Universidad, Ciencia y Tecnología

Comparación de técnicas de control vectorial aplicadas a gsip en sistemas de conversión de energía eólica

Este artículo se presenta un estudio comparativo de las principales técnicas de control vectorial aplicadas a Generadores Síncronos de Imanes Permanentes (GSIP) utilizados en Sistemas de Conversión de Energía Eólica (SCEE), la comparación de las técnicas están basadas en el modelado del generador, cuantificando en rendimiento presente en cada una de estas técnicas de manera analítica, adicionalmente las técnicas que resultaron más eficientes son comparadas experimentalmente en un prototipo del SCEE con un Convertidor de potencia Back-to-Back, controlado por un DSP modelo TMS320F2812 de Texas Instruments.

In this work is presented a study and are compared the mains vectorial control techniques which are applied in conversion systems of wind energy the techniques are compared using in the generator, additionally the techniques more efficient are experimentally compared in a prototype of a convertion system of wind energy with a power converter Back to Back, controlled by a DSP, Model Tm5320F2812 of Texas instruments.

Simulación de descargas atmosféricas y su efecto en redes eléctricas de potencia

En este trabajo se halla una solución numérica a la Ecuación de Heaviside para simular las Descargas Parciales de origen Atmosférico, con parámetros ambientales presentes al norte del Estado Bolívar, Venezuela, que inciden en los Sistemas Eléctricos de Potencia.

This paper finds a numerical solution to the Heaviside equation to simulate partial discharges of origin Atmospheric, with environmental parameters present in the north of Bolivar State, affecting the Electric Power Systems.

Análisis de la eficiencia del algoritmo de reconstrucción de señales basado en la mediana ponderada a través de la regresión de Cox

En el presente artículo se analiza, a través del modelo de regresión de Cox, la eficiencia del algoritmo de reconstrucción de señales basado en la regresión de Mediana Ponderada, en el contexto del Sensado Comprimido. Se realizaron 1620 reconstrucciones de señales de diferente tamaño, con diferente tamaño de soporte (K), y variando además, el número de medidas (M) y el parámetro de regularización (α), que forma parte esencial del algoritmo bajo estudio. Entre los resultados más importantes obtenidos se encuentra que la eficiencia del algoritmo tiene un comportamiento parabólico invertido con respecto a α, alcanzando su máximo en α=0.8. Además, se encontró que este algoritmo tiende a ser sensible a variaciones de α y M, de manera que con ligeros cambios en estos parámetros el algoritmo puede cambiar radicalmente su velocidad de convergencia. Así, ajustando adecuadamente el valor de M se logra controlar el comportamiento inestable antes descrito, pues si la relación M/K pasa de 7 a 9, la probabilidad de que el algoritmo presente un buen desempeño aumenta del 40% al 70%. De igual manera, si el valor de α cambia de 0.5 a 0.9, la probabilidad de que el algoritmo presente un buen desempeño aumenta de 0.14 a 0.96.

In this paper, the efficiency of the algorithm for compressive sensing (CS) signal reconstruction based on weighted median regression (WMR) is analyzed through a Cox-regression model. We perform 1620 reconstructions for signals with different dimension (N), sparsity (K), number of measurements (M) and regularization parameter (α) that induces sparsity in the solution. Among the most relevant results, we find that the algorithm efficiency, as a function of the regularization parameter, follows an inverted parabolic function reaching its maximum at α = 0.8. Furthermore, we show that the reconstruction algorithm is quite sensible to α and M. Thus, a slight change on those parameters leads to a notable variation on the algorithms convergence speed. Therefore, by suitably tunning the number of measurements, we can control the volatile described above. Thus, if the ratio N/M goes from 7 to 9, the probability of having a good performance increases from 0.4 to 0.7. Furthermore, if α changes from 0.5 to 0.9 this probability increases from 0.14 to 0.96.

¿La gravitación terrestre, un misterio?

Este trabajo nos da una visión alternativa para explicar la gravedad terrestre. Las leyes existentes están respectadas y la física no está básicamente cuestionada. Por lo contrario, las leyes existentes están mejoradas y analizadas en una explicación lógica con fórmulas sencillas, como lo preconcebía Einstein. Estas formulas representan la base de este trabajo resultando de más de 30 años de investigaciones. La aceleración de la gravedad es la resultante de fuerzas gravitacionales y levitacionales simultáneas. Es el producto de los tamaños de un cuerpo en doble rotación, alrededor de su eje de referencia y bajo la influencia de un trío de fuerzas: centrifuga, centrípeta y aceleración de Coriolis de las cuales los tamaños exactos se derivan de la velocidad real del cuerpo en rotación. El eje de referencia es siempre el de la órbita, cuya referencia al campo director es conocida.

This study gives an alternate vision to explain gravity. Existing laws are respected and basic physics is not questioned. In contrast, existing laws are completed and analyzed in a logical explanation with simple formulas, as recommended by Einstein. These formulas are the basis of this work resulting from more than 30 years of research. The acceleration of gravity is the resultant of simultaneous gravitation and levitation forces. It is the product of the sizes of a body in two rotations around its reference-axis and under the influence of a trio of forces: centrifugal, centripetal and Coriolis acceleration of which the exact sizes of the real rate derived from the partial body rotation. The reference axis is always that of the orbit, the reference to the field director is known.

NIS: Una herramienta computacional para la identificación de sistemas dinámicos en lazo cerrado empleando redes neuronales artificiales

El presente trabajo muestra el diseño e implementación de una herramienta computacional para identificación de sistemas dinámicos mediante aplicación de la tecnología de las Redes Neuronales Artificiales. El Neuro-Identificador de Sistemas (NIS), presenta dos componentes principales: un hardware de estímulo y adquisición de señales, y una interfaz humano-máquina, que ha sido desarrollada bajo arquitectura PC empleando la herramienta MATLAB®. El NIS permite obtener un modelo aproximado que se ajusta a la dinámica de la planta real, que posteriormente puede ser evaluado en lazo abierto. El NIS genera automáticamente funciones de transferencia de Primer Orden Más Tiempo Muerto (P.O.M.T.M.), y funciones de transferencia de segundo orden si la respuesta del sistema es sub-amortiguada. El sistema ha sido aplicado en la identificación de modelos bajo entorno de simulación y de circuitos eléctricos de primer y segundo orden. Los modelos obtenidos satisfacen las hipótesis, obteniéndose un factor de correlación cuadrática multivariable de 0.9670 en la estimación de un sistema de primer orden.

This paper shows the design and implementation of a computational tool for dynamical system identification by applying the technology of Artificial Neural Networks. The Systems Neuro-Identifier (NIS), has two main components: a stimulation and data acquisition hardware, and a human-machine interface. The NIS automatically generates first order transfer functions plus dead time (F.O.P.D.T.) and second order transfer functions if the system response is sub-damped. The tool has been applied in the identification of models under simulation environment and electrical circuits of first and second order. The models obtained matched the hypotheses regarding the dynamics of the plants identified, obtaining a cuadratic multivariable correlation factor of 0.9670 in the first order identified systems.

Modelado con variables aleatorias en simulink utilizando simulación montercarlo

Este artículo presenta el Modelado Con Variables Aleatorias En Simulink Utilizando Simulación Montecarlo, muchos modelos de sistemas reales contienen elementos que precisan o admiten un modelado estadístico, Sistemas de comunicaciones, Sistemas de conmutación, Sistemas sensores, Modelado toma forma definiendo, Variables aleatorias que rigen ciertos comportamientos del sistema Procesos estocásticos para modelar variación de entradas en el tiempo, como lo son las fluctuaciones en la bolsa de valores e ciertos productos. Se deben definir métodos para generar muestras de variables aleatorias y muestras de procesos estocásticos. Entre ellos está el método de Montecarlo, el modelo implementado mostro la capacidad proponer precios optativos al precio de mercado ante cambios en el precio de un producto. Las simulaciones permitieron conocer con mayor exactitud la versatilidad del Método ante otros Métodos usados, prediciendo con gran exactitud las fluctuaciones de precios ocurridas en el producto de prueba.

This article presents the model with random variables in Monte CarloSimulation Using Simulink, many models of real systems contain elements that require or permit a statistical modeling, communication systems,switching systems, sensor systems, modeling takes definite shape, random variables governing certain stochastic processes system behavior modelinginputs change over time, as are the fluctiaciones in the stock market andsome products. You must define methods to generate samples of random variables and stochastic samples. Among them is the Monte Carlo method, the implemented model showed the ability to propose optional pricing to the market price to changes in the price of a product. The simulations allowed to know more precisely the versatility of the method to other methods used, predicting with great accuracy the price fluctuations that occurred in the trial product.

Entorno de simulación para sistemas de comunicaciones inalámbricos de alta capacidad usando MATLAB

En este artículo, se presenta un entorno de simulación desarrollado para un sistema MIMO multiportadora y de portadora única. El entorno permite simular el proceso de banda base de sistemas que involucren técnicas de acceso a la capa física tales como CDMA, OFDMA y técnicas de diversidad en transmisión como OSTBC y V-BLAST. Es posible incluir distintas técnicas de modulación, codificación de canal, multicanalización y técnicas de acceso múltiple. Mediante la interfaz de usuario del programa, se puede observar gráficamente el rendimiento del sistema a través de la curva de la tasa de bits errados (BER) en relación a la energía de bit por densidad de ruido (Eb/No). Como medio de validación de la herramienta, se compararon las simulaciones con resultados publicados en la literatura para SC-CDMA, sistemas de multiplexación espacial y sistemas OFDM, encontrando buena correspondencia.

In this paper, a simulation environment for multicarrier and single carrier MIMO systems is presented. The environment allows simulating the baseband stage of systems involving physical layer access techniques, such as CDMA and OFDMA, and transmitting diversity techniques, such as OSTBC and V-BLAST. It is possible to include different modulation techniques, as well as channel coding, multiplexing and multiple access techniques. Through the GUI, graphical results are shown in terms of bit error rate (BER) against bit energy per noise (Eb/No). As validation of the tool, simulations were compared with results available in the literature for SC-CDMA, spatial multiplexing, and OFDM systems, finding a good correspondence.