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). 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.

• Auteur principal: Lindao Vera, Tony Fernando (author)
• Autres auteurs: Vallejo Yagual, Saul Eduardo (author)
• Format: bachelorThesis
• Langue: spa
• Publié: 2025
• Sujets: AMORTIGUADORES; INTERNET DE LAS COSAS (IOT),; REDES NEURONALES LSTM; SENSORES INERCIALES; PREPROCESAMIENTO DE DATOS; MQTT
• Accès en ligne: http://dspace.ups.edu.ec/handle/123456789/31296