Maestria en Ingenieria Eléctrica

URI permanente para esta colección

Examinar

Envíos recientes

Mostrando 1 - 5 de 208
  • Documento
    Development of a methodology for the diagnosis of internal combustion engines using non-invasive measurements based on the use of interpretable neural networks applicable to databases with multiple annotators
    (Universidad Tecnológica de Pereira, 2022) Valencia Duque, Andrés Felipe ; Gil González, Julián
    Pressure is one of the essential variables that give information for engine condition and monitoring. Direct recording of this signal is complex and invasive, while the angular velocity can be measured easily. Nonetheless, the challenge is to predict the cylinder pressure using the shaft kinematics accurately. On the other hand, the increasing popularity of crowdsourcing platforms, i.e., Amazon Mechanical Turk, changes how datasets for supervised learning are built. In these cases, instead of having datasets labeled by one source (which is supposed to be an expert who provided the absolute gold standard), databases holding multiple annotators are provided. However, most state-of-the-art methods devoted to learning from multiple experts assume that the labeler's behavior is homogeneous across the input feature space. Besides, independence constraints are imposed on annotators' outputs. This document presents a Regularized Chained Deep Neural Network to deal with classification tasks from multiple annotators. In this thesis, we develop 2 strategies aiming to avoid intrusive techniques that are commonly used to diagnose Internal Combustion Engines (ICE). The first consist of a time-delay neural network (TDNN), interpreted as a finite pulse response (FIR) filter to estimate the in-cylinder pressure of a single-cylinder ICE from fluctuations in shaft angular velocity. The experiments are conducted over data obtained from an ICE operating in 12 different states by changing the angular velocity and load. The TDNN's delay is adjusted to get the highest possible correlation-based score. Our methodology can predict pressure with an R2>0.9, avoiding complicated pre-processing steps. The second technique, termed RCDNN, jointly predicts the ground truth label and the annotators' performance from input space samples. In turn, RCDNN codes interdependencies among the experts by analyzing the layers' weights and includes l1, l2, and Monte-Carlo Dropout-based regularizers to deal with the overfitting issue in deep learning models. Obtained results (using both simulated and real-world annotators) demonstrate that RCDNN can deal with multi-labelers scenarios for classification tasks, defeating state-of-the-art techniques.
  • Documento
    Construction and Analysis of a 3D-printed Halbach Array Generator Prototype
    ( 2022) Guarín Restrepo , Sebastián ; Gil González , Walter Julián
    En este trabajo, se construyó y analizó un generador eléctrico con arreglo Halbach aplicando la manufactura aditiva, una de las tecnologías líderes en la transición a la industria 4.0. Una descripción detallada del proceso de construcción se realizó y dividió en 4 secciones: 1. Impresora 3D y material de impresión, 2. Rotor y estator, 3. Devanados y 4. Imanes permanentes, seguido del ensamblaje final del primer prototipo (Modelo 1). Posteriormente, se construyó un segundo prototipo (Modelo 2) considerando los contratiempos encontrados durante la fabricación del primer modelo. Se prepararon dos pruebas principales para los dos modelos: la primera enfocada en el voltaje de salida a velocidades variables sin carga, y la segunda enfocada en el cálculo de corriente con carga. De estas pruebas se concluyó que el entrehierro tenía una fuerte influencia en la amplitud y suavidad de la forma de onda de voltaje, el Modelo 1 se hizo con un entrehierro más pequeño, lo que resultó en una mayor amplitud, pero una forma de onda menos uniforme, mientras que el Modelo 2 tuvo un entrehierro más grande, lo que resultó en una forma de onda más suave, pero con menor amplitud. Se construyó un tercer prototipo (Modelo 3) para encontrar un término medio entre amplitud y suavidad. Además de la suavidad de la forma de onda, el modelo 2 y el modelo 3 también presentaron una rotación más suave, ruido reducido, vibraciones reducidas, mejor manejo y flujo de aire, en comparación con el modelo 1.
  • Documento
    Modelamiento de una estrategia que permita realizar actividades de planeación del mantenimiento, mediante el uso de eventos discretos y cadenas de Markov, para la evaluación de la disponibilidad y confiabilidad
    (Universidad Tecnológica de Pereira, 2022) Moreno, Yamid Alexander ; Holguín Londoño, Mauricio
    Las máquinas industriales son artefactos que desempeñan una función específica, y que tienen como finalidad transformar la materia prima en un producto elaborado, utilizando algún tipo de fuente de energía. Se puede decir que los sistemas industriales complejos están sujetos a muchos componentes y variables aleatorias, y que de ellos depende su funcionalidad y fiabilidad. La creciente demanda de productos individuales, específicos, la rápida fabricación de ellos, y la competencia global, afectan las estrategias de producción en la industria; por lo que el mejoramiento de la disponibilidad de la maquinaria y el desarrollo de nuevas estrategias de confiabilidad y mantenibilidad se han destacado en las últimas décadas, con el fin de obtener un alto índice de manufactura al elaborar productos de alta calidad con el mínimo coste y el máximo nivel de seguridad para el personal que lo utiliza, además de una mínima degradación del medio ambiente. Analizar los parámetros de confiabilidad ayuda a comprender el efecto de disminuir las tasas de reparación y falla de un sistema o subsistema en particular, la predicción y evaluación de la fiabilidad, la detección de fallos a tiempo, y la evaluación de riesgos es importante para determinar una correcta planeación a la hora de realizar un mantenimiento preventivo. Todo esto con el fin de aumentar el funcionamiento continuo de los equipos o sistemas, el mayor tiempo posible, sin fallas o reparaciones; donde se espera que estén en funcionamiento y que continúen desempeñando sus funciones previstas, y que al sufrir cierto desgaste, pérdida parcial o total de su funcionalidad, puedan ser restituidos a su condición inicial, dentro de sus características originales de diseño, para una utilización más racional. Si se logra la debida atención estratégica a la conservación de la maquinaria, a la planeación, al manejo de los recursos, a la toma de decisiones y a las necesidades del sostenimiento del sistema, se puede disminuir el costo total de inspección, reparación y tiempo de inactividad del sistema, logrando ahorros considerables al tema en cuestión.
  • Documento
    Análisis de morfología estructural cerebral a partir de correspondencias de forma Usando (Variational multiview unsupervised learning)
    (Universidad Tecnológica de Pereira, 2022) Velásquez Minoli, Juan Pablo ; García Arias, Hernan Felipe
    El análisis de estructuras biológicamente relevantes trae consigo diferentes problemas representativos, debido a los cambios que pueden surgir en un paciente a la hora de realizar procedimientos médicos necesarios para la determinación de algún tipo de anormalidad corporal, como puede ser los cambios en la respiración que llevan al mismo tiempo un aumento o disminución en la frecuencia cardíaca, también, cambios en el humor del paciente pueden generar ansiedad o algún otro tipo de anomalía, resultando así en múltiples estados en estructuras corporales complejas. Encontrar correspondencias entre diferentes formas complejas proveniente de mallas en 3D suele ser una tarea engorrosa, ya que no siempre es posible encontrar medidas de similaridad entre elementos en imágenes de resonancia magnética u otro estudio médico. Dado que encontrar correspondencias en estructuras biológicas aleatoriamente cambiantes de acuerdo a las circunstancias del sujeto, en este proyecto se propone una metodología para describir estructuras cerebrales basada en variational multiview unsupervised learning, el cuál al ser un aprendizaje no supervisado permite la búsqueda de variabilidad similar entre elementos no rígidos a pesar de que ocurran algunos cambios en ellos, también se incluye el uso de múltiples vistas como una estrategia para mejorar la forma en la que se observa y trata la información proveniente de imágenes de resonancia magnética facilitando así la extracción de características representativas y finalmente se aplica inferencia variacional, la cual permite el manejo de modelos Bayesianos intratables computacionalmente usualmente requeridos en la creación de variables latentes, al inferir funciones de densidad de probabilidad simples sobre estos, aumentando la velocidad de convergencia del mismo y su grado de acierto. Los resultados muestran como los modelos propuestos logran capturar en gran medida las no linealidades presentes en formas 3D no rígidas, incluso cuando estas presentan oclusión o par cialidades, demostrando así ser técnicas viables para el manejo de correspondencia de formas.
  • Documento
    Prototipo de un sistema de diagnóstico asistido por ordenador orientado a la localización de clusters de microcalcificaciones en mamografías
    (Universidad Tecnológica de Pereira, 2022) Hernández Gómez, Kevin Alejandro ; Orozco Gutiérrez , Álvaro Ángel ; Grupo de Investigación en Automática Pereira - Risaralda
    En este trabajo se presenta la construcción metodológica para la implementación de un prototipo de aplicativo software que sirva como herramienta de apoyo al diagnóstico de cáncer de mama, a partir de las diferentes técnicas de procesamiento de imágenes y modelos de aprendizaje supervisado y no-supervisado. Tiene como aporte fundamental el hecho de que es una metodología que acopla diferentes etapas de procesamiento bastante robustas que permiten hacer un tratamiento desde la imagen mamográfica en crudo hasta la recomendación final dada por el sistema (End-to-End). En particular se consideró la técnica de realce de contraste de corrección gamma adaptativa con ponderación distribuida (AGCWD) y binarización de Otsu para la segmentación del tejido mamario, el segmentador K-means para la identificación del musculo pectoral, una red neuronal convolucional (CNN) para la localización de microcalcificaciones, un ensamble de redes neuronales artificiales (RNA) responsable de la clasificación y del proceso de búsqueda de imágenes similares. Además, se usó la librería tkinter para la implementación de la interfaz gráfica de usuario (GUI) en Python. Para la validación de la metodología se usaron dos bases de datos, The Mammographic Image Analysis (mini-MIAS) y The Digital Database for Screening Mammography (DDSM). Image Analysis (mini-MIAS) y The Digital Database for Screening Mammography (DDSM). Los resultados obtenidos reflejan que esta metodología mejora sustancialmente el rendimiento en la eliminación de artefactos (99.78%), la precisión en la remoción del musculo pectoral (92.14%), la reducción de falsos positivos en la detección de microcalcificaciones (0.47 por imagen), y aumento en el acierto en la clasificación según el estándar BI-RADS (82%) en comparación a otros trabajos en el estado del arte.