Oferta de TFM
Desarrollo de Modelos de IA para la Alerta Temprana de Floraciones de Cianobacterias mediante el Análisis de Datos Metagenómicos Públicos
Directores: José L. Risco Martín (jlrisco@ucm.es)
Objetivos del Proyecto:
La proliferación masiva de cianobacterias (conocidas como floraciones o blooms) en masas de agua dulce representa un grave riesgo ecológico y para la salud pública debido a las toxinas que pueden producir. Los métodos de detección tradicionales son lentos y costosos, lo que impide una reacción a tiempo. Se busca desarrollar tecnologías digitales para la detección in situ y temprana de estos y otros biocontaminantes.
Este Trabajo Fin de Máster se centra en anticipar el riesgo de floraciones tóxicas utilizando Inteligencia Artificial y datos metagenómicos. La metagenómica nos permite analizar el ADN de toda la comunidad microbiana presente en una muestra de agua, ofreciendo una visión completa de qué organismos están presentes y qué funciones genéticas poseen (por ejemplo, la capacidad de producir toxinas o geosmina, un compuesto que da mal olor y sabor al agua).
Para asegurar la viabilidad del trabajo en el plazo de un TFM, el proyecto comenzará utilizando datos de acceso público. Los objetivos concretos son:
- Búsqueda y Preparación de Datos: Realizar una revisión del estado del arte para identificar y descargar conjuntos de datos de repositorios públicos (como el European Nucleotide Archive) que contengan secuencias metagenómicas de muestras de agua dulce, junto con metadatos ambientales asociados (temperatura, pH, concentración de nutrientes, etc.).
- Procesamiento Bioinformático: Utilizar pipelines de software especializados, como SqueezeMeta, para procesar los datos crudos. El objetivo es obtener perfiles taxonómicos (qué especies hay y en qué abundancia) y funcionales (qué genes relacionados con la producción de toxinas o geosmina están presentes).
- Desarrollo de Modelos de IA: Explorar y desarrollar modelos de Inteligencia Artificial que integren la información metagenómica y los datos ambientales para predecir la probabilidad de riesgo. Se investigarán diferentes técnicas, como:
- Métodos de selección de características y clustering para identificar biomarcadores genéticos clave.
- Redes Neuronales Recurrentes (RNN/LSTM) o Transformers para modelar la dinámica temporal de las comunidades microbianas.
- Redes Bayesianas para modelar las dependencias entre las variables y estimar la probabilidad de riesgo de forma robusta.
- Validación y Documentación: Evaluar el rendimiento de los modelos desarrollados y empaquetar el mejor de ellos en una herramienta software documentada, capaz de generar una alerta de riesgo a partir de nuevos datos de entrada.
- Métodos de selección de características y clustering para identificar biomarcadores genéticos clave.
- Redes Neuronales Recurrentes (RNN/LSTM) o Transformers para modelar la dinámica temporal de las comunidades microbianas.
- Redes Bayesianas para modelar las dependencias entre las variables y estimar la probabilidad de riesgo de forma robusta.
Referencias
- Fournier, C., Fernandez-Fernandez, R., Cirés, S., López-Orozco, J. A., Besada-Portas, E., & Quesada, A. (2024). “LSTM networks provide efficient cyanobacterial blooms forecasting even with incomplete spatio-temporal data”. Water Research.
- Tamames, J., & Puente-Sánchez, F. (2019). “SqueezeMeta, a highly portable, fully automatic metagenomic analysis pipeline”. Frontiers in Microbiology.
- Urban, L., et al. (2021). “Freshwater monitoring by nanopore sequencing”. eLife.
Aplicación de técnicas de investigación operativa y ciencia de datos para la optimización de redes de transporte
Directores: José L. Risco Martín (jlrisco@ucm.es)
En el competitivo sector de la logística, la eficiencia de la red de transporte es un factor clave para el éxito. La toma de decisiones sobre qué rutas utilizar, dónde ubicar centros de distribución (hubs) y cómo gestionar los flujos de mercancías son problemas de una enorme complejidad. Este proyecto se enmarca en abordar estos desafíos mediante la aplicación de tecnología y modelos matemáticos avanzados.
El objetivo es desarrollar soluciones que permitan optimizar operaciones logísticas basándose en datos históricos, con el fin de reducir costes, minimizar tiempos de entrega y mejorar la eficiencia general de la cadena de suministro.
El estudiante que se incorpore a este proyecto tendrá la oportunidad de trabajar con datos reales y afrontar problemas de gran impacto industrial, pudiendo especializar su trabajo en una de las siguientes líneas, o en una combinación de ellas:
- Modelado y Optimización con Programación Lineal Entera Mixta (MILP): Esta línea se centra en el núcleo del problema de optimización. El estudiante trabajará en la formulación de un modelo matemático MILP que represente la red logística. Las tareas incluyen la definición de variables de decisión, restricciones operativas (capacidad de vehículos, ventanas horarias, etc.) y la función objetivo (minimización de costes). Posteriormente, se utilizará software especializado (como IBM CPLEX o librerías de Python) para resolver el modelo, analizar los resultados y realizar simulaciones de distintos escenarios (ej. ¿qué pasaría si la demanda aumenta un 20%?).
- Análisis de Datos y Visualización Geográfica: Antes de optimizar, es fundamental comprender la situación actual. Esta línea de trabajo se enfoca en el análisis exploratorio de los datos históricos de transporte. El estudiante aplicará técnicas de ciencia de datos para limpiar y procesar la información, calcular métricas clave (coste por kilómetro, coste por kilo, etc.) e identificar patrones de flujo. Una tarea central será la creación de visualizaciones y “mapas de calor” de flujos ponderados (usando herramientas como Power BI o librerías de Python como Geopandas) para identificar geográficamente las zonas de mayor densidad de transporte, un paso previo fundamental para la localización de hubs.
- Análisis de Redes con Teoría de Grafos y Búsqueda de Ubicaciones Óptimas (Facility Location): Esta vía aborda la estructura de la red y el problema estratégico de la localización de hubs. El trabajo consistiría en modelar la red de transporte como un grafo, analizando sus propiedades (nodos críticos, centralidad, etc.). A partir de ahí, se investigarían y aplicarían algoritmos para resolver el problema de la ubicación óptima de uno o varios hubs. Se podrían explorar desde técnicas de clustering para una primera aproximación, hasta métodos más avanzados como algoritmos evolutivos que interactúen con APIs de mapas (ej. Google Maps API) para obtener distancias y tiempos de ruta realistas, mejorando significativamente la calidad de la solución.
Modelado y Optimización con Programación Lineal Entera Mixta (MILP): Esta línea se centra en el núcleo del problema de optimización. El estudiante trabajará en la formulación de un modelo matemático MILP que represente la red logística. Las tareas incluyen la definición de variables de decisión, restricciones operativas (capacidad de vehículos, ventanas horarias, etc.) y la función objetivo (minimización de costes). Posteriormente, se utilizará software especializado (como IBM CPLEX o librerías de Python) para resolver el modelo, analizar los resultados y realizar simulaciones de distintos escenarios (ej. ¿qué pasaría si la demanda aumenta un 20%?).
Análisis de Datos y Visualización Geográfica: Antes de optimizar, es fundamental comprender la situación actual. Esta línea de trabajo se enfoca en el análisis exploratorio de los datos históricos de transporte. El estudiante aplicará técnicas de ciencia de datos para limpiar y procesar la información, calcular métricas clave (coste por kilómetro, coste por kilo, etc.) e identificar patrones de flujo. Una tarea central será la creación de visualizaciones y “mapas de calor” de flujos ponderados (usando herramientas como Power BI o librerías de Python como Geopandas) para identificar geográficamente las zonas de mayor densidad de transporte, un paso previo fundamental para la localización de hubs.
Análisis de Redes con Teoría de Grafos y Búsqueda de Ubicaciones Óptimas (Facility Location): Esta vía aborda la estructura de la red y el problema estratégico de la localización de hubs. El trabajo consistiría en modelar la red de transporte como un grafo, analizando sus propiedades (nodos críticos, centralidad, etc.). A partir de ahí, se investigarían y aplicarían algoritmos para resolver el problema de la ubicación óptima de uno o varios hubs. Se podrían explorar desde técnicas de clustering para una primera aproximación, hasta métodos más avanzados como algoritmos evolutivos que interactúen con APIs de mapas (ej. Google Maps API) para obtener distancias y tiempos de ruta realistas, mejorando significativamente la calidad de la solución.
Este proyecto ofrece una excelente oportunidad para adquirir experiencia práctica en áreas de alta demanda como la Investigación Operativa, la Ciencia de Datos y la Optimización, aplicando conocimientos teóricos a un problema empresarial tangible y de gran relevancia actual.
Control autónomo de un robot móvil usando ROS2, aprendizaje por refuerzo y SLAM
Directores: Jesús Chacón Sombría (jeschaco@ucm.es) y Raúl Fernández (raufer06@ucm.es)
El objetivo final de este trabajo es la programación de un robot que sea capaz de moverse de manera autónoma (usando inteligencia artificial mediante Aprendizaje por Refuerzo) por un entorno desconocido generando un mapa al mismo tiempo (SLAM).
Este proyecto combina aprendizaje automático, robótica móvil y percepción del entorno para lograr que el robot:
- 1.- Aprenda de forma autónoma políticas de control óptimas para alcanzar objetivos en entornos desconocidos o dinámicos.
- 2.- El robot sea capaz de construir un mapa del entorno y localizarse en él utilizando algoritmos de SLAM.
- 3.- Combine el aprendizaje por refuerzo con la percepción del entorno para tomar decisiones informadas basadas en el mapa y su posición estimada.
El proyecto tendrá un fuerte carácter experimental enfocado inicialmente en simulación usando la plataforma iRobot Create 3 y el entorno ROS2. Dependiendo del avance y el contexto del TFM se planteará su implementación con el robot real.
Requisitos: Se recomienda tener cierta experiencia programando (idealmente con Python/C++) y disposición a entender ciertos conceptos matemáticos necesarios para la implementación.
Análisis, detección y monitorización de la disciplina de lanzamiento de martillo en deportistas de alto rendimiento mediante el uso de visión artificial.
Directores: David Moreno Salinas (UNED), Carlos Revuelta Parra (U. Europea de Madrid), José Sánchez Moreno (UNED)
La monitorización y análisis de los movimientos y acciones realizadas por los deportistas se ha convertido en una herramienta esencial para el entrenamiento de alto nivel y profesional. El conocimiento exacto y detallado de los movimientos realizados por el deportista proporciona una información muy valiosa que permite tanto al deportista como a su entrenador ir más allá del entrenamiento convencional. Por un lado, es más fácil detectar problemas o aspectos a mejorar en la técnica del deportista, de igual modo que si el mejor desarrollo o la mejor técnica es conocida con antelación, poder buscar una ejecución similar. De otro lado, permite analizar en profundidad la técnica particular de cada deportista, y ver qué aspectos son los que permiten mejorar su rendimiento y qué acciones son las que mejor encajan con su estilo y mecánica para mejorar sus resultados.
En particular, en el TFM se pretende extraer parámetros cinemáticos y dinámicos del atleta y del martillo en 3D mediante el empleo de técnicas de visión e inteligencia artificial aplicadas al análisis de vídeos. Al alumno se le proporcionarán vídeos de lanzadores de martillo desde dos posiciones con el fin de poder realizar la triangulación y extraer las coordenadas en 3D de los puntos articulares del atleta y del centro de masas del martillo. A partir de ese conjunto de coordenadas se derivarán todos los parámetros que analizan los entrenadores: ángulo del martillo, velocidad de salida del martillo, altura de salida, velocidad angular, momentos angulares, etc.
Requisitos: Conocimientos de visión artificial, Matlab, Python.
Entorno portátil para el análisis del movimiento del cuerpo humano mediante tecnología de banda ultra-ancha UWB
Directores: David Moreno Salinas (UNED), José Sánchez Moreno (UNED)
El objetivo de este TFM es desarrollar una aplicación que permita la recogida de datos del movimiento de diferentes partes de un cuerpo humano (tronco, brazos, piernas) mediante un sistema de localización UWB (Ultra Wide Band). Se dispone de un kit de desarrollo UWB (https://www.mouser.es/datasheet/2/412/MDEK1001_System_User_Manual-1.1-1878639.pdf) compuesto por 12 unidades alimentadas a baterías o vía USB. De todas ellas, cuatro unidades, conocidas como las anclas, deberán usarse para definir una circunferencia (radio máximo 30 m.), ocupando las cuatro posiciones estáticas y equiespaciadas, a alturas similares y con distancias conocidas; un máximo de siete unidades, los tags, se podrán mover dentro del perímetro delimitado por las anclas y una unidad, conocida como el listener, estará conectada vía USB a un PC para visualizar y recibir la información de las posiciones en tiempo real y proceder a su almacenamiento. El objetivo de TFM es desarrollar el software que se ejecutará en el PC y que dialogará con el listener a través del puerto serie. Los datos se almacenarán en ficheros en formato .csv para su posterior análisis y se podrán definir diferentes experimentos.
La aplicación puede desarrollarse en Matlab aunque no se descartan otras opciones sugeridas por el estudiante como, por ejemplo, Python.
Requisitos: Disponibilidad para reunirse en el Departamento de Informática y Automática y poder realizar pruebas experimentales.
Librería Simulink de elementos no lineales y cálculo de sus funciones descriptivas
Directores: José Sánchez Moreno (UNED), Óscar Miguel Escrig (U. Jaume I), Sebastián Dormido Becomo (UNED)
El objetivo de este TFM es desarrollar una librería Simulink de elementos no lineales con y sin memoria que permita la utilización de estos elementos en simulaciones de sistemas de control y que, además, posibiliten visualizar el valor de su función descriptiva durante la simulación. Para ello, será necesario estudiar algunos capítulos del libro:
"Multiple-input describing functions and non-linear system design" de A. Gelb y W.E Van der Velde
dado que explica la teoría de la función descriptiva y recoge una gran variedad de elementos no lineales. Las no linealidades que se tienen que programar serán un subconjunto de las que aparecen en el texto indicado, así como otras que se utilizan habitualmente en la investigación actual que se desarrolla sobre muestreo y control por eventos como, por ejemplo, el muestreador Symetric Send-On-Delta (SSOD). Por ello, en algunos casos será necesario calcular la función descriptiva.
Requisitos: Conocimientos de Matlab/Simulink y buena capacidad de cálculo matemático.
Despliegue y validación de un controlador PID basado en eventos en una red blockchain
Directores: L. de la Torre (ldelatorre@dia.uned.es), J. Chacón (jeschaco@ucm.es)
En este proyecto se propone desplegar un controlador PID en una red blockchain para usarlo en el control de algún sistema sencillo (por ejemplo, la temperatura dentro de una caldera) mediante el uso de muestreo y control por eventos (para reducir las transacciones y el coste de ejecución de las acciones de control). El sistema sería simulado y para la red blockchain se usaría una testnet. Finalmente, se realizará un estudio para validar el funcionamiento del controlador, dependiendo de las características y requisitos del proceso a controlar.
Para la implementación del modelo y simulación del sistema, se propone el uso de Python o Javascript, por las facilidades que otorgan (en modo de librerías) para conectar con las redes blockchain.
Para la implementación del controlador, se propone el uso de Solidity, que permite desplegar código en cualquier red blockchain basada en el uso de la Ethereum Virtual Machine.
Detección de fallos de impresión 3D por medio de visión artificial
Directores: Dictino Chaos García (dchaos@dia.uned.es)Codirectores: Jesús Chacón Sombría (jeschacon@ucm.es) y Jacobo Sáenz Valiente (jacobo.saenz@bec.uned.es)
Objetivos del Proyecto:
La impresión 3D por medio de deposición de material fundido es una tecnología de rápida expansión, pero no está carente de problemas.
Aunque, en teoría, la impresión es totalmente automatizada, existen numerosos problemas que pueden producirse durante la impresión y que requieren una supervisión humana (desalineación de las capas, temperatura inadecuada del plástico, despegue de la pieza de la cama de impresión, etc).
Hasta ahora la única forma de detectar estos errores es mediante la supervisión humana, de modo que la impresión se realiza “en lazo abierto”. El objetivo de este proyecto es poder detectar los fallos utilizando visión artificial mientras la pieza se imprime con el fin de automatizar más el proceso y poder “cerrar el lazo” en el proceso de impresión.
El proyecto tendrá las siguientes fases:
1) Definir mediante pruebas con un prototipo el número de cámaras necesarias para la supervisión de la impresión así como sus características y ubicación en el espacio.
2) Realizar una reconstrucción 3D en tiempo real del objeto que se está imprimiendo a partir de las imágenes obtenidas por visión arificial
3) Detectar fallos de impresión comparando el modelo 3D con la impresión real.
4) Integrar el sistema de detección de fallos con un sistema de impresión para que actué en caso de fallo (detención o pausa de la impresión, aviso al operador humano, cambio de los parámetros de impresión, etc).
Desarrollo de robots en Gazebo/Webots para tareas de investigación en robótica.
Directores: Francisco José Mañas (fjmanas@dia.uned.es), Raquel Dormido Canto (raquel@dia.uned.es), María Guinaldo Losada (mguinaldo@dia.uned.es)
La simulación dinámica de robots es imprescindible para la puesta a punto de numerosas aplicaciones en robótica y permite tomar decisiones sobre la adecuación del sistema robotizado a un entorno y a sus características. El trabajo consistirá en el modelado y desarrollo completo de un robot en el entorno de simulación ROS 2/Gazebo. Ambos, ROS 2 y Gazebo, son software de código abierto, conformando un excelente interfaz para escribir el mismo código en un robot simulado y real. El robot estará dotado de aquellos sensores que incorpora de serie, y, además, de aquellos dispositivos que faciliten su integración con otros sistemas de posicionamiento. Se desarrollará una interfaz integrable la plataforma experimental Robotic Park.
Referencias: F-J. Mañas-Álvarez, M. Guinaldo, R. Dormido y S. Dormido (2023). Robotic Park: Multi-Agent Platform for Teaching Control and Robotics. IEEE Access, vol. 11, pp. 34899-34911
Desarrollo de interfaz para ROS2 en dispositivos Android/IOS.
Directores: Francisco José Mañas (fjmanas@dia.uned.es), Raquel Dormido Canto (raquel@dia.uned.es), María Guinaldo Losada (mguinaldo@dia.uned.es)
El trabajo consistirá en el desarrollo de una interfaz gráfica que permite la supervisión de un entorno y la teleoperación de los robots disponibles en la plataforma experimental en ROS/Gazebo. Se plantea también la posibilidad de registro y visualización de ensayos.
Referencias: Zea, A., & Hanebeck, U. D. (2021). iviz: A ROS visualization app for mobile devices. Software Impacts, 8, 100057.
Desarrollo de interfaz en Realidad Virtual para simulador Gazebo en ROS 2.
Directores: Francisco José Mañas (fjmanas@dia.uned.es), Raquel Dormido Canto (raquel@dia.uned.es), María Guinaldo Losada (mguinaldo@dia.uned.es)
El trabajo consistirá en el desarrollo de una interfaz para la visualización de un entorno de simulación implementado en ROS 2/Gazebo donde se ejecuta el simulador de una plataforma experimental real de robots móviles.
Desarrollo de la Sombra Digital de un Robot Móvil con ROS 2
Directores: Francisco José Mañas (fjmanas@dia.uned.es), Raquel Dormido Canto (raquel@dia.uned.es), María Guinaldo Losada (mguinaldo@dia.uned.es)
Una sombra digital es una réplica virtual de un sistema físico que puede ser utilizada para simular, analizar y optimizar su desempeño en tiempo real en distintos escenarios. Esta caracterizada por una comunicación unidireccional en tiempo real desde el robot real. En este proyecto, se propone diseñar una sombra digital para un robot móvil en distintos escenarios utilizando ROS 2. Se deberá crear el modelo virtual del robot, integrando sensores y actuadores del robot físico con el modelo virtual y simular algunos escenarios diferentes característicos de este tipo de robots en distintos entornos, como el entrenamiento de modelos, detección de fallas, ajuste dinámico de controladores, navegación autónoma, etc.
Desarrollo del Gemelo Digital de un gimbal para el dron Crazyflie 2.X en ROS 2
Directores: Francisco José Mañas (fjmanas@dia.uned.es), Raquel Dormido Canto (raquel@dia.uned.es), María Guinaldo Losada (mguinaldo@dia.uned.es)
Los gimbals son dispositivos que permiten fijar la posición absoluta de un dron manteniendo la libertad de movimiento angular. Esto permite estudiar con mayor detalle y seguridad los lazos de control de orientación de estos robots. El trabajo consistirá en el desarrollo del gemelo digital de un gimbal existente para el cuadricóptero Crazyflie 2.X. El sistema se construirá para el simulador Webots con integración en ROS 2. Se desarrollará un driver para el modelo virtual compatible con el dron real que permita el análisis de diferentes estrategias y arquitecturas de control para el controlador de posición y velocidad angular.
Referencias: Sharma, Suryansh and Dijkstra, Tristan and Prasad, Ranga Venkatesha, ,Open Gimbal: A 3 Degrees of Freedom Open Source Sensing and Testing Platform for Nano- and MicroUAVs, IEEE Sensors Letters, 2023, 7, 9,1-4, DOI: 10.1109/LSENS.2023.3307121 https://www.bitcraze.io/2023/10/tired-of-crashing-use-open-gimbal
Desarrollo de un gimbal para el dron Crazyflie 2.X en ROS 2 como plataforma educativa y experimental
Directores: Francisco José Mañas (fjmanas@dia.uned.es), Raquel Dormido Canto (raquel@dia.uned.es), María Guinaldo Losada (mguinaldo@dia.uned.es)
Los gimbals son dispositivos que permiten fijar la posición absoluta de un dron manteniendo la libertad de movimiento angular. Esto permite estudiar con mayor detalle y seguridad los lazos de control de orientación de estos robots. El trabajo consistirá en el desarrollo de un gimbal completo para el cuadricóptero Crazyflie 2.X. Se puede tomar como base otras herramientas disponibles (ver referencia) y mejorarlas para obtener un dispositivo con alta tolerancia a fallos, fácil de mantener en el tiempo e intuitivo para alumnos de enseñanza a distancia e investigadores en el área de control. El sistema se construirá para basado en ROS 2 y se podrá ejecutar en combinación con herramientas software como Matlab/Simulink, Gazebo o Webots. Como resultado final se obtendrá una plataforma funcional en código abierto y disponible para impresión 3D con una serie de benchmarks demostrativos.
Referencias: Sharma, Suryansh and Dijkstra, Tristan and Prasad, Ranga Venkatesha, ,Open Gimbal: A 3 Degrees of Freedom Open Source Sensing and Testing Platform for Nano- and MicroUAVs, IEEE Sensors Letters, 2023, 7, 9,1-4, DOI: 10.1109/LSENS.2023.3307121 https://www.bitcraze.io/2023/10/tired-of-crashing-use-open-gimbal
Control fuzzy para un Crazyflie con incertidumbres
Directores: Francisco José Mañas (fjmanas@dia.uned.es), Raquel Dormido Canto (raquel@dia.uned.es), María Guinaldo Losada (mguinaldo@dia.uned.es)
El dron Crazyflie 2.X (https://www.bitcraze.io/crazyflie-2/) dispone de un amplio abanico de complementos hardware que van desde sensores de alta precisión hasta complejos sistemas de posicionamiento diseñados específicamente para trabajar con este cuadricóptero. Su control se hace mediante PID clásicos donde tanto la arquitectura como la parametrización es totalmente abierta y accesible por el usuario. Para este TFM se plantea el realizar una optimización de un control fuzzy de tipo 1 (T1-FPID) ya desarrollado mediante diferentes técnicas. Además, se platea el diseño de un sistema de control PID fuzzy de intervalo tipo 2 (IT2- FPID) para el Crazyflie al variar determinados parámetros del dron. Este tipo de control fuzzy presenta importantes ventajas en estabilidad, rechazo a perturbaciones y tiempo de respuesta.
Por tanto, las actividades que se plantean desarrollar en este proyecto serán:
- Profundizar en el conocimiento de las arquitecturas y en el entorno de desarrollo del Crazyflie 2.X
- Optimizar un controlador fuzzy de tipo 1 mediante diferentes técnicas.
- Desarrollar los módulos software necesarios para que tanto las medidas de los sensores como el envío de órdenes de control se rijan mediante un esquema fuzzy de intervalo de tipo 2.
- Implementar dichas soluciones en el Crazyflie 2.X.
Referencias: TFM: Control de posición fuzzy aplicado al CrazyFlie 2.X Omar. Rodríguez-Abreo, Juvenal Rodríguez-Reséndiz, A. García-Cerezo, José R. García-Martínez, “Fuzzy logic controller for UAV with gains optimized via genetic algorithm”, Heliyon, Volume 10, Issue 4, 2024 Fethi Candan, Omer Faruk Dik,Tufan Kumbasar, Mahdi Mahfouf, Lyudmila Mihaylova, “Real-Time Interval Type-2 Fuzzy Control of an Unmanned Aerial Vehicle with Flexible Cable-Connected Payload”, Algorithms 2023, 16(6), 273
Control fuzzy para un Crazyflie con incertidumbres
Directores: Francisco José Mañas (fjmanas@dia.uned.es), Raquel Dormido Canto (raquel@dia.uned.es), María Guinaldo Losada (mguinaldo@dia.uned.es)
La plataforma de quadrotors Crazyflie 2.X es un entorno abierto y muy dinámico que cuenta con una comunidad muy activa tanto en el desarrollo hardware como software (https://www.bitcraze.io/crazyflie-2/). Este ecosistema dispone de un elemento principal, el dron Crazyflie 2.X, además de un amplio abanico de complementos hardware que van desde sensores de alta precisión hasta complejos sistemas de posicionamiento diseñados específicamente para trabajar con este cuadricóptero. Por otro lado, cuenta también con varias aplicaciones y diferentes entornos de desarrollo que permiten implementar multitud de aplicaciones basadas en el Crazyflie 2.X. Por último, el control de este sistema se hace mediante PID clásicos donde tanto la arquitectura como la parametrización es totalmente abierta y accesible por el usuario. Para este TFM se plantea desarrollar el control del Crazyflie 2.X mediante control fuzzy basado en eventos. La principal hipótesis sobre la que se sustenta esta idea es doble. Por un lado, el control fuzzy es una técnica aplicable en la operación de drones debido a su capacidad para manejar la incertidumbre y la imprecisión en entornos dinámicos. Por otro lado, el control por eventos permite gestionar de manera más eficiente los sistemas desde un punto de vista de ahorro de recursos, mejorando el rendimiento.
Por tanto, las actividades que se plantean desarrollar en este proyecto serán:
- Profundizar en el conocimiento de las arquitecturas y en el entorno de desarrollo del Crazyflie 2.X
- Desarrollar los módulos software necesarios para que tanto las medidas de los sensores como el envío de órdenes de control se rijan mediante un esquema fuzzy por eventos
- Implementar dichas soluciones en el Crazyflie 2.X.
Referencias: TFM: Control de posición fuzzy aplicado al CrazyFlie 2.X Mañas-Álvarez F.J., Guinaldo M., Dormido R., Socas R., Dormido S., “Control basado en eventos mediante umbral relativo aplicado al control de altitud de cuadricópteros Crazyflie 2.1”, Jornadas de Automática 2021
Modelado matemático y simulación de sistemas físicos
Directores: Alfonso Urquía (aurquia@dia.uned.es)Equipo Docente: Alfonso Urquía, Carla Martín, Miguel Ángel Rubio, Victorino Sanz
Requisitos: Haber cursado las asignaturas “Modelado de sistemas dinámicos” y “Simulación de sistemas”.
Objetivo del Proyecto:
Aplicar el modelado matemático y la simulación a la resolución de un problema en el ámbito de la Ingeniería de Sistemas y la Automática. El objetivo concreto de cada trabajo se acordará con el alumno, atendiendo a sus intereses. Algunas posibles aplicaciones son el desarrollo de sistemas de soporte a la decisión, de laboratorios virtuales y de librerías de modelos para el diseño, dimensionamiento, optimización, análisis de modos de fallo y control de sistemas. Posibles sistemas objeto de estudio son cualquier unidad de proceso industrial, sistemas electromecánicos, sistemas para obtención y almacenamiento de energía (pilas de combustible, baterías, paneles y colectores solares, aerogeneradores, etc.), sistemas biológicos, sistemas logísticos, etc.
Incorporación de métodos de muestreo periódicos-basados en eventos en el desarrollo de Laboratorios Remotos para Control Automático
Directores: L. de la Torre (ldelatorre@dia.uned.es), J. Chacón (jeschaco@ucm.es)
Objetivo del Proyecto:
Los sistemas de control basados en eventos han recibido gran atención en los últimos años. A diferencia de los sistemas tradicionales, la actuación se realiza únicamente cuando ocurre algo de interés, p.ej. un cambio importante en alguno de los estados. Debido a que la implementación se realiza en una plataforma digital, resulta de particular interés el estudio de los sistemas denominados periódicos-basados en eventos, aquellos en los que la condición de evento se comprueba con una base de tiempos fija.
Pretendemos incorporar estos métodos de muestreo dentro del marco de desarrollo de Laboratorios Remotos para enseñanza de Control Automático, que está basado en las herramientas Easy Javascript Simulations y RIP Server (en sus versiones para Python y LabVIEW).
El proyecto que se propone incluye las siguientes tareas:
1.- Seleccionar un conjunto de los métodos de muestreo más representativos para su posterior implementación.
2.- Generalización y parametrización de los métodos seleccionados, y definición de un protocolo de selección de muestreo como servicio orientado al usuario.
3.- Implementación de los métodos de muestreo y protocolo de selección en las herramientas mencionadas.
4.- Pruebas de integración y rendimiento.
Control de un robot de balanceo
Directores: Luis de la Torre (ldelatorre@dia.uned.es) y Dictino Chaos (dchaos@dia.uned.es)
Objetivos del Proyecto:
El objetivo del proyecto es usar el Kit BalanceBot del robot GoPiGo 3 junto a este último para convertir el robot en una suerte de péndulo invertido que debe ser controlado.
El robot GoPiGo (http://www.dexterindustries.com/gopigo/) es un robot basado en Raspberry Pi de fácil manejo. El kit de extensión BalanceBot para este robot (https://www.dexterindustries.com/shop/gopigo3-balancebot-kit/) permite convertir el robot clásico en un robot de balanceo, similar a un péndulo invertido.
Los objetivos concretos del proyecto son:
- Puesta a punto del robot y familiarización con su funcionamiento básico: envío de órdenes de los actuadores y lectura de los sensores entre otras tareas.
- Diseño de un controlador que permita el correcto equilibrio del robot de balanceo.
- Diseño de una aplicación informática que pueda usarse para realizar el control del robot.
Desarrollo de unidades y subsistemas para Cubesats
Directores: Segundo Esteban San Román (segundo@dacya.ucm.es)
Objetivos del Proyecto:
En los últimos años se ha producido un crecimiento exponencial de misiones satelitales de bajo costes. Cubesat es una plataforma que se ha establecido como un estándar para pico/nano-satélites. En esta plataforma se pueden utilizar componentes electrónicos no calificados para espacio, por lo que es viable desarrollar prototipos a un nivel docente en las universidades. Las misiones que se plantean con Cubesats son cada vez más exigentes y por tanto es necesario desarrollar unidades y subsistemas con nuevas prestaciones.
En este proyecto se plantea al alumno diseñar, simular o desarrollar unidades o subsistemas, como pueden ser: sensores solares, sensores magnéticos, ruedas de reacción, sensores estelares, sistema de propulsión, control de actitud, control de órbita, control de formación, control térmico, control de potencia, OBDH, RTU, …
Se acordará con el profesor la unidad o subsistema a desarrollar y el nivel de profundidad al que se debe trabajar. En algunos casos se puede llegar al nivel de prototipo físico, mientras que en otros es suficiente trabajar a nivel simulado, todo depende de la complejidad del tema acordado.
Referencias
- Plataforma Cubesat: http://www.cubesat.org/
- Ejemplo de TFM de unidad: Raúl Argüelles Villanueva, Algoritmia de Sensor Estelar para CubeSat, TFM Ingeniería de sistemas y Control (UCM-UNED) 2014-2015.
- Ejemplo de TFM de subsistema: Miguel Ángel López Luesma, Subsistema de Control de Actitud (ACS) de un Cubesat, TFM Ingeniería de sistemas y Control (UCM-UNED) 2013-2014.
Los TFM se pueden descargar desde la web del Master
Planificación de trayectorias de vehículos no tripulados utilizando técnicas heurísticas/inteligencia artificial
Directores: Eva Besada Portas (evabes@dacya.ucm.es) y Jose Antonio Lopez Orozco (jalo@dacya.ucm.es)
Objetivos del Proyecto:
El objetivo de los proyectos que se engloban bajo este epígrafe es el desarrollo de un nuevo planificador de trayectorias para vehículos no tripulados (preferiblemente aéreos o marinos), basándose en alguna técnica de optimización heurística o método de inteligencia artificial. Para desarrollar el proyecto el alumno tendrá que 1) familiarizarse con un problema de planificación real determinado (e.g. búsqueda de objetivos en tiempo mínimo o la optimización de trayectorias en entornos hostiles) y con el funcionamiento del método propuesto para resolverlo, 2) implementar un planificador en el que se propongan soluciones al problema con la técnica elegida, y 3) analizar la calidad de las trayectorias obtenidas para diferentes escenarios del problema.
Además de las propuestas que puedan realizar los directores del trabajo, se consideraran los problemas de planificación de trayectorias de vehículos no tripulados que los alumnos deseen resolver.
A continuación, se incluyen algunas referencias de planificadores en cuyos desarrollos han participado los directores de esta propuesta. Otros ejemplos de planificadores, desarrollados por los alumnos del Master pueden encontrarse en la sección de “Trabajos Fin de Master à Trabajos Presentados”.
Referencias:
Monitorización inteligente y eficiente de la calidad del agua utilizando vehículos de superficie
Directores: Eva Besada Portas (evabes@dacya.ucm.es)Jose Antonio Lopez Orozco (jalo@dacya.ucm.es)
Objetivo del trabajo:
El objetivo de los proyectos que se engloban bajo este epígrafe es el desarrollo de las técnicas y los subsistemas necesarios para poder monitorizar de forma eficiente e inteligente la calidad de una masa acuática de interior (p.e. un embalse o un río) por medio de embarcaciones no tripuladas guiadas por técnicas de control cooperativo o estrategias de inteligencia artificial (incluyendo técnicas de aprendizaje profundo). Más en concreto, a) las embarcaciones llevarán un sistema de sensorización capaz de recoger información relevante de las variables que se deben monitorizar, y b) la información recogida será utilizada por los sistemas de percepción, planificación, navegación y/o control para determinar las zonas de interés, donde la contaminación es más probable, y poder guiar los vehículos hacia ella. Además, esta información también podrá ser utilizada para sintonizar el comportamiento de los subsistemas y aumentar la eficiencia del proceso de monitorización.
El alumno podrá centrar el trabajo en el desarrollo de diferentes técnicas para cada alguno de los sistemas involucrados en el proceso (sensorización, percepción, planificación, navegación, control, comunicación) o para varios de ellos. Por lo tanto, una definición detallada del objetivo concreto de cada trabajo será realizada con los profesores que lo tutoricen teniendo en cuenta los intereses y conocimientos previos del alumno.
Algunos ejemplos de trabajos desarrollados el curso pasado bajo este epígrafe pueden encontrarse en la sección de “Trabajos Fin de Máster à Trabajos Presentados”.
Simulaciones de Control de Procesos (PCS) orientadas a objetos en MATLAB
Directores: María Guinaldo Losada (mguinaldo@dia.uned.es).
Equipo de trabajo: María Guinaldo Losada (mguinaldo@dia.uned.es), Ernesto Aranda Escolástico (earandae@issi.uned.es).
Objetivo del proyecto:
PCS es una librería de código abierto y orientada a objetos desarrollada por el Departamento de Informática y Automática de la UNED, diseñada para proporcionar un marco de trabajo para la realización sencilla de simulaciones de control de procesos en MATLAB.
Los objetivos del proyecto son:
- Estudiar y conocer la librería de código abierto PCS para MATLAB.
- Estudiar, analizar y comprender los conceptos de orientación a objetos, control en red y control basado en eventos.
- Diseñar e implementar una Interfaz de Usuario (UI) basada en un paradigma orientado a objetos para simplificar la realización de simulaciones en PCS.
Referencias:
- Process Control Simulations (PCS) for MATLAB. https://github.com/crcuned/pcsmatlab.
- E. Aranda-Escolástico, C. Rodríguez, M. Guinaldo, J.L. Guzmán, S. Dormido. Control PID basado en eventos periódico para sistemas de control en red. XXXVII Jornadas de Automática, Madrid, 2016.
Simulador interactivo para el control de vehículos subacuáticos no tripulados para la exploración del fondo marino
Directores: María Guinaldo Losada (mguinaldo@dia.uned.es).
Equipo de trabajo: María Guinaldo Losada (mguinaldo@dia.uned.es), Ernesto Aranda Escolástico (earandae@issi.uned.es).
Objetivo del proyecto:
El objetivo de este proyecto es crear un simulador que permita recrear el comportamiento de un vehículo autónomo mientras se encuentra inmerso en un fluido. Este objetivo se desarrollará en las siguientes fases:
- Estudiar y conocer las capacidades de movimiento, sensorización y actuación del vehículo, así como los cambios que producirá en estas capacidades el flujo de corriente del fluido.
- Implementar estos modelos en forma de ecuaciones diferenciales permitiendo cierta configuración de parámetros por parte del usuario.
- Diseñar e implementar una interfaz gráfica que permita visualizar el movimiento del vehículo y la evolución temporal de las variables de interés.
- Implementar algoritmos de exploración del fondo marino dados y procesar dicha información para su visualización.
Identificación, modelado y control de un sistema propuesto por el estudiante
Directores: Jose Manuel Díaz Martínez (josema@dia.uned.es)
Equipo docente: Jose Manuel Díaz Martínez y Rocio Muñoz Mansilla
Objetivos del proyecto:
Aplicar las técnicas de identificación de sistemas junto con el modelado físico para obtener un modelo de un sistema. Usar dicho modelo para resolver algún problema de control del sistema aplicando alguna estrategia de control (clásica, robusta, etc). El sistema sobre el que se realizará el proyecto está abierto y debe ser propuesto por el estudiante en función de sus preferencias y experiencia personal o laboral.
Estudio de arquitecturas de aprendizaje profundo para el diseño de modelos de predicción de flujos de tráfico en tiempo real.
Directores: Rocío Muñoz Mansilla (rmunoz@dia.uned.es)Equipo Docente: Rocío Muñoz Mansilla, José Manuel Díaz, Dictino Chaos, David Moreno
Objetivos del proyecto:
Una de las áreas más investigadas en el transporte inteligente es la gestión de tráfico y diseño de flujos de tráfico para una conducción más segura y eficiente. La precisión y rapidez en la información del flujo de tráfico es actualmente un asunto clave y una fuerte necesidad para tanto la conducción privada como el sector de negocio y transporte público. Tiene el potencial de ayudar a conseguir mejoras en la toma de decisiones de viaje, aliviar la congestión del tráfico, reducir las emisiones de carbono y mejorar la eficiencia en las operaciones de tráfico.
La predicción de flujo de tráfico depende fuertemente de los datos de tráfico históricos y en tiempo real, capturados desde todo tipo de fuentes. Un gran volumen de datos se recopilan constantemente desde múltiples fuentes y sensores, y es difícil combinar todo en características para entrenar modelos de predicción, debido a diferentes significativas en el tiempo, cobertura de red y calidad de los datos. Por todo ello, son necesarias nuevas infraestructuras y técnicas para tratar estos datos masivos heterogéneos en tiempo real.
En relación con las técnicas de predicción de flujo de información, aunque hay ya muchos modelos y sistemas de predicción de flujo de tráfico, la mayoría de ellos usan modelos poco profundos de tráfico y de alguna forma no son satisfactorios o eficaces. Esto inspira a repensar el problema de la predicción de flujo de tráfico a partir de modelos de arquitecturas profundas con datos masivos heterogéneos. Hoy en día, es un reto el desarrollo de modelos de predicción de tráfico fiables, precisos, y en tiempo real.
Bibliografía
Nguyen,H. , Kieu, L., Wen,T., Cai, C. Deep learning methods in transportation domain: a review. IET Intell. Transp. Syst., 2018, Vol. 12 Iss. 9, pp. 998-1004.
Weitao Wang, Yuebin Bai, Chao Yu, Yuhao Gu, Peng Feng, Xiaojing Wang, and Rui Wang A Network Traffic Flow Prediction with Deep Learning Approach for Large-scale Metropolitan Area Network. NOMS 2018 - 2018 IEEE/IFIP Network Operations and Management Symposium 23-27 April 2018, Taipei, Taiwan
Wua, Y., TanaH., Qinc, L., Ranc,B., Jiang, Z., A hybrid deep learning based traffic flow prediction method and its understanding. Transportation Research Part C 90 (2018) 166–180
Yuan, J., Zheng, Y., Xie, X., Sun, G., 2011. Driving with knowledge from the physical world. In: Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM, pp. 316–324.
Zhang, D., Kabuba, M.R., Combining Weather Condition Data to Predict Traffic Flow: A GRU Based Deep Learning. Approach. 2017 IEEE 15th Intl Conf on Dependable, Autonomic and Secure Computing, 15th Intl Conf on Pervasive Intelligence and Computing, 3rd Intl Conf on Big Data Intelligence and Computing and Cyber Science and Technology Congress
Control Basado en Eventos aplicado al Crazyflie 2.X
Directores: Rafael Socas Gutiérrez, Raquel Dormido (raquel@dia.uned.es)
Objetivo del proyecto: La plataforma de quadrotors Crazyflie 2.X es una entorno abierto y muy dinámico debido a que cuenta con una comunidad muy activa tanto en el desarrollo hardware como software de este sistema (https://www.bitcraze.io/crazyflie-2/). Este ecosistema dispone de un elemento principal, el drone Crazyflie 2.X, además de un amplio abanico de complementos hardware que van desde sensores de alta precisión hasta complejos sistemas de posicionamiento diseñados específicamente para trabajar con este UAV. Por otro lado, cuenta también con varias aplicaciones y diferentes entornos de desarrollo que permiten implementar multitud de aplicaciones basadas en Crazyflie 2.X. Por último, el control de este sistema se hace mediante PID clásicos donde tanto la arquitectura como la parametrización es totalmente abierta y accesible por el usuario. Llegados a este punto, para este TFM se plantea desarrollar el control del Crazyflie 2.X mediante control basado en eventos. La principal hipótesis sobre lo que se sustenta esta idea es que aplicar este tipo de control aportan grandes ventajas desde el punto de visto del ahorro de recursos.
Por tanto, las actividades que se plantean desarrollar en este proyecto serán:
1) Profundizar en el conocimiento de las arquitecturas y en el entorno de desarrollo del Crazyflie 2.X
2) Desarrollar los módulos software necesarios para que tanto las medidas de los sensores como el envío de órdenes de control se rijan mediante un esquema de eventos, y
3) Implementar dichas soluciones en el Crazyflie 2.X.
Aplicación de técnicas no supervisadas para la caracterización de reseñas de libros y análisis de su impacto en ventas
Directores: Santiago Bañales, Raquel Dormido (raquel@dia.uned.es), Natividad Duro Carralero (nduro@dia.uned.es)
Objetivo del proyecto:
Se pretende el uso de técnicas no supervisadas para la evaluación del impacto de las reseñas de libros en el rendimiento de las ventas y la caracterización de la utilidad de las reseñas de acuerdo con el análisis de su contenido y su contexto. El proyecto abordará la aplicación de distintas técnicas de clustering, el análisis de su estabilidad y la realización de validación externa e interna de los resultados. Adicionalmente, se planteará la realización de un análisis de topic modeling en cada uno de los clusters identificados. La investigación deberá combinar diferentes técnicas de minería de textos y procesamiento de lenguajes naturales para extraer información relevante de las reseñas que, junto a metadatos relevantes de cada uno de los libros, servirán de datos de entrada para entrenar modelos de aprendizaje automático no supervisado.
NOTA: Los datos para el proyecto provienen de bases de datos de reseñas y metadatos de libros proporcionados por Amazon y se suministran convenientemente.
Referencias relevantes:
Chevalier, J. A., & Mayzlin, D. (2006). The effect of word of mouth on sales: Online book reviews. Journal of Marketing Research, Vol. 43, pp. 345–354.
Diaz, G. O., & Ng, V. (2018). Modeling and prediction of online product review helpfulness: A survey. ACL 2018 - 56th Annual Meeting of the Association for Computational Linguistics, Proceedings of the Conference (Long Papers), 1, 698–708.
Silge, J., & Robinson, D. (2017). Text Mining with R - O’Reilly Media
Zhu, F., & Zhang, X. (2010). Impact of online consumer reviews on Sales: The moderating role of product and consumer characteristics. Journal of Marketing, Vol. 74, pp. 133–148
Técnicas no supervisadas para la detección de epilepsia
Directores: Raquel Dormido (raquel@dia.uned.es), Natividad Duro Carralero (nduro@dia.uned.es), Angel Mur
Objetivo del proyecto:
El desarrollo de técnicas de detección de epilepsia, así como de métodos de predicción de los ataques epilépticos son fundamentales en el estudio de la epilepsia. Las señales electroencefalográficas (EEG) son señales multicanal que registran perfectamente dichos ataques. Se propone el desarrollo de un método no supervisado de detección de ataques utilizando señales EEG.
NOTA: se facilitarán las señales EEG con las que se trabaja en el proyecto.
Referencias:
“Unsupervised Event Detection and Classification of Multichannel Signals”, Mur A., Dormido R., Vega J., Dormido-Canto S., Duro N., Expert Systems with Applications, 2016, Vol. 54, pp: 294-303. ISSN: 0957-4174. Ed: Elsevier. doi: http://dx.doi.org/10.1016/j.eswa.2016.01.014
“Unsupervised Event Characterization and Detection in of Multichannel Signals: an EEG application”, Mur A., Dormido R., Vega J., Duro N., Dormido-Canto S. Sensors, 2016, Vol. 16, pp: 590. ISSN 1424-8220 (online). Ed: MDPI and ACS Style. doi: 10.3390/s16040590
Desarrollo de aplicaciones basadas en detección de movimiento para seguridad y monitorización en el IoT.
Directores: Guillermo Botella Juan (gbotella@ucm.es)Objetivos del Proyecto:
El problema de la estimación de movimiento ha sido ampliamente tratado durante los últimos años debido a sus múltiples aplicaciones (tracking, vigilancia, disparidad binocular,…). Las técnicas utilizadas en este problema pueden agruparse en tres familias representativas: estimación con modelos de emparejamiento [1] , de energía [2] y de gradiente [3]. La utilización de aceleradores [4] abre una nueva vía a este tipo de algoritmos con altos requisitos computaciones para aplicaciones de tiempo real para el IoT, como vigilancia, detección, control de calidad en ambientes industriales... El proyecto se basa en (i) diseño e implementación de aplicaciones basadas en estimación de movimiento y (ii) su aceleración sobre algún dispositivo hardware como DSPs, GPUs, FPGAs, Dispositivos móviles, Microcontroladores, etc...
Referencias:
[1] Hwang-Seok Oh and Heung-Kyu Lee. Block-matching algorithm based on an adaptive reduction of the search area for motion estimation. Real-Time Imaging, 6:407–414, October 2000.
[2]Simon Baker, Ralph Gross, and Iain Matthews. Lucas-kanade 20 years on: A unifying framework: Part 3. International Journal of Computer Vision, 56:221–255, 2002.
[3] Spatio-temporal energy models for the Perception of Motion (1985) by Edward H. Adelson , James R.Bergen Venue: J. OPT. SOC. AM. A
[4]Guillermo Botella Juan, Antonio García Ríos, M. Rodriguez-Alvarez, Eduardo Ros Vidal, Uwe Meyer-Bäse, and María C. Molina. Robust bioinspired architecture for optical-flow computation. IEEE Trans. VLSI Syst., 18(4):616–629, 2010.
Desarrollo de aplicaciones para biometría sobre dispositivos de bajo coste y bajo consumo.
Directores: Guillermo Botella Juan (gbotella@ucm.es)
Objetivos:
La Plataforma Raspberry Pi es un ordenador [1] miniaturizado de bajo costo y consumo, desarrollado en UK concebido para docencia en ingeniería de computadores que incluye procesadores (CPU) ARM1176JZF-S, un procesador gráfico (GPU) VideoCore IV.
El presente TFM abordará un estudio de viabilidad de problemas básicos de detección facial orientados a biometria y seguridad [2] con esta plataforma o similares como BeagleBoard [3] , Intel Edison [4] , etc...
Referencias:
[1] http://www.raspberrypi.es/
[2] TECNOLOGÍAS BIOMÉTRICAS APLICADAS A LA SEGURIDAD.
TAPIADOR MATEOS, MARINO / SIGÜENZA PIZARRO, JUAN ALBERTO. ISBN978-84-7897-636-2 . EDITORIAL RA-MA. 2006.
[3] https://beagleboard.org/
[4] https://software.intel.com/es-es/iot/hardware/edison
Diseño de una aplicación mediante visión artificial para la evaluación visual de personas con grado de colaboración limitada
Directores: María Guijarro Mata-García (mguijarro@ucm.es)Equipo Docente: María Guijarro Mata-García (mguijarro@ucm.es), Guadalupe González Montero y Yolanda Martín Pérez (Facultad de Óptica y Optometría UCM)
Objetivos del Proyecto:
Este proyecto se llevará a cabo en colaboración con la Facultad de Óptica y Optometría de la UCM. Se desarrollarán diferentes técnicas de Visión Artificial junto con Inteligencia Artificial, con el fin de generar una herramienta que permita clasificar y generar imágenes para la evaluación de la agudeza visual en personas con grado de colaboración limitada. La motivación de este trabajo es la exploración e investigación de técnicas de visión artificial con las que diseñar un procedimiento que permita la valoración optométrica de preescolares y personas con discapacidad intelectual.
Identificación de estructuras geotécnicas mediante aplicación de técnicas de Inteligencia Artificial a datos de radar 3D.
Directores: Fátima Martín Hernández (fatima@ucm.es) y María Guijarro Mata-García (mguijarro@ucm.es)
Objetivo del proyecto:
El georadar es una de las últimas técnicas geofísicas que ha sido incorporada al análisis y estudio de los primeros metros del subsuelo, encontrando multitud de aplicaciones en disciplinas como las geotecnia, ingeniería civil o arqueología. En particular, en los últimos 15 años ha aparecido en el mercado una instrumentación denominada radar 3D o radar multifrecuencia que está siendo aplicado en la auscultación de infraestructuras lineales (carreteras, vías de tren, etc) con el manejo de un gran volumen de datos. En este proyecto se explorarán y aplicarán diferentes técnicas de Inteligencia Artificial y minería de datos con el fin de inferir conocimiento en la identificación de horizontes de interés en este tipo de infraestructuras (capas de asfalto, capas de balasto, etc) mediante el gran volumen de datos obtenido.
Diseño de una aplicación mediante visión artificial para el desarrollo de un asistente accesible
Directores: María Guijarro Mata-García (mguijarro@ucm.es), Joaquín Recas Piorno (recas@ucm.es)
Objetivo del proyecto:
Este proyecto se llevará a cabo en colaboración con la ONCE. Se desarrollarán diferentes técnicas de Visión Artificial junto con Inteligencia Artificial así como conexiones de dispositivos, con el fin de generar una herramienta/aplicación que permita la gestión y la comunicación de las personas con discapacidad visual en espacios públicos.
Aplicación de visión artificial aplicada al Plomeo (Tiro al plato olímpico)
Directores: María Guijarro Mata-García (mguijarro@ucm.es) y Ricardo Bernardez Vilaboa (rbvoptom@fis.ucm.es)
Objetivo del proyecto:
El plomeo es una actividad imprescindible para el control del cartucho en tiro al plato con comprobación del espacio que pueden dejar el conjunto de plomos en la plancha donde se realiza. Cada cartucho tiene prácticamente 300 de estos plomos y genera el mismo número de marcas en la plancha o agujeros en una cartulina. Se trata de comprobar, mediante técnicas de visión artificial y el diseño de algoritmos de inteligencia artificial, el número de impactos y cómo se distribuyen sobre esa superficie para conocer el comportamiento del cartucho con el objetivo de alcanzar el plato para romperlo.
Como esta actividad es bastante compleja, la medida de todos los impactos, se propone la creación de una aplicación para móvil, donde estén integrados los algoritmos diseñados, para medir los impactos, su distribución y los posibles espacios por donde podría escapar el plato sin romper.
Explicación de los modelos de caja negra obtenidos mediante aprendizaje automático
Directores: Sebastián Dormido Canto (sebas@dia.uned.es)
Descripción:
En los últimos años los modelos obtenidos por aprendizaje automático, por ejemplo, mediante redes de neuronas artificiales (RNA) están empezando a ser usadas con éxito para problemas de clasificación, segmentación y predicción. Una de las principales barreras para la implantación en los negocios actuales de los modelos obtenidos por aprendizaje automático es la dificultad para explicar las salidas de esos modelos. En muchos casos se opta por sacrificar la precisión en las predicciones o clasificaciones por la facilidad de interpretación, lo que hace que se abandonen las técnicas de IA, por otras más sencillas de explicar los resultados que se obtengan: sistemas basados en reglas, modelos lineales o árboles de decisión.
Esta problemática es muy actual, donde la investigación y desarrollo no están muy avanzados, constituyendo unas de las barreras más importantes para implantar las técnicas de IA en muchos sectores como puede ser la banca o el sector asegurador; por la necesidad del regulador, los bancos centrales de conocer y aprobar los modelos de medición y control del riesgo de las diferentes entidades.
El fin de este trabajo es la investigación e implementación de técnicas que permitan explicar las salidas de modelos paramétricos construidos mediante aprendizaje automático, y principalmente mediante RNA y kNN.
La explicación de los modelos deben responder a cuestiones tales como:
- Qué variables de los datos son las más relevantes.
- Para una salida concreta del modelo cuáles son los valores de las variables que han afectado a esa salida.
- Qué interacciones (lineales y no lineales) son las que tienen más efecto en las salidas del modelo.
Los modelos serán principalmente dedicados a la predicción de valores futuros en problemas de tipo de serie temporal y de clasificación.
Se pondrá el foco en aquellas técnicas que sean "agnósticas" con respecto al modelo, es decir, no siendo necesario conocer cómo el modelo ha sido construido o los detalles del mismo, solo conociendo las entradas y salidas del mismo.
Bibliografía:
Existe bibliografía relevante para apoyar el TFM, se adjuntan algunos papers que pueden ser de interés.
- Why Model Explainability is The Next Data Science Superpower : artículo sencillo sobre la necesidad de explicar los modelos predictivos y un curso sencillo con algunas técnicas de explicación de los modelos.
- A Survey of Methods for Explaining Black Box Models (2018) : Artículo extenso con un resumen bastante bueno explicando el problema y las diferentes técnicas que existen.
- A Unified Approach to Interpreting Model Predictions (2017)
- How to Explain Individual Classification Decisions (2010)
Datos y modelos:
Se usarán diferentes repositorios de información:
- Datos del censo americano con el fin de detectar qué indiduos ingresan más de 50.000 $ al año y cuáles no: UCI - Machine Learning Repositories.
- Datos de llamadas a un centro de atención al cliente: modelos predictivos para la predicción de llamadas entrantes y de llamadas perdidas.
Si los resultados del TFM son relevantes se aplicarán a datos reales bancarios en un entorno de producción real.
Requisitos deseados:
- Redes de Neuronas Artificiales.
- Matlab
- Estadística
- Uso de herramientas de control de versiones: Git
- Latex
- Bases de datos relacionales y no-sql.
- Residencia en Madrid (posibilidad de seguimiento presencial del TFM y colaboración en empresa dedicada al desarrollo software basado en la IA).
Identificación y control de sistemas mediante redes neuronales basadas en física.
Directores: Matilde Santos (msantos@ucm.es) y Ernesto Aranda Escolástico (earandae@issi.uned.es)
Las redes neuronales basadas en física han supuesto un cambio de paradigma en la modelización y control de sistemas complejos al incorporar leyes físicas directamente en el entrenamiento de los modelos. Este permite no solo mejorar la precisión, sino que reduce la cantidad necesaria de datos de entrenamiento. En este sentido, se han seguido distintos enfoques. Por ejemplo, las PINNs (Physics-Informed Neural Networks) son de propósito general y aplicables a un amplio espectro de sistemas gobernados por ecuaciones diferenciales. Por otra parte, redes más especializadas como las HNN (Hamiltonian Neural Networks) o las LNN (Lagrangian Neural Network) se centran en sistemas dinámicos específicos donde las leyes de conservación juegan un papel fundamental.
En este trabajo se deberá el uso de estas técnicas en un sistema dinámico real, concluyendo con la identificación y/o control del sistema. Este caso de aplicación puede ser la realización de tareas cooperativas por sistemas mecánicos, la identificación y modelado de turbinas eólicas, u otra alternativa a propuesta del alumno.
Requisitos: Conocimientos de ecuaciones diferenciales, física, control inteligente, control no lineal.
Bibliografía:
- Cuomo, S., Di Cola, V. S., Giampaolo, F., Rozza, G., Raissi, M., & Piccialli, F. (2022). Scientific machine learning through physics–informed neural networks: Where we are and what’s next. Journal of Scientific Computing, 92(3), 88.
- Greydanus, S., Dzamba, M., & Yosinski, J. (2019). Hamiltonian neural networks. Advances in neural information processing systems, 32.
Control de oscilaciones autoinducidas en turbinas eólicas flotantes
Directores: Matilde Santos (msantos@ucm.es) y María Tomás-Rodríguez (maria.tomas-rodriguez.1@city.ac.uk)
Descripción general Las turbinas eólicas flotantes en alta mar (FOWTs) debido a la perdida de amortiguación en la plataforma, pueden experimentar oscilaciones inestables autoinducidas. Se hace uso de un modelo dinámico lineal en MATLAB que replica el fenómeno de oscilación autoinducida. El trabajo se llevará a cabo en Python y consistirá en el diseño de un controlador basado en (i) asignación de polos y (ii) metodología PID. Se llevarán a cabo simulaciones para poder comparar la eficiencia de ambos controladores en la amortiguación de las oscilaciones autoinducidas.
Referencias
- Structural control of floating wind turbines. Mechatronics, 21(4), 704-719. https://doi.org/10.1016/j.mechatronics.2011.02.002
- Modelado y control de turbinas eólicas flotantes en alta mar. Revista Iberoamericana de Automática e Informática Industrial (RIAI), 16(4), 381-390
- Passive Inerter-Based Network Self-Induced Oscillations Damping for Spar-Buoy Floating Offshore Wind Turbines. WWWE 2023, 14 Dec 2023.
Objetivos y actividades
- Revisión bibliográfica sobre la operación de FOWTs y su representación en espacio de estados. Comprensión del fenómeno de oscilaciones autoinducidas. Revisión de métodos de control clásico: Asignación de polos, PID.
- Implementación modelo dinámico en Phyton y comparación con el modelo existente en MATLAB.
- Simulaciones dinámicas del efecto de oscilaciones autoinducidas
- Implementación de controladores (i) asignación de polos y (ii) PID
- Comparación de resultados y análisis de eficiencia de los controladores
Dependencias/ Conocimientos previos Conocimientos de Sistemas dinámicos y control de sistemas, Representación en espacio de estados, Sistemas de control clásicos.
Consideraciones éticas y de sostenibilidad Este proyecto proporciona habilidades al estudiante para trabajar en proyectos futuros relacionados con la vida sostenible. Además, este proyecto contribuye a la idea de economía "verde", ya que el aumento de las energías renovables (como la energía eólica) está en las agendas gubernamentales para 2030.
Control híbrido de turbinas eólicas usando técnicas de inteligencia artificial
Directores: Matilde Santos (msantos@ucm.es) y Jesús Enrique Sierra García (jesierra@ubu.es)
Objetivos del proyecto: En este TFM se plantea el análisis, diseño e implementación de diferentes métodos de control multi-objetivo basados en el uso de las técnicas de inteligencia artificial (Fuzzy logic, Reinforcement Learning, CNN, Deep Learning, etc.) para maximizar la captación de energía y minimizar al mismo tiempo el daño estructural de una turbina eólica marina flotante. Es decir, se trata de plantear estrategias de control inteligente para estabilizar este sistema dinámico y reducir sus vibraciones, así como para asegurar su eficiencia en términos de energía. Requerimientos: conocimientos de control.
Diseño de estrategias de control inteligente para AGVs
Directores: Matilde Santos (msantos@ucm.es) y Jesús Enrique Sierra García (jesierra@ubu.es)
Objetivos del proyecto: El acrónimo AGV proviene del término Vehículo de Guiado Automático. Son vehículos de transporte sin conductor empleados en la industria para automatizar los flujos intra-logísticos y las cadenas de producción. Los AGVs comparten espacios con otros vehículos y operadores humanos con los que deben interactuar. Para poder desplegar estas aplicaciones, es esencial el diseño de estrategias de control que se adapten a las circunstancias cambiantes del entorno. En este trabajo se plantea la aplicación de técnicas de la inteligencia artificial (redes neuronales, aprendizaje por refuerzo, deep learning, fuzzy,…) para el control del robot móvil AGV. Requerimientos: conocimientos de control.
Redes Adversarias Generativas para el Aumento de Datos en Turbinas Eólicas
Directores: Matilde Santos (msantos@ucm.es) y María José Gómez Silva (mgomez77@ucm.es)
Objetivos del proyecto: La turbinas eólicas flotantes son de reciente desarrollo. La mayoría de las granjas de turbinas de este tipo cuentan con pocos años y son plantas piloto, por lo que los datos para estudiar su funcionamiento son escasos o no están disponibles. El objetivo de este trabajo es generar datos sintéticos que permitan estudiar con profundidad y predecir el comportamiento de las turbinas marinas. Con la aplicación de las Redes Adversarias Generativas se pretende aumentar el número de datos generando datos realistas para variables que son relevantes en una turbina flotante.
Control individual de pitch multi-objetivo de una turbina eólica marina flotante
Directores: Matilde Santos (msantos@ucm.es) y Lía García (liagar05@ucm.es)
Objetivos del proyecto: La creciente demanda de energías renovables ha impulsado a la energía eólica. Para maximizar su producción las turbinas eólicas han ido aumentado de tamaño, llegando a alcanzar capacidades de hasta 20 MW. Estas grandes turbinas requieren de eficientes sistemas de control para aumentar su eficiencia. Entre ellos destaca el control del ángulo de las palas (pitch), que opera en la región de potencia nominal y es necesario para evitar el daño estructural de las mismas para fuertes vientos. Se han propuesto diferentes enfoques de control para abordar el problema del ángulo de paso en aerogeneradores, tanto de control de paso colectivo (Collective pitch control, CPC) como de control de paso individual (Individual Pitch control, IPC). En este trabajo propone la implementación de un controlador de paso individual para una turbina de 15 MW, con el objetivo de analizar vibraciones y cargas en su estructura sin comprometer la calidad de la energía extraída. Se dispone de un modelo computacional de la turbina.
Control híbrido de turbinas eólicas usando técnicas de inteligencia artificial
Directores: Matilde Santos (msantos@ucm.es) y Jesús Enrique Sierra García (jesierra@ubu.es)
En este TFM se plantea el análisis, diseño e implementación de diferentes métodos de control multi-objetivo basados en el uso de las técnicas de inteligencia artificial (Fuzzy logic, Reinforcement Learning, CNN, Deep Learning, etc.) para maximizar la captación de energía y minimizar al mismo tiempo el daño estructural de una turbina eólica marina flotante. Es decir, se trata de plantear estrategias de control inteligente para estabilizar este sistema dinámico y reducir sus vibraciones, así como para asegurar su eficiencia en términos de energía.
Requerimientos: conocimientos de control.
Diseño de estrategias de control inteligente para AGVs
Directores: Matilde Santos (msantos@ucm.es) y Jesús Enrique Sierra García (jesierra@ubu.es)
El acrónimo AGV proviene del término Vehículo de Guiado Automático. Son vehículos de transporte sin conductor empleados en la industria para automatizar los flujos intra-logísticos y las cadenas de producción. Los AGVs comparten espacios con otros vehículos y operadores humanos con los que deben interactuar. Para poder desplegar estas aplicaciones, es esencial el diseño de estrategias de control que se adapten a las circunstancias cambiantes del entorno.
En este trabajo se plantea la aplicación de técnicas de la inteligencia artificial (redes neuronales, aprendizaje por refuerzo, deep learning, fuzzy,…) para el control del AGV.
Requerimientos: conocimientos de control.
Modelado e identificación de sistemas físicos con PINNs
Directores: Matilde Santos (msantos@ucm.es) y Jesús Enrique Sierra García (jesierra@ubu.es)
La idea fundamental de las PINNs (Physics-informed neural networks) es aprovechar las leyes de la física en forma de ecuaciones diferenciales que describen el comportamiento dinámico de un sistema para mejorar el entrenamiento de redes neuronales, utilizándolas para la identificación de modelos y parámetros, así como para diseñar controladores de los sistemas.
En este trabajo se propone aplicar esta técnica para la predicción de señales y condiciones de funcionamiento de turbinas eólicas y robots móviles. Entre otras aplicaciones se explorará la posibilidad de predecir la evolución de la fatiga en una turbina mediante un modelo de daño acumulativo en los rodamientos.
Requerimientos: conocimientos de física, dinámica.
Redes Adversarias Generativas para el Aumento de Datos en Turbinas Eólicas
Directores: Matilde Santos (msantos@ucm.es), UCM y María José Gómez Silva (mgomez77@ucm.es), UCM
La turbinas eólicas flotantes son de reciente desarrollo. La mayoría de las granjas de turbinas de este tipo cuentan con pocos años y son plantas piloto, por lo que los datos para estudiar su funcionamiento son escasos o no están disponibles.
El objetivo de este trabajo es generar datos sintéticos que permitan estudiar con profundidad y predecir el comportamiento de las turbinas marinas. Con la aplicación de las Redes Adversarias Generativas se pretende aumentar el número de datos generando datos realistas para variables que son relevantes en una turbina flotante.
Control individual de pitch multi-objetivo de una turbina eólica marina flotante
Directores: Matilde Santos (msantos@ucm.es) y Lía García (liagar05@ucm.es)
La creciente demanda de energías renovables ha impulsado a la energía eólica. Para maximizar su producción las turbinas eólicas han ido aumentado de tamaño, llegando a alcanzar capacidades de hasta 20 MW. Estas grandes turbinas requieren de eficientes sistemas de control para aumentar su eficiencia. Entre ellos destaca el control del ángulo de las palas (pitch), que opera en la región de potencia nominal y es necesario para evitar el daño estructural de las mismas para fuertes vientos.
Se han propuesto diferentes enfoques de control para abordar el problema del ángulo de paso en aerogeneradores, tanto de control de paso colectivo (Collective pitch control, CPC) como de control de paso individual (Individual Pitch control, IPC).
En este trabajo propone la implementación de un controlador de paso individual para una turbina de 15 MW, con el objetivo de analizar vibraciones y cargas en su estructura sin comprometer la calidad de la energía extraída. Se dispone de un modelo computacional de la turbina.
Requerimientos: conocimientos de control, optimización.
Advanced data-driven algorithms for early failure detection and performance evaluation in wind turbines
Directores: Matilde Santos (msantos@ucm.es), UCM, Spain and Ravi Pandit (raviwithfuture@gmail.com), University of Cranfield, UK
Wind power generation is growing each year, with more and more energy operators seeing its great potential. However, premature and unexpected failures in wind turbine components still pose a significant threat to the overall profits of the unit, in addition to the downtime it will experience while repairs or replacements are carried out.
Base don the data from Supervisory Control and Data Acquisition (SCADA) system with observations from multiple parameters, in this work it is proposed to explore data-driven techniques such as recurrent neural networks (LSTM, BiLSTM, GRU, …) and machine learning (random forest, etc) to estimate the RUL (remaining useful life) of a specific wind turbine. The modelling and identification of the power curve of the wind turbine based on data using probabilistic methods helps to detect and prevent failures, bring down the costs of wind turbine operation and maintenance
This TFM is proposed only in English.
Requirements: programming
Análisis de textos en dispositivos Android/Técnicas para la transformación de una imagen facial
Directores: Matilde Santos (msantos@ucm.es), Sandra Pérez Arteaga (sandrp08@ucm.es) y Luis Alberto Martínez Hernández(luisaal11@ucm.es)
En el marco de un proyecto europeo para la seguridad y protección de identidades, se plantean diversas tareas orientadas a la detección de patrones con la finalidad de detectar comportamientos que puedan suponer un riesgo.
Se va a trabajar con textos e imágenes. Por un lado se propone estudiar y evaluar las técnicas de análisis de textos extraídos de conversaciones de mensajería instantánea en Android utilizando algoritmos de Deep Learning (DL). Se seleccionarán las técnicas más eficientes y se implementará el algoritmo en Java para Android para detectar ciertos patrones de conversaciones. Con esas mismas técnicas, se propone desarrollar un algoritmo basado en Deep Learning que permita realizar diversas traslaciones vectoriales a una imagen por medio de su espacio latente para transformar una imagen facial. El alcance del proyecto lo determinará la dedicación y disponibilidad del estudiante, que puede centrarse en alguna de las tareas.
Requerimientos: Técnicas de Procesamiento de Lenguaje Natural y/o Deep Learning, Desarrollo en Android.
Aplicación de redes neuronales con diferentes escalas de tiempo en sistemas de control
Directores: Matilde Santos (msantos@ucm.es) y Ernesto Aranda Escolástico (earandae@issi.uned.es)
Las redes neuronales artificiales han demostrado ser muy útiles para la identificación, estimación y control de sistemas complejos. Así, durante las últimas décadas se han propuesto diferentes arquitecturas de redes neuronales enfocadas a múltiples problemas. En este trabajo se pretende ahondar en las redes neuronales recurrentes (RNN,recurrent neural networks) y estudiar su construcción e implementación cuando las diferentes neuronas o grupos de neuronas disponen de escalas de tiempo distintas.
El objetivo final es utilizar la red neuronal creada para el control de sistemas donde la multifrecuencia, la transmisión asíncrona de información o los retardos aparecen de forma natural.
Bibliografía
- Hagan, M. T., Demuth, H. B., & Jesús, O. D. (2002). An introduction to the use of neural networks in control systems. International Journal of Robust and Nonlinear Control: IFAC-Affiliated Journal, 12(11), 959-985.
- Koutnik, J., Greff, K., Gomez, F., & Schmidhuber, J. (2014, January). A Clockwork RNN. In International Conference on Machine Learning (pp. 1863-1871).
Estrategia de planificación óptima para un parque eólico offshore.
Directores: Matilde Santos (msantos@ucm.es) y Pedro Jesús Cabrera Santana (pedro.cabrerasantana@ulpgc.es)
En este TFM se pretende desarrollar y analizar una estrategia de planificación que sea capaz de obtener un parque eólico offshore óptimo en base a la minimización de costes y maximización de la producción y atendiendo al tipo de máquina, distancia entre las máquinas, tipo de anclaje, número de máquinas, etc. Para ello se utilizará la curva de potencia de turbinas de distinta capacidad y se considerarán factores que afectan la producción como las estelas.
Requerimientos: Conocimiento de programación en Matlab, R o Python.
Modelado matemático de una turbina flotante para estabilizarla mediante control por aprendizaje por refuerzo.
Directores: Matilde Santos (msantos@ucm.es) y Jesús Enrique Sierra García (jesierra@ubu.es)
Este TFM plantea el diseño de un control inteligente basado en aprendizaje por refuerzo de una turbina eólica flotante con el fin de mejorar su estabilización. Para ello, se partirá del desarrollo de un modelo desde el punto de vista matemático que tenga en cuenta la aceleración de la torre y la inclinación de la plataforma. Con él se pretende estudiar la oscilación de la turbina eólica flotante (FWT). Sobre este sistema no lineal se debe diseñar un controlador basado en aprendizaje por refuerzo.
Este modelo debe ser escalable y adaptarse a turbinas de distinta capacidad.
Se utilizará el software Matlab/Simulink.
Requerimientos: Buen conocimiento de modelado y de control
Modelado, simulación y control de una turbina eólica offshore
Directores: Matilde Santos (msantos@ucm.es) y José Ángel Acosta Rodríguez (jaar@us.es)
Desarrollo de un modelo mecánico simple de una turbina eólica offshore y de su control, principalmente de los modos de vibración. Simulación en OPENFAST de la turbina eólica offshore en condiciones de operación realistas.
Requerimientos: Programación, mecánica, control. Inglés.
Modelado del comportamiento del viento a su paso por un parque eólico utilizando OpenFOAM y SOWFA
Directores: Matilde Santos (msantos@ucm.es) y Ángel Gaspar González Rodríguez (agaspar@ujaen.es)
OpenFOAM es un software de código libre que realiza análisis numérico para la resolución de problemas de dinámica de fluidos, principalmente. Por otro lado, SOWFA es un conjunto de herramientas que, basándose en OpenFOAM, enlaza el comportamiento perturbado de la corriente de aire con la respuesta dinámica de las turbinas eólicas. De forma conjunta permiten el análisis de parques eólicos en su conjunto teniendo en cuenta las perturbaciones producidas por unas turbinas sobre las que se encuentran aguas abajo.
Los objetivos de este TFM son, en primer lugar, la puesta a punto del paquete completo para la determinación de las condiciones de viento, y si es posible, la energía eléctrica producida, cuando una determinada corriente de aire atraviesa un parque eólico.
Para realizarlo, será necesario: Configurar los paquetes necesarios para ejecutar los ejemplos que incluye SOWFA. Configurar un parque eólico, definiendo la posición de las turbinas, altura de las mismas, rugosidad del suelo, y si es posible, incluyendo la orografía del terreno. Ejecución del simulador numérico y validación de datos.
Requerimientos: preferentemente formación en fluidos (aeronáuticos, físicos)
Optimización multiobjetivo de un parque eólico marino considerando factores económicos y el impacto visual
Directores: Matilde Santos (msantos@ucm.es) y Ángel Gaspar González Rodríguez (agaspar@ujaen.es)
La rentabilidad de la inversión es el factor económico más importante a la hora de decidir la ubicación y optimizar la orientación y el diseño de un parque eólico. Además deben evitar la alteración natural del paisaje. Los algoritmos de optimización deben considerar el aspecto tecno-económico, pero también el impacto visual esperado.
En este TFM se propone diseñar un algoritmo optimice el sitio y el diseño del parque eólico dentro de un espacio ilimitado, con un número ilimitado de turbinas y considerando el fondo marino. Además, este algoritmo de optimización multiobjetivo basado en frentes de Pareto debe obtener un conjunto de soluciones óptimas teniendo en cuenta la relación conflictiva entre rentabilidad e impacto visual.
Wind Turbines data-driven yaw misalignment detection
Directores: Matilde Santos (msantos@ucm.es) and José-Miguel Espinosa (miguel.espinosa@galp.com, GALP Energia, Portugal)
Latterly, wind turbine yaw misalignment that tends to degrade the turbine power production and impact the blade fatigue loads takes attention along with the rapid development of large-scale wind turbines.
Modern approaches to detection methods require additional instruments for gathering, processing and to evaluate data and, at the end of the day, to provide insights to make better inspection tasks. Unfortunately, are not suitable for long-term operation and large-scale implementation due to the high costs.
Typically, the yaw error of a utility-scale wind turbine generally consists of two components, i.e., static yaw error and dynamic yaw error. In recent years, a few investigations have been performed using data-driven methods to address this issue.
The final goal of this project is to propose new approaches that enable the effective detection and correction of static and dynamic yaw errors by using only turbine SCADA data, suitable for a low-cost regular inspection mainly for large-scale wind farms in onshore.
This TFM is proposed to be written in English or Spanish.
Requirements: ML, programming, some maths background.
Simulación y optimización de una turbina eólica mediante COMSOL Multiphysics
Directores: Matilde Santos (msantos@ucm.es) y Lorenzo Leija Salas (lleija@cinvestav.mx, CINVESTAV, IPN, México)
Los criterios de diseño de aerogeneradores de eje horizontal se basan en diferentes parámetros. Actualmente la mayoría de los fabricantes de turbinas se concentran en construir centrales de generación de energía cada vez más grandes, para poder minimizar el costo de la energía eólica.
Pero estas turbinas de gran tamaño requieren unas características de diseño muy específicas, que se estudian previamente con herramientas de simulación para optimizarlas antes de su construcción. En este TFM se propone el uso del software COMSOL Multiphysics para la determinación de los parámetros aerodinámicos óptimos de una turbina eólica.
Validación de un gemelo digital de una granja de turbinas eólicas
Directores: Matilde Santos (msantos@ucm.es) y Segundo Esteban San Román (segundo@dacya.ucm.es)
En este TFM se propone la validación de un gemelo digital de una turbina eólica y la implementación en esta plataforma de una gran de turbinas offshore. Para ello hay que desarrollar un sistema de toma de datos que permita monitorizar, detectar fallos y reconfigurar una granja de turbinas utilizando prototipos a baja escala de turbinas eólicas disponibles en el grupo de trabajo. Este trabajo puede incluir el desarrollo informático del gemelo digital que consistiría en trabajar con modelos simulados para montar una granja de turbinas e integrarlo en el Servidor IoT que se ha implementado para este sistema virtual, ampliando la vista y gestión de granjas.
Según la formación del estudiante interesado, más orientado a física o ingeniería o informática se haría hincapié en uno de los dos aspectos propuestos.
Requerimientos: para la parte de toma de datos se requiere experimentación con un modelo físico a escala de la turbina que habría que utilizar o recoger en la sede del Dpto. de la UCM de los tutores.
Escudo adaptativo de un enjambre de drones para tareas de patrullaje y vigilancia
Directores: José Sánchez Moreno (jsanchez@dia.uned.es) y María Guinaldo Losada (mguinaldo@dia.uned.es)
Objetivo del proyecto:
El uso de drones (UAVs) está teniendo un gran impacto en numerosas aplicaciones. Uno de los campos de aplicación es en el ámbito de la defensa tanto civil como militar. La propuesta del proyecto consiste en diseñar e implementar en simulación un sistema multi-agente formado por N drones que tendrá que desplegarse formando una malla para proteger un objetivo de interés. Se estudiarán algoritmos que hagan que el despliegue sea óptimo, en el sentido de vigilar el espacio aéreo para detectar posibles amenazas, y adaptativo, de tal manera que la malla se reconfigure cuando se produzca algún fallo en el sistema o alguno de los agentes cause baja. El proyecto generará finalmente un simulador para mostrar los resultados, que será preferentemente interactivo.
Referencias:
[1] B. D. O. Anderson, C. Yu, B. Fidan and J. M. Hendrickx, "Rigid graph control architectures for autonomous formations," IEEE Control Systems Magazine, vol. 28, no. 6, pp. 48-63, 2008, DOI: 10.1109/MCS.2008.929280.
[2] Wang-Kyo Oh, Myoung-Chul Park, and Hyo-Sung Ahn, "A survey of multi-agent formation control", Automatica, vol. 53, pp. 424-440, 2015, DOI: 10.1016/j.automatica.2014.10.022.
Simulación distribuida de modelos de dinámicos continuos y de eventos discretos.
Directores: Victorino Sanz (vsanz@dia.uned.es), Miguel Ángel Rubio González (marubio@dia.uned.es)
Objetivo del Proyecto:
La ejecución paralela de programas tiene como principal objetivo la mejora de la eficiencia y el rendimiento. El objetivo general del proyecto será aplicar la programación paralela a la simulación distribuida de modelos de tiempo continuo (principalmente aquellos cuya dinámica dependa de las coordenadas espaciales), y de eventos discretos (PDEVS, ABM, etc.). Para ello existen múltiples aproximaciones, dependiendo de la arquitectura del hardware sobre el que se quiere trabajar (e.g., memoria compartida o distribuida) o el lenguaje utilizado para la descripción de los modelos. Para el desarrollo del proyecto se acordará con los profesores encargados del trabajo las características particulares y los objetivos específicos del mismo.
Diseño, implementación y control de una máquina de modelado análogoDirectores:
Directores: José Antonio Lopez Orozco (jalo@dacya.ucm.es) Jorge Alonso Henar (jahenar@geo.ucm.es)
Objetivos del Proyecto:
Uno de los objetivos de la Tectónica es conocer la dinámica de la litosfera terrestre que da lugar a las estructuras presentes en la naturaleza, conocer su comportamiento, explicarlos y predecir sus efectos. La reproducción de los movimientos de la litosfera terrestre se puede llevar a cabo tanto con modelos y simulaciones numéricas como mediante procedimientos experimentales. Los procedimientos experimentales consisten en una reproducción a escala de procesos geológicos de millones de años en unas pocas horas y para ello son necesarias máquinas de modelado análogo que permitan un control exhaustivo de los procesos cinemáticos, tanto en el espacio como en el tiempo (sirva como ejemplo el laboratorio de Tectónica Experimental del Instituto de Ciencias Geológicas de Berna, https://www.geo.unibe.ch/e42577/e42587/e437160/e437162/TectModLab_flyer14_highquality_NEW_ger.pdf). Estas máquinas constan de varias placas móviles mediante motores controlados por ordenador que permiten el movimiento relativo de diferentes las placas basales y paredes para simular deformaciones tectónicas.
El objetivo de este proyecto es implementar una de estas máquinas que simulan deformaciones tectónicas y realizar el control de los motores que desplazan las diferentes placas basales y paredes a velocidades lentas, de modo que se tenga un control preciso de las tres dimensiones espaciales y del instante de tiempo en el que se realiza el movimiento.
Prácticas de laboratorio en el metaverso
Directores: Jesús Chacón Sombría (jeschaco@ucm.es) y Jacobo Saenz Valiente (jacobo.saenz@dia.uned.es)
El objetivo de este trabajo es crear un entorno de realidad virtual en el que poder realizar una práctica de laboratorio mediante una simulación 3D inmersiva.
Durante el TFM se llevarán a cabo, entre otras, las siguientes:
- Modelado 3D de las instalaciones del laboratorio.
- Modelado del sistema experimental.
- Simulación de la dinámica del sistema experimental.
- Desarrollo de la interfaz hombre-máquina para realizar los experimentos. Opcionalmente, en caso de que el alumno disponga de unas gafas de realidad virtual, podrá enfocar el diseño en dicha plataforma.
Modelado y Simulación en 3D del Sistema Bola y Aro mediante el Simulador CoppeliaSim
Directores: Ernesto Fabregas (efabregas@dia.uned.es)
El sistema Bola y Aro es un problema clásico de control no lineal que requiere un diseño preciso para controlar una bola que rota en el borde interior un aro. El aro está conectado al eje de un motor que hace de actuador. El proyecto abarca tanto el diseño y desarrollo de la planta en un entorno de simulación en 3D como el diseño del controlador que permite estabilizar y controlar el sistema.
El desarrollo se centra en dos aspectos principales:
- Diseño y desarrollo en 3D: Se lleva a cabo la modelización de la planta en CoppeliaSim, un entorno de simulación avanzado que permite la recreación precisa de modelos dinámicos. El diseño incluye la construcción geométrica de los elementos del sistema, así como la implementación de sus propiedades físicas y dinámicas, como fricción, gravedad y fuerzas de actuación.
- Control del sistema: Se debe diseñar un controlador capaz de estabilizar el movimiento de la bola en el aro. Para ello, se implementan técnicas de control clásicas y modernas que permiten mantener la estabilidad del sistema ante perturbaciones. El controlador es integrado en el entorno de simulación, permitiendo validar su desempeño en escenarios reales mediante simulaciones de diversas condiciones.
Finalmente, se realizan pruebas y análisis del rendimiento del controlador en el entorno de simulación para verificar la robustez y eficiencia del modelo propuesto. Este trabajo no solo contribuye al estudio y desarrollo de sistemas de control no lineal, sino que también demuestra la capacidad de CoppeliaSim como una herramienta robusta para el diseño y validación de sistemas físicos complejos en entornos virtuales
Análisis de la aplicación de una taxonomía de la ciudad en la que cada elemento se identifica unívocamente de forma digital.
Directores: Antonio Sarasa Cabezuelo (asarasa@ucm.es) y Tomás Llorente(tomasllorente@yahoo.es)
-
Estudio mediante flujo/dispersión de datos de los casos más relevantes de polisemia en inglés y su coincidencia o no con la traducción paralela al español.
Directores: Antonio Sarasa Cabezuelo (asarasa@ucm.es), María Estefania Avilés Mariño(meaviles@ucm.es)
-