http://hdl.handle.net/20.500.11799/40962 2026-04-10T17:09:27Z http://hdl.handle.net/20.500.11799/143408 Control inteligente para una fuente de corriente implementado en un sistema embebido Flores Luna, Luis Antonio Los convertidores estáticos de energía eléctrica son fundamentales en la conversión y adaptación de la energía en aplicaciones que van desde el ámbito industrial hasta el doméstico. Existen diversos tipos de convertidores, cada uno con características eléctricas específicas que determinan su idoneidad según la aplicación. En este trabajo se emplea un convertidor tipo troceador (chopper), el cual transforma una señal de corriente directa en otra de corriente directa con diferentes niveles de voltaje y corriente. Este tipo de convertidores presenta desafíos importantes, como el ruido electrónico, las pérdidas por conmutación y el correcto aislamiento de sus componentes. Ante ello, el objetivo principal de la investigación fue diseñar, simular e implementar un sistema de control híbrido que combina una máquina de estados finitos con un controlador proporcional–integral (PI). La simulación del controlador se realizó en MATLAB/Simulink con licencia educativa, mientras que su implementación se llevó a cabo en el entorno MPLAB, utilizando una placa de desarrollo Curiosity Nano® de Microchip® para las pruebas experimentales. Los resultados demostraron que el controlador híbrido propuesto reduce en un 25 % el ruido eléctrico por conmutación y mejora la eficiencia del convertidor hasta un 90 %, en comparación con un controlador basado únicamente en una máquina de estados finitos. En conclusión, el control híbrido representa una solución viable y eficiente para este tipo de convertidores. Tesis de Maestría en Ciencias de la Computación 2025-11-21T00:00:00Z http://hdl.handle.net/20.500.11799/143407 Regulación de posición de un helicóptero pivotado usando heurísticas reducidas basadas en inteligencia de enjambres García Jaime, Jhovani La Inteligencia Artificial tiene aplicaciones relevantes en el diseño de reguladores para sistemas físicos, como el control de la posición de helicópteros pivotados, que permiten estudiar el movimiento en múltiples ejes. Tradicionalmente, este control se realiza mediante Reguladores Lineales Cuadráticos (LQR), cuya sintonización depende de matrices de ponderación que pueden optimizarse mediante métodos heurísticos. Sin embargo, las versiones canónicas de estas técnicas suelen implicar un alto costo computacional. En esta investigación se analizaron algoritmos de Inteligencia de Enjambres para la sintonización de un LQR aplicado a un helicóptero pivotado, proponiendo versiones reducidas de heurísticas bioinspiradas. Estas versiones disminuyen el número de generaciones y el tamaño de la población, reduciendo significativamente el tiempo de cómputo y el consumo de recursos. Los resultados mostraron que las heurísticas reducidas convergen hacia soluciones óptimas comparables a las obtenidas con métodos canónicos. El análisis estadístico, mediante la mediana y el rango intercuartílico, confirmó la estabilidad y reproducibilidad de la optimización. Asimismo, los criterios de desempeño del sistema evidenciaron que las soluciones reducidas mantienen un comportamiento equivalente en términos de errores de seguimiento y respuesta transitoria. Este trabajo aporta evidencia sobre la viabilidad de heurísticas reducidas para el diseño eficiente de controladores LQR en sistemas físicos no lineales. Tesis de Maestría en Ciencias de la Computación 2025-11-20T00:00:00Z http://hdl.handle.net/20.500.11799/142848 Análisis comparativo de modelos de redes neuronales convolucionales para la detección de cáncer de pulmón Garduño Morales, Alexander En este trabajo se realiza un análisis comparativo de tres modelos de redes neuronales convolucionales (CNN) para la detección de cáncer de pulmón, con base en imágenes de tomografías computarizadas, con el fin de identificar la arquitectura que ofrece el mejor desempeño bajo condiciones controladas. Los modelos de aprendizaje profundo considerados para este estudio son: DenseNet201, InceptionV3 y ResNet50, que fueron validados mediante un esquema de subconjunto estratificado. Tesis de Licenciatura 2025-10-25T00:00:00Z http://hdl.handle.net/20.500.11799/142847 Modelado híbrido basado en un sistema adaptativo de inferencia neuro difuso para un proceso de manufactura no convencional PECM Nopalera Angeles, Irvin Uriel Se desarrolló un sistema adaptativo de inferencia neuro difuso, optimizado con un algoritmo genético, para modelar las variables de respuesta del maquinado electroquímico por pulsos. Durante este proceso fue integrado un conjunto de datos del método de manufactura mediante un diseño experimental factorial, el cual fue dividido en subconjuntos para las etapas de entrenamiento, validación y prueba. La arquitectura del sistema adaptativo propuesto se seleccionó tras analizar el rendimiento con diferentes sistemas de inferencia y una serie de funciones difusas. Después de la evaluación, el sistema Takagi-Sugeno y funciones de membresía de tipo gaussiana fueron seleccionadas para la arquitectura de trabajo. Tesis de Doctorado en Ciencias de la Computación 2025-05-07T00:00:00Z