Diseño de controlador neuro-difuso para automatización de detección de fallas dentro de tuberías matrices de agua empleando un robot móvil

• Autor: Ramirez Chavez, Jorge Luis Isaac
• Formato: tesis de maestría
• Fecha de Publicación: 2022
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.pucp.edu.pe:20.500.12404/22728
• Enlace del recurso: http://hdl.handle.net/20.500.12404/22728
• Nivel de acceso: acceso abierto
• Materia: Robots--Sistemas de control; Sensores inteligentes; Tuberías; https://purl.org/pe-repo/ocde/ford#2.02.03

En los últimos años se ha evidenciado un aumento de desastres relacionados con las red de tuberías de agua en el país, ya que no se cuenta con suficientes herramientas tecnológicas que permitan evaluar su estado, especialmente en las que presentan mayor antigüedad, por lo que no es posible identificar fallas ni evitar la ocurrencia de desastres como inundaciones y desabastecimiento de agua potable. Esta tesis propone el desarrollo de un robot móvil con la capacidad de realizar el sensado automático de fallas al inspeccionar el interior de tuberías matrices de agua empleando un robot móvil. Para ello se realiza la implementación de un Sistema de Detección de Fallas (SDF) que identifica diferentes anomalias dentro una tubería empleando redes neuronales convolucionales y un Controlador de Velocidad y Orientación del Robot (CVOR) que empleando la información recolectada por el SDF permitirá que el robot se desplace de manera autónoma. De manera que será posible detectar e identificar fallas en las tuberías de agua tales como: obstrucciones, fisuras y fugas debido a roturas o perforaciones de manera automática. El primer capítulo describe el estado del arte de los robots empleados en inspección y la problemática. El segundo capítulo desarrolla el modelo cinemático de un robot móvil con cuatro ruedas. En el tercer capítulo se diseña el Sistema de Detección de Fallas (SDF). El cuarto capítulo trata sobre la implementación del Controlador de Velocidad y Orientación del Robot (CVOR). Los resultados obtenidos, mostrados en el quinto capítulo, evidencian la precisión en el reconocimiento de anomalías por parte del sistema bajo determinadas condiciones.