Examinando por Materia "Sistema embebido"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    Adquisición de señales por medio de electroencefalografía para futuro control de prótesis de miembro superior
    (Universidad EIA, 2022) Silva Sandoval, Juan Francisco; Osorio Sánchez, Laura Sofía; Torres Villa, Robinson Alberto
    RESUMEN: La amputación representa un gran impacto en la vida de una persona, en el ámbito social y familiar, impidiéndoles así realizar tareas cotidianas por si solos. Las prótesis que están disponibles en la actualidad representan un alto costo para aquellos individuos que las necesitan, por lo que se ha explorado una gran variedad de alternativas con el fin de suplir esta necesidad. Es por esto por lo que en este trabajo se realizara un sistema de adquisición de señales de electroencefalografía, a la cual se le implementará un aprendizaje de la maquina o Machine Learning, para clasificar la entrada de los datos en diferentes movimientos, los cuales serán utilizados para activar una prótesis. Para desarrollar este trabajo se propone el desarrollo de un dispositivo mecánico como prototipo de prótesis que sirva de medio para evaluar un modelo de Machine Learning. Este será diseñado por medio de la plataforma Edge Impulse, la cual permite la adquisición de datos y elaboración de modelos de Machine Learning, sin la necesidad de tener conocimientos avanzados en programación, y con la oportunidad de aplicarlos en dispositivos embebidos. De manera que sea posible activar actuadores dentro del prototipo de prótesis a través de la adquisición de señales de electroencefalografía y el reconocimiento de los movimientos asociados a estas. En cuanto a los resultados obtenidos, se destaca el modelo de Machine Learning que identificó y clasificó correctamente, de acuerdo con las métricas de evaluación, los movimientos de brazo derecho, brazo izquierdo y pierna derecha, además de un estado de reposo. De manera que el dispositivo se considera funcional para realizar acciones como la activación de actuadores dentro de un prototipo de prótesis.
  • Miniatura
    PublicaciónAcceso abierto
    Boya oceanográfica para monitoreo de la calidad del agua en la superficie de las zonas de arrecife
    (Universidad EIA, 2023) Díez Velásquez, Camilo; Torres Blandón, Juan Guillermo; Rincón Gil, Edgar Virgilio
    RESUMEN: Fenómenos tales como el calentamiento global, el cambio climático y las conductas humanas están generando impactos negativos en algunos ecosistemas del océano. Uno de los principales afectados son los arrecifes de coral y sus dependientes. Estos se ven particularmente afectados como consecuencia del incremento de la temperatura y la acidificación del océano. Es por esto que se decidió desarrollar un sistema embebido para la boya oceanográfica de la Universidad EIA que permita monitorear la calidad del agua superficial en las zonas de arrecife por medio de sensores de temperatura, pH y turbidez. Estas variables resultan de interés debido a que los corales son uno de los sistemas más vulnerables a la variabilidad térmica, ocasionando un fenómeno conocido como blanqueo, el cual puede llevarlos a su extinción masiva, causando una reducción en el ciclo de vida de muchas especies marinas y desprotegiendo a las costas de tormentas y erosión. Además, estos ecosistemas son fuente de empleo para las comunidades aledañas y ofrecen oportunidades para la diversión y la recreación. Para el desarrollo de este trabajo de grado se implementó la metodología Fases del Proyecto Espacial, la cual se compone de cinco fases iterativas que permiten el éxito del proyecto. Se inicia con una etapa de desarrollo conceptual en donde se evalúa la viabilidad del sistema, seguido del diseño de detalle, en donde se establecen los criterios de construcción, y finalmente se llega a la fase de desarrollo, donde se fabrica, integran y prueban todos los sistemas. Con esta metodología se llega a un prototipo funcional que permite medir todas las variables establecidas y así poder almacenar y visualizar las mediciones.
  • Miniatura
    PublicaciónAcceso abierto
    Dron cuadricóptero experimental con sistema de navegación aéreo en entornos abiertos Open Source
    (Universidad EIA, 2021) Palencia Arismendy, William Yesid; González Betancur, Pedro Alejandro; Tejada Orjuela, Juan Camilo
    RESUMEN: En este trabajo se desarrolla un sistema de navegación para entornos exteriores de código abierto para drones cuadricópteros, permitiéndoles tener cierto grado de autonomía y aportando una gran herramienta que pueda ser adaptada para diversas aplicaciones específicas; además, se realiza el ensamble de un dron experimental con la finalidad de efectuar las pruebas del sistema de navegación, también se ejecutan estas pruebas en un entorno simulado de Gazebo. Se hace bajo las propuestas de diseño planteadas en el libro Enginnering Desing de Dieter, George E. y SCHMIDT, Linda C, donde se realiza un estado del arte de las soluciones existentes y, a partir de este, se lleva a cabo el diseño de concepto con la finalidad de seleccionar los componentes para el ensamble del subsistema del dron y el subsistema de navegación. Adicionalmente se hacen pruebas de la integración de los componentes de ambos subsistemas por separado y trabajando de manera conjunta. Los algoritmos de navegación se ejecutan en un entorno de trabajo de ROS que se programó en un sistema embebido comercial Jetson Nano. La navegación se da por medio de un método “GotoGo” que le da órdenes a un controlador de vuelo dirigiendo al dron a una coordenada de destino. De igual forma, esta se logra a través de la integración del método “GotoGo” con el método “Avoid Obstacles”, que además de dirigirlo a una coordenada previamente definida, evade los obstáculos que encuentra en su trayectoria. Estos obstáculos son detectados por medio de la cámara de profundidad Realsense D435i. Asimismo, se realiza una interfaz gráfica que hace más amigable la interacción del humano con el envío y recepción de la información de los nodos. Los resultados obtenidos después de poner en práctica los experimentos para la navegación solo con el método GotoGo en cuanto a la simulación, entregaron un error relativo promedio del 0.353%, que corresponde a 0.725 metros de distancia de diferencia entre el punto de llegada del dron y el punto esperado; en la vida real, el error relativo fue del 1.76%, lo que equivale a 1.56 metros de diferencia entre dichos puntos. Finalmente, los resultados de la integración del método GotoGo con la evasión de obstáculos en las simulaciones entregaron un error relativo respecto al punto de llegada del 0.382%, representando una distancia de diferencia de 0.939 metros.