Dra. Ma. Anabell Covarrubias Díaz Couder
Coordinadora de Investigación- La Salle Noroeste
Participa alumna de La Salle Noroeste en la 4th International Conference on Machine Learning and Intelligent Systems (MLIS 2022)
La Inteligencia Artificial es un campo de las ciencias computacionales que ha tomado relevancia hoy en día en las aplicaciones de ingeniería, particularmente en los campos de la mecánica y la robótica. Las redes neuronales son utilizadas para un sin número de aplicaciones en la robótica, entre ellas en el estudio de la cinemática, el control y el diseño.
El 9 de noviembre del presente año la egresada de la carrera de Ing. Mecatrónica de la Universidad La Salle Noroeste, Renée Nicole Espinoza-Miranda, defendió su investigación desarrollada para su titulación de Ingeniera, en la “The 4th International Conference on Machine Learning and Intelligent Systems (MLIS 2022)” llevada a cabo en Corea del Sur.
El título de su investigación es: Desarrollo de un modelo representativo de redes neuronales y experimentación de un modelo mejorado, para la solución del problema cinemático inverso de un mecanismo 5R - Quaternion modeling of a delta planar robot and training of an enhanced multilayer neural network to solve the inverse kinematic 5R problema.
En este trabajo de tesis se analiza el problema cinemático inverso relacionado con un robot delta RR o también conocido como mecanismo paralelo 5R, con el propósito de entrenar una red neuronal representativa que sea capaz de calcular los ángulos y los ejes de rotación de los eslabones que componen el robot dada la información de entrada de una trayectoria o sucesión de puntos. Posteriormente, con el modelo representativo y considerando 10000 datos de entrada y salida, se realizó una experimentación computacional para determinar una topología “especial de red neuronal” considerando un total de 81 experimentos generados por 4 variables con 3 niveles de cambios. Las variables fueron: Número de Capas: (2, 3, 4), Número de Neuronas por capa (3, 4, 5), Número de Épocas (1000, 2000, 3000) y Rendimiento:( 0.001, 0.0001, 0.00001). Se identificó que la mejor topología fue la de 2 capas, con 3 neuronas, 2000 épocas y un rendimiento de .00001, ya que el ajuste logrado fue lo suficiente bueno para aproximar el sistema de la cinemática inversa con un ± 1.5% de tolerancia en el cálculo del modelado matemático. Por lo que se puede concluir que fue posible entrenar una red neuronal especial para el cálculo de la cinemática inversa del mecanismo considerado.
Fue realizada y asesorada en conjunto con los profesores e investigadores: Eusebio Jiménez-López (Director de Tesis), Aldo López-Martínez, Eduardo Núñez- Pérez, Pablo Alberto Limón-Leyva, Kevin Fierro-Ruiz y Francisco Cuenca-Jiménez, de las Universidades: La Salle Noroeste, UTS, CIDESI, ITSON y la UNAM.
Cabe mencionar que la egresada Nicole tuvo la posibilidad de presentar su trabajo con algunos de los mejores investigadores del mundo en Inteligencia Artificial y en Machine Learning, por lo que podemos estar convencidos de que somos capaces de formar alto talento mexicano que puede destacar y competir en cualquier lugar del mundo.
Desde La Salle Noroeste, ¡Muchas felicidades a Reneé Nicle Espinoza y sus asesores!
El 9 de noviembre del presente año la egresada de la carrera de Ing. Mecatrónica de la Universidad La Salle Noroeste, Renée Nicole Espinoza-Miranda, defendió su investigación desarrollada para su titulación de Ingeniera, en la “The 4th International Conference on Machine Learning and Intelligent Systems (MLIS 2022)” llevada a cabo en Corea del Sur.
El título de su investigación es: Desarrollo de un modelo representativo de redes neuronales y experimentación de un modelo mejorado, para la solución del problema cinemático inverso de un mecanismo 5R - Quaternion modeling of a delta planar robot and training of an enhanced multilayer neural network to solve the inverse kinematic 5R problema.
En este trabajo de tesis se analiza el problema cinemático inverso relacionado con un robot delta RR o también conocido como mecanismo paralelo 5R, con el propósito de entrenar una red neuronal representativa que sea capaz de calcular los ángulos y los ejes de rotación de los eslabones que componen el robot dada la información de entrada de una trayectoria o sucesión de puntos. Posteriormente, con el modelo representativo y considerando 10000 datos de entrada y salida, se realizó una experimentación computacional para determinar una topología “especial de red neuronal” considerando un total de 81 experimentos generados por 4 variables con 3 niveles de cambios. Las variables fueron: Número de Capas: (2, 3, 4), Número de Neuronas por capa (3, 4, 5), Número de Épocas (1000, 2000, 3000) y Rendimiento:( 0.001, 0.0001, 0.00001). Se identificó que la mejor topología fue la de 2 capas, con 3 neuronas, 2000 épocas y un rendimiento de .00001, ya que el ajuste logrado fue lo suficiente bueno para aproximar el sistema de la cinemática inversa con un ± 1.5% de tolerancia en el cálculo del modelado matemático. Por lo que se puede concluir que fue posible entrenar una red neuronal especial para el cálculo de la cinemática inversa del mecanismo considerado.
Fue realizada y asesorada en conjunto con los profesores e investigadores: Eusebio Jiménez-López (Director de Tesis), Aldo López-Martínez, Eduardo Núñez- Pérez, Pablo Alberto Limón-Leyva, Kevin Fierro-Ruiz y Francisco Cuenca-Jiménez, de las Universidades: La Salle Noroeste, UTS, CIDESI, ITSON y la UNAM.
Cabe mencionar que la egresada Nicole tuvo la posibilidad de presentar su trabajo con algunos de los mejores investigadores del mundo en Inteligencia Artificial y en Machine Learning, por lo que podemos estar convencidos de que somos capaces de formar alto talento mexicano que puede destacar y competir en cualquier lugar del mundo.
Desde La Salle Noroeste, ¡Muchas felicidades a Reneé Nicle Espinoza y sus asesores!