Copyright (c) 2017 INVESTIGACION E INNOVACION EN INGENIERIAS
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Investigación e Innovación en Ingenierías respects the moral rights of each author, however the authors cede the patrimonial rights of their articles, and at the same time they certify through a letter that their work is unpublished and has not been previously published.
Neuronal control of a balanced system (inverted pendulum) in a logical programmable device
Corresponding Author(s) : Johnny Omar Medina Durán
Investigación e Innovación en Ingenierías,
Vol. 4 No. 2 (2016): July - December
Abstract
This paper presents the implementation of a neural network for controlling FeedFoward balance on two wheels system (inverted pendulum) in a Card Nexys 2 Digilent development containing a FPGA (Field Programmable Gate Array) XC3S500E. NNTool tool of Matlab was used for the creation, training and simulation of neural network. The neural algorithm is translated into a workable model in hardware, using block diagrams, using tools Simulink and Xilinx System Generator (XSG). The neural network validation is performed on a prototype of balance on two wheels, this system has an inertial measurement unit (IMU 6DOF-MPU 6050), which includes an accelerometer and three-axis gyroscope each and 2 geared motors with magnetic encoder , used as actuators.
Keywords
Download Citation
Endnote/Zotero/Mendeley (RIS)BibTeX
- M. Santos. “Un enfoque aplicado del control inteligente”, Revista Iberoamericana de Automática e Informática industrial, vol. 8 p. 283–296, 2011.
- D. Matich. Redes neuronales: conceptos básicos y aplicaciones. Argentina: Universidad Tecnológica Nacional. Grupo de investigación aplicada a la ingeniería química (GIAIQ). Rosario, 2011.
- H. Vega. Tesis doctoral Redes neuronales para el reconocimiento de la calidad morfológica de mangos exportables para la empresa Biofruit del Perú S.A.C. Universidad nacional Federico Villarreal. Lima. Perú, 2011.
- R. Salas. Redes neuronales artificiales. Universidad de Valparaíso. Departamento de computación, 2010.
- J. Medina, Ferreira J., y O. Gualdron,“Redes neuronales recurrentes en dispositivos lógicos programables para el control de desplazamiento de un robot móvil”, Revista Colombiana de Tecnologías de Avanzada, vol. 1, 2009.
- A. Ramos, P. Sanchez, J. Ferrer, Barquin J., y P. Linares. Modelos matemáticos de optimización. Universidad pontificia de Madrid, Escuela técnica superior de ingeniería, 2010.
- A. Nacelle, Las redes neuronales: de la biología a los algoritmos de clasificación. Universidad de la república. Montevideo. Uruguay: Núcleo de ingeniería biomédica, 2009.
- National Instruments. Introducción a la tecnología fpga: los cinco beneficios principales, 2004. Disponible: http://zone.ni.com/derzone/cda/tut/p/id/8289.
- M. Valencia, L. Sanchez., y Y. Cornelio. Algoritmo Backpropagation para Redes Neuronales: conceptos y aplicaciones. México DF: Instituto politécnico nacional centro de investigación en computación, 2006.
- A. Hernández, M. Legaspi., y J. Pelaez. Control inteligente del péndulo invertido. Madrid: Universidad Complutense de Madrid, 2012.
- D. Melo y R. Molina. Desarrollo de un sistema de control de equilibrio para un móvil con dos ruedas de apoyo ubicadas lateralmente ‘’Robox 1.0’’. Universidad Pedagógica Nacional- Bogotá D.C., 2011.
- J. Medina. Metodología para la implementación de redes neuronales en dispositivos lógicos programables aplicadas en el control de desplazamiento de un robot móvil. Universidad de Pamplona. Departamento de maestría y doctorados, 2009.
References
M. Santos. “Un enfoque aplicado del control inteligente”, Revista Iberoamericana de Automática e Informática industrial, vol. 8 p. 283–296, 2011.
D. Matich. Redes neuronales: conceptos básicos y aplicaciones. Argentina: Universidad Tecnológica Nacional. Grupo de investigación aplicada a la ingeniería química (GIAIQ). Rosario, 2011.
H. Vega. Tesis doctoral Redes neuronales para el reconocimiento de la calidad morfológica de mangos exportables para la empresa Biofruit del Perú S.A.C. Universidad nacional Federico Villarreal. Lima. Perú, 2011.
R. Salas. Redes neuronales artificiales. Universidad de Valparaíso. Departamento de computación, 2010.
J. Medina, Ferreira J., y O. Gualdron,“Redes neuronales recurrentes en dispositivos lógicos programables para el control de desplazamiento de un robot móvil”, Revista Colombiana de Tecnologías de Avanzada, vol. 1, 2009.
A. Ramos, P. Sanchez, J. Ferrer, Barquin J., y P. Linares. Modelos matemáticos de optimización. Universidad pontificia de Madrid, Escuela técnica superior de ingeniería, 2010.
A. Nacelle, Las redes neuronales: de la biología a los algoritmos de clasificación. Universidad de la república. Montevideo. Uruguay: Núcleo de ingeniería biomédica, 2009.
National Instruments. Introducción a la tecnología fpga: los cinco beneficios principales, 2004. Disponible: http://zone.ni.com/derzone/cda/tut/p/id/8289.
M. Valencia, L. Sanchez., y Y. Cornelio. Algoritmo Backpropagation para Redes Neuronales: conceptos y aplicaciones. México DF: Instituto politécnico nacional centro de investigación en computación, 2006.
A. Hernández, M. Legaspi., y J. Pelaez. Control inteligente del péndulo invertido. Madrid: Universidad Complutense de Madrid, 2012.
D. Melo y R. Molina. Desarrollo de un sistema de control de equilibrio para un móvil con dos ruedas de apoyo ubicadas lateralmente ‘’Robox 1.0’’. Universidad Pedagógica Nacional- Bogotá D.C., 2011.
J. Medina. Metodología para la implementación de redes neuronales en dispositivos lógicos programables aplicadas en el control de desplazamiento de un robot móvil. Universidad de Pamplona. Departamento de maestría y doctorados, 2009.