Estimación de Estados Empleando Técnicas Basadas en la Teoría del Filtro de Kalman para la Localización de un Robot

Vista sencilla de ítem
dc.contributor.advisorMiranda D., Livington, Director
dc.contributor.authorSalinas, Leonela de la A
dc.contributor.authorVelasco, Miguel Angel
dc.creatorESPOL. FIEC
dc.date.accessioned2024-03-04T18:51:52Z
dc.date.available2024-03-04T18:51:52Z
dc.date.issued2023
dc.descriptionDurante la investigación se han utilizado los fundamentos matemáticos y algorítmicos del filtro de Kalman para la estimación de estados, y aplicarlos en la navegación autónoma de robots diferenciales móviles. El robot diferencial es un tipo de robot móvil que se desplaza utilizando dos ruedas independientes y unidas a un cuerpo. Como solución se desarrolló un filtro de Kalman para estimar la posición y trayectoria de un robot móvil diferencial, adaptado y optimizado para la navegación autónoma de robots diferenciales móviles. Los datos recogidos de los sensores inerciales, la calibración y ajuste de los parámetros, logran estimar la trayectoria real del robot. A medida que el filtro de Kalman combina las mediciones y las predicciones, se ajusta los datos en el filtro. Para planificar una trayectoria el robot recoge datos de velocidad, dirección y se controlan variando las velocidades de las ruedas izquierda y derecha. Los sensores utilizados para medir la posición y el entorno del robot fueron los enconder y, están sujetos a diversas fuentes de ruido, la presencia de ruido, incertidumbre y las interacciones dinámicas del entorno. Existen diferentes fuentes de ruido en un robot diferencial, algunas de las cuales son las siguientes: Ruido en los sensores, en un robot diferencial es una perturbación no deseada que afecta la precisión y el rendimiento del robot. Se construyo un robot diferencial el cual corrige su trayectoria a partir de una trayectoria referencia mediante la aplicación del algoritmo de precisión, los resultados se validan a través de la simulación en Matlab-Simulink así también como del prototipo implementado. El Filtro de Kalman analiza los datos y ajusta a la trayectoria establecida por el robot. El filtro de Kalman en la navegación autónoma de robots diferenciales móviles no solo representa un logro científico, sino también un salto hacia adelante en el campo de la robótica. Palabras Claves. Filtro de Kalman, Robot diferencial, Robot Móvil, Trayectoria, Matlab-Simulink, Sensores, Enconder, Estimar, Ruido.
dc.description.cityGuayaquil
dc.description.degreeEscuela Superior Politécnica del Litoral
dc.formatapplication/pdf
dc.format.extent79 página
dc.identifier.citationSalinas, L. d. l. A. y Velasco, M. A. (2023). Estimación de Estados Empleando Técnicas Basadas en la Teoría del Filtro de Kalman para la Localización de un Robot. [Proyecto de Titulación]. ESPOL. FIEC, Guayaquil. 79p.
dc.identifier.codigoespolT-114119
dc.identifier.codigoproyectointegradorFIEC-POSTG043
dc.identifier.urihttps://www.dspace.espol.edu.ec/handle/123456789/60627
dc.language.isospa
dc.publisherESPOL. FIEC
dc.rightsopenAccess
dc.subjectFiltro de Kalman
dc.subjectRobot diferencial
dc.subjectTrayectoria
dc.subjectMatlab-Simulink
dc.subjectSensores
dc.titleEstimación de Estados Empleando Técnicas Basadas en la Teoría del Filtro de Kalman para la Localización de un Robot
dc.typeThesis

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
T-114119-FIEC-POSTG043.pdf
Tamaño:
2,05 MB
Formato:
Adobe Portable Document Format
Descargar

Colecciones

Tesis de Maestría en Automatización y Control