| 23-07-2024 |
Estrategias de uso eficiente de recursos para el control de pelotones de vehículos autónomos
Esta investigación se enmarca en el contexto del control automático de sistemas IoT de vehículos autónomos que se comunican entre sí a través de canales inalámbricos. En particular, estudiaremos la estabilidad de los pelotones de vehículos frente a perturbaciones externas, como cambios bruscos de velocidad y frenadas repentinas, conocido como ‘string stability’. Exploraremos estrategias que emplean eficientemente los recursos disponibles (como el ancho de banda y la potencia de transmisión) para asegurar la estabilidad del pelotón. Modelaremos y analizaremos las condiciones que garantizan esta propiedad crucial, esencial para reducir colisiones y optimizar la eficiencia del combustible. Además, tendrás la oportunidad de investigar diversos modelos de comunicación inalámbrica entre vehículos y su impacto en el control del pelotón. Validaremos nuestros resultados y algoritmos utilizando simuladores realistas de pelotones de vehículos, como PLEXE.
Prerequisitos:
IEE2613
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 1/3 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 26-05-2025 |
Physics Informed Neural Networks (PINNs) para Regulación de Glucosa
Las redes neuronales tradicionales han demostrado ser herramientas poderosas para modelar sistemas complejos y no lineales, especialmente cuando se dispone de grandes volúmenes de datos y se tiene un conocimiento limitado del sistema subyacente. No obstante, en contextos donde se cuenta con un conocimiento previo del comportamiento del sistema y con ecuaciones que describen adecuadamente su dinámica, las Physics-Informed Neural Networks (PINNs) ofrecen una alternativa más eficiente y precisa. En esta IPRE, los estudiantes diseñarán e implementarán PINNs para modelar el sistema glucorregulatorio en personas con diabetes tipo 1. Estos modelos permitirán capturar con mayor fidelidad la dinámica de la glucosa en el cuerpo, integrando tanto datos clínicos como conocimiento fisiológico a través de ecuaciones diferenciales. Los modelos desarrollados tendrán como objetivo final su uso en aplicaciones de control, particularmente en el diseño de algoritmos para páncreas artificiales.
Keywords:
control automático
deep learning
Redes neuronales
diabetes
control inteligente
physics informed NN
Prerequisitos:
IEE2613
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 2/2 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 26-05-2025 |
Desarrollo e implementación de Filtro de Kalman Neuronal
Los filtros de Kalman son herramientas fundamentales en sistemas de control, ya que permiten estimar los estados internos de un sistema dinámico a partir de mediciones ruidosas y parciales. Sin embargo, su desempeño depende en gran medida de un conocimiento preciso del modelo del sistema y de sus parámetros, lo cual puede ser difícil o incluso imposible de obtener en aplicaciones del mundo real. En este contexto, las redes neuronales ofrecen una alternativa prometedora para extender las capacidades del filtro de Kalman clásico. Al integrar técnicas de aprendizaje automático, es posible diseñar filtros de Kalman neuronales que se adapten automáticamente a la dinámica del sistema, incluso en entornos altamente no lineales o inciertos. En esta IPRE, los estudiantes desarrollarán e implementarán un filtro de Kalman neuronal enfocado en la estimación de estados y parámetros en un sistema de regulación de glucosa. Este desarrollo tiene aplicaciones directas en tecnologías médicas como el p
Keywords:
control automático
deep learning
Redes neuronales
glucosa
diabetes
filtro de Kalman
estimación
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 1/1 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 23-07-2024 |
Resource-aware strategies for the control of autonomous vehicle platooning
This research falls within the context of automatic control of IoT systems for autonomous vehicles that communicate with each other via wireless channels. In particular, we will study the stability of vehicle platoons in the face of external disturbances, such as sudden speed changes and abrupt braking, known as ‘string stability.’ We will explore strategies that efficiently utilize the available resources (such as bandwidth and transmission power) to ensure the stability of the platoon. We will model and analyze the conditions that guarantee this crucial property, essential for reducing collisions and optimizing fuel efficiency. Additionally, you will have the opportunity to investigate various wireless communication models between vehicles and their impact on platoon control. We will validate our results and algorithms using realistic vehicle platoon simulators, such as PLEXE.
Prerequisites:
IEE2613
Evaluation method: Nota 1-7, with 1/3 available vacants |
Mentor(s): Open in the plataform |
| 23-07-2024 |
Age of Information and its effect on autonomous vehicle platoons
Vehicle platoons are a promising application for future intelligent transportation systems. The control and stability of the platoon depend on the timeliness of the control information, captured through the concept of “Age of Information” (AoI). AoI has proven to be an effective metric for measuring how recent the information is in IoT applications. Given V2V wireless communications, AoI can be affected by various factors such as transmission period, channel interference, and various delays. The proposed research aims to study how AoI affects vehicle platooning systems and its relationship with platoon topology, wireless channel models, and other communication system parameters. It also seeks to determine conditions on AoI to ensure platoon stability, which is essential for efficiently designing safe autonomous vehicle platoons.
Prerequisites:
IEE2613
Evaluation method: Nota 1-7, with 0/1 available vacants |
Mentor(s): Open in the plataform |
| 26-05-2025 |
Keywords:
control automático
deep learning
Redes neuronales
diabetes
control inteligente
physics informed NN
Prerequisites:
IEE2613
Evaluation method: Nota 1-7, with 2/2 available vacants |
Mentor(s): Open in the plataform |
| 26-05-2025 |
Keywords:
control automático
deep learning
Redes neuronales
glucosa
diabetes
filtro de Kalman
estimación
Evaluation method: Nota 1-7, with 1/1 available vacants |
Mentor(s): Open in the plataform |