Implementación de un sistema para la evaluación de amortiguadores de vehículos usando sensores IOT y modelos de redes LSTM
Esta investigación plantea el diseño y desarrollo de un sistema inteligente para la evaluación del estado de los amortiguadores en vehículos livianos, integrando avances tecnológicos recientes, como el Internet de las cosas (IoT) y modelos de redes neuronales del tipo Long Short-Term Memory (LSTM)....
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | |
| Format: | bachelorThesis |
| Langue: | spa |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | http://dspace.ups.edu.ec/handle/123456789/31296 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Ajouter un tag | Résumé: | Esta investigación plantea el diseño y desarrollo de un sistema inteligente para la evaluación del estado de los amortiguadores en vehículos livianos, integrando avances tecnológicos recientes, como el Internet de las cosas (IoT) y modelos de redes neuronales del tipo Long Short-Term Memory (LSTM). Esta estructura se basa en la captación de datos dinámicos provenientes de sensores inerciales, capaces de registrar variables críticas como la aceleración vertical, las frecuencias de vibración y los desplazamientos dinámicos del chasis durante la conducción. Con datos transmitidos en tiempo real a una plataforma, un servidor por medio del protocolo de comunicación MQTT, y almacenados en bases de datos NoSQL optimizada para series temporales. A continuación, se realizó un proceso de preprocesamiento que incluye la limpieza, normalización y segmentación de los datos, para garantizar su calidad antes de ser introducidos en el modelo de inteligencia artificial. Posteriormente, se desarrolló y entrenó una red LSTM con el fin de identificar patrones en los datos secuenciales y predecir comportamientos anómalos que podrían indicar desgaste o fallos de los amortiguadores. Finalmente, el modelo entrenado se integra en una plataforma de monitoreo en tiempo real con un porcentaje de eficiencia del 99% de eficiencia, considerando que se evalúan varios subconjuntos de datos para obtener la condición del amortiguador. Este enfoque no solo se basa en seguridad y el rendimiento del vehículo, sino que también optimiza los costos operativos que contribuye a la digitalización del mantenimiento automotriz. |
|---|