma Focus permite generar un plasma ascendente que dura centenas de nanosegundos antes de colapsar. Es de sumo interés para estudiar el comportamiento de este plasma en los equipos DPF en diversos aspectos. Debido a esto es imprescindible el estudio del comportamiento del plasma, por lo que se deben realizar experimentos para determinar las restricciones, condiciones necesarias y emisiones de energía que son propias del cuarto estado de la materia. Dentro de la CCHEN existe un departamento dedicado al estudio de las propiedades físicas del plasma, en función de los parámetros de los equipos usados para generarlas. Además, es de interés comprender las aplicaciones que puede tener el plasma en la ciencia de materiales, biología y eliminación de deshechos, entre otros. Sin embargo fallas en estos equipos son comunes e impiden que se puedan realizar los experimentos en el momento esperado, causando problemas posteriores en varios sentidos. El análisis realizado por el memorista comprende un estudio integral del funcionamiento del sistema de los equipos de generación de plasma del tipo Dense Plasma Focus. Para lograr esto, en este análisis se determinan elementos críticos, se realizan diagramas de sistema y planos de equipo, además se obtienen parámetros que permiten evidenciar un avance en el deterioro del sistema, teniendo en cuenta las distribuciones de probabilidades correspondientes. Finalmente, se plantean propuestas de rediseño del sistema, con el objetivo de mejorar la confiabilidad y disponibilidad de este. Junto con esto, se proponen protocolos de mantenimiento y recomendaciones sobre monitoreo de variables clave en la detección de fallas del sistema. De la presente memoria se concluye que manteniendo un monitoreo del crecimiento porcentual de Kurtosis, Shape Indicator, Clearance Indicator, Crest Indicator y Amortiguamiento de las señales características del sistema se puede estimar la cantidad de disparos desde el inicio de un experimento. Por otro lado, se concluye que distinguir los datos que presenten instancia de Dip permite establecer la probabilidad de ocurrencia como una distribución de Weibull. Distinguir datos que posean Dip de los que no puede ser realizado mediante un pre-tratamiento de las señales y posterior entrenamiento de una red neuronal de clasificación. El clasificador permite identificar con una asertividad del 93.25% para datos del mismo tipo y 83.3% para datos diferentes. / Memoria realizada en conjunto con el Departamento de Plasmas TermoNucleares (DPTN) de la Comisión Chilena de Energía Nuclear (CCHEN)

La predicción de la cantidad demandada de agua potable es de gran importancia hoy en día para las corporaciones pertenecientes al sector saneamiento. Realiza esta predicción a mediano plazo es una necesidad vital para estas empresas, dado que de ello depende la satisfacción de los usuarios del servicio de saneamiento, los cuales se verían perjudicados en caso este servicio deje de trabajar en horas altamente criticas para ellos. El presente trabajo pretende demostrar que el empleo de técnicas computacionales basadas en inteligencia artificial, como las redes neuronales artificiales, reducen el nivel de error de las predicciones de la demanda de agua potable.