Simplificación de modelos multicuerpo a través de la selección de parámetros

Fuentes Larez, José, Ros Ganuza, Javier, Plaza Puértolas, Aitor y Iriarte Goñi, Xabier(2022) .Simplificación de modelos multicuerpo a través de la selección de parámetros. XV Congreso Iberoamericano de Ingeniería Mecánica.En: Universidad Politécnica de Madrid. (2022-11-22)

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Abs_184_181726.docx Simplificación de modelos multicuerpo Click to show the corresponding preview/stream application/vnd.openxmlf... 629.35KB

Título de la Conferencia XV Congreso Iberoamericano de Ingeniería Mecánica
Fecha de inicio de la Conferencia 2022-11-22
Fecha fín de la Conferencia 2022-11-24
Lugar de la Conferencia Universidad Politécnica de Madrid
Fecha de presentación de la Ponencia 2022
Titulo Simplificación de modelos multicuerpo a través de la selección de parámetros
Autor(es) Fuentes Larez, José
Ros Ganuza, Javier
Plaza Puértolas, Aitor
Iriarte Goñi, Xabier
Materia(s) Ingeniería Mecánica
Robótica
Resumen Los métodos de selección de modelos, son usados en diferentes contextos científicos para representar un conjunto de datos en términos de un número reducido de parámetros. Los modelos multicuerpo pueden ser considerados modelos paramétricos en términos de sus parámetros dinámicos y estos modelos son susceptibles de ser reducidos. Se espera que los modelos de parámetros reducidos tengan una complejidad computacional menor que el original preservando el nivel de precisión deseado. En este trabajo, se han usado varias simulaciones para definir el conjunto de datos representativos del sistema. A continuación, un conjunto de parámetros reducido es escogido. Para tal fin, diferentes heurísticas de selección de modelos, así como del error normalizado, son propuestas. Usando estas metodologías, un robot de 6 grados de libertad ha sido analizado. Se han obtenido importantes reducciones en el número de parámetros y en su coste computacional sin prácticamente comprometer la precisión del modelo.
Abstract Model selection methods are used in different scientific contexts to represent a data set in terms of a reduced number of parameters. Multibody models can be considered parametric models in terms of their dynamic parameters, such models can be reduced. These reduced parameter models are expected to have a lower computational complexity than the original and still preserve a desired level of accuracy. In this work, several model simulations are used to define the representative data set of the system. Then a reduced set of parameters is chosen. To this end, several model selection heuristics as well as normalized error heuristics are proposed in this work. Using this methodology, a 6 degree of freedom robot has been analyzed. Significant reductions in the number of parameters and in their computational cost have been obtained without much compromise in the model accuracy.
Palabra clave Sistemas Multicuerpo
Robótica
Selección de Parámetros
Estimación de Parámetros
Editor(es) Universidad Nacional de Educación a Distancia (España)
Universidad Politécnica de Madrid. Departamento de Ingeniería Mecánica
Fecha 2022
Formato application/ms-word
Identificador bibliuned:congresoCIBIM-2022UPMEspana-Jfuentes
https://doi.org/10.5944/bicim2022.136
Idioma spa
Versión de la publicación publishedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso conferenceObject
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 131 Visitas, 22 Descargas  -  Estadísticas en detalle
Creado: Tue, 10 Jan 2023, 00:06:24 CET