Un sistema mecatrónico autónomo es un ejemplo de sistema inteligente. Su funcionalidad depende de numerosos sensores dispares a través de los cuales el sistema capta una imagen coherente de lo que ocurre en su interior y a su alrededor. En este artículo se describen las formas de integrar la inteligencia mediante la fusión y el aprendizaje de la información. El proceso se ejemplifica con la navegación inteligente de una máquina móvil. La viabilidad del enfoque elegido queda demostrada tanto por la simulación como por el experimento real.
INTRODUCCIÓN
Los sistemas mecánicos y eléctricos se integran cada vez más mediante hardware y software, dando lugar a sistemas integrados denominados "sistemas mecatrónicos". En la búsqueda de un equilibrio óptimo entre estructura mecánica, sensores, actuadores y control automático, la inteligencia incorporada desempeña un papel decisivo. Podría decirse que los problemas de la inteligencia incorporada centran tanto la investigación industrial como la académica. Ya a principios de los setenta, K.S. Fu [1] relacionó el sistema inteligente con la capacidad de tomar decisiones y adaptarse a situaciones nuevas e inciertas. A diferencia de los sistemas estrictamente deterministas, los sistemas inteligentes pueden funcionar hasta cierto punto de forma poco fiable cuando se les exige procesar información imprecisa e incompleta.
Queda mucho por hacer para equiparar los sistemas inteligentes actuales a los seres vivos de bajo rango, como los insectos, las colonias de hormigas, las bandadas de pájaros, etc. De todos modos, se han alcanzado algunos resultados parciales positivos y prometedores. Los sistemas vivos muestran una robustez natural frente a los cambios dinámicos impredecibles y omnipresentes del entorno. Esto se debe al hecho de que su organización (es decir, la estructura de los canales de información y control del sistema) muestra una fuerte adaptabilidad funcional y estructural. Esto es justo lo que aún no está plenamente desarrollado en los sistemas artificiales.
Los enfoques tradicionales para integrar la inteligencia se basan en la llamada inteligencia artificial a la antigua [2] , es decir, la percepción y el razonamiento off-line, de alto nivel y principalmente simbólico, que es difícil de implementar en máquinas móviles autónomas. Los enfoques actuales se basan sobre todo en métodos y medios de soft-computing, como la lógica difusa, las redes neuronales y los algoritmos genéticos. A este respecto, cabe mencionar que los sistemas inteligentes no pueden limitarse a los que emplean componentes particulares de la informática blanda, como se hace con frecuencia. Los medios particulares de soft computing deben considerarse meros bloques de construcción. Lo que hace inteligente al sistema es el uso sinérgico de estas técnicas, que fusionan datos elementales, patrones y conocimientos en la inteligencia global del sistema inteligente.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Página web:
ChemSep : Modelado de procesos de separación
Artículo:
Simulación por elementos finitos del comportamiento de deformación de agujeros prefabricados en chapas ultrapesadas mediante laminación a temperatura gradiente
Artículo:
Estudios de calidad y rentabilidad de un nuevo concepto de eje principal forjado de matriz abierta para centrales eléctricas
Artículo:
Un algoritmo para la identificación de objetos molestos en el espacio urbano en relación con la función social del desarrollo sostenible
Artículo:
Diseño y simulación de un micro eyector basado en nitinol
Artículo:
Medicina de la conservación ¿una disciplina para médicos veterinarios?
Libro:
Tratamiento de aguas para consumo humano : plantas de filtración rápida. Manual II : diseño de plantas de tecnología apropiada
Artículo:
Configuración de los valores de María, antes y después de la violación, en Satanás de Mario Mendoza
Showroom:
Panel fotovoltaico: Dimensionamiento y funcionamiento