Estimación de la función de densidad no paramétrica para caracterizar los tiempos de reconfiguración empleados por los controladores de un prototipo de Robot Planar
DOI:
https://doi.org/10.47187/perspectivas.vol3iss2.pp9-15.2021Palabras clave:
Función de Densidad, Error Cuadrático Medio, Fiabilidad, NúcleosResumen
Este artículo presenta un prototipo de robot planar, el cual dispone de dos controladores para dar solución a trayectorias de la cinemática inversa, de modo que, si el controlador principal falla, el otro controlador sea capaz de retomar el control del prototipo en el menor tiempo posible, resolviendo la trayectoria en curso. Este proceso se conoce como reconfiguración. En este estudio se pretende estimar una función de densidad no paramétrica capaz de caracterizar el comportamiento de los tiempos empleados por los controladores para la reconfiguración. La función ha sido determinada por el método de kernel o núcleo y la mejor estimación se obtiene con el núcleo Normal o Gaussiano bajo el criterio del error cuadrático medio y en función de la propuesta de Silverman para la selección del ancho de banda. En conclusión, la fiabilidad de los controladores está directamente relacionada con la trayectoria diseñada.
Métricas
Citas
S. Chumnanvej, B. M. Pillai, S. Chalongwongse, and J. Suthakorn, “Endonasal endoscopic transsphenoidal approach robot prototype: A cadaveric trial,” Asian Journal of Surgery, vol. 44, no. 1, pp. 345–351, 2021. [Online]. Available: https://doi.org/10.1016/j.asjsur.2020.08.011
A. S. A. Ghafar, S. S. H. Hajjaj, K. R. Gsangaya, M. T. H. Sultan, M. F. Mail, and L. S. Hua, “Design and development of a robot for spraying fertilizers and pesticides for agriculture,” Materials Today: Proceedings, 2021. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S2214785321021933
W. Härdle, M. Müller, S. Sperlich, and A. Werwatz, Nonparametric and Semiparametric Models, 2011, no. January.
M. Spiegel, Teoria y Problemas de Probabilidad y Estadistica, 1975. J.
Guan, J. Lin, J. J. Guan, and E. Mokaramian, “A novel probabilistic short-term wind energy forecasting model based on an improved kernel density estimation,” International Journal of Hydrogen Energy, vol. 45, no. 43, pp. 23 791–23 808, 2020. [Online]. Available: https://doi.org/10.1016/j.ijhydene.2020.06.209
P. Xin, Y. Liu, N. Yang, X. Song, and Y. Huang, “Probability distribution of wind power volatility based on the moving average method and improved nonparametric kernel density estimation,” Global Energy Interconnection, vol. 3, no. 3, pp. 247–258, 2020. [Online]. Available: https://doi.org/10.1016/j.gloei.2020.07.006
A. Barrientos, L. Peñin, C. Balaguer, and R. Aracil, FUNDAMENTOS DE ROBÓTICA, 2nd ed., C. Sánchez, Ed., 2007.
J. J. Craig, Robótica, 3rd ed., P. M. Guerrero Rosas, Ed., 2006, vol. 1, no. 8020.
S. Weglarezyk, “Kernel density estimation and its application Stanisław,” Proceeding of the International Conference on Electrical Power Quality and Utilisation, EPQU, vol. 00037, pp. 102–107, 2011.
C. Péres, Matlab y sus Aplicaciones en las Ciencias y la Ingeniería, Madrid, 2002.
H. J. Pabón, “Probabilidad y estadística con matlab® para investigadores,” p. 124, 2010.
W. Harrington, Learning Raspbian, 2015.
A. Saraí, “Fórmulas para el cálculo de la muestra en investigaciones de salud,” Salud en Tabasco, vol. 11, no. Fórmulas para el cálculo de la muestra en investigaciones de salud, pp. pp. 333–338, 2005. [Online]. Available: https://www.redalyc.org/arti
F. J. Marssey, “The kolmogorov-smirnov test for goodness of fit,” Journal of the American Statistical Association, vol. 46, pp. 68–78, 1951.
R. Levin, D. Rubin, T. Krehbyel, and M. Berenson, Estadística para Administración, 2013, vol. 53, no. 9.
S. Efromovich, Springer Series in Statistics Springer Series in Statistics, 1999.
H. Isaías and U. Salgado, “Métodos Estadísticos No Paramétricos de Suavización para Análisis de Datos Biológicos,” 2000.
B. Silverman, Density Estimation for Statistics and Data Analysis, 1998.
N. Iturmendi, “Estimación de la densidad relativa,” Ph.D. dissertation, 2003.
X. P. Durá, “Estimaciones de densidad no paramétrica vía KERNEL,” Universitat Jaume, 2017.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Alex Mantilla, Antonio Meneses, Lourdes Zúñiga
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Derechos de Autor
Los autores de trabajos escritos retendrán sus derechos de autor sobre sus artículos publicados en la Revista Pespectivas. Estos derechos les permite sobre dichos trabajos: presentarlos en público, preparar trabajos derivados, reproducirlo físicamente a través de impresión y distribuirlo en sus redes sociales o de investigación. Estos derechos se mantendrán inalterables siempre y cuando los autores respecten la política de publicación y de acceso libre que maneja la Revista Perspectivas.
Derechos de Publicación
La Revista Perspectivas se reserva todos los derechos de primera publicación sobre cada uno de los artículos que los autores hayan enviado a su proceso de revisión y publicación. Esto implica que los autores solo podrán ejercer sus derechos de autor si, al momento de distribuir, compartir, presentar o usar el contenido total o parcial de sus artículos, indican adecuadamente la fuente y origen de dicha publicación.
