laboratorio 7: Automatización

Para ésta entrada escogí el problema P 9.2, el cuál consiste en sacar los diagramas de nyquist y sus margenes.

Funciones:

Para realizar éste problema utilicé la las funciones que nos proporciona octave las cuales son la de nyquist que nos devuelve su diagrama y margin.

Reporte Proyecto Final: Control de velocidad de un motor de corriente directa

Proyecto:

"Control de velocidad de un motor de corriente directa"

Introducción:

Existen diversas situaciones donde el control de la velocidad de un motor es crítica, por ejemplo, cuando un robot es movido por 2 motores y se quiere avanzar en cierta dirección, controlar la velocidad de ambos es importante. La velocidad de rotación de un disco duro o un lector de CD/DVD es otro caso. Para ello es necesario adaptar el motor a diversas situaciones de funcionamiento que puedan suceder, por ejemplo, si un móvil va cuesta arriba o cuesta abajo, o cuando existe fricción entre las partes.

Funcionamiento General:
Principalmente el proyecto esta constituido por 3 partes:

• Sensor: Que consta de un optointerruptor ITR8102 y un disco horadado como encoder.
• Microcontrolador: El cual es un Arduino UNO que procesa la salida del sensor para adaptar la velocidad.
• Planta: Será el motor eléctrico el cual será controlado.

Reporte Final Redes Neuronales

Introducción
La idea del proyecto es realizar una red neuronal que pudiera hacer pronósticos basándose en un historial o una serie de datos proporcionados por el usuario, la idea es integrar éste proyecto junto a otro(plusreports) y éste sirve como historial para predecir sucesos.

Para la arquitectura de la red neuronal, se piden 6 valores, que estos pueden ser días, semanas meses o años y la red neuronal te regresara el séptimo valor.

Aportaciones:
Mis aportaciones principalmente fueron de la entrada y procesamiento de datos:

• Neurona simple 
• Interfaz
• Lectura del archivo CSV
• Escalamiento de éste
• Gráficas
• Interpretación de post-procesamiento

Aprendizaje:
Para el aprendizaje de la red neuronal, se utiliza el algoritmo de back-propagation junto con la función sigmoidal y el proceso feedforward con aprendizaje persistente.

Seuencia:
La secuencia que sigue el programa empieza en la interfaz, donde el usuario podrá subir un archivo csv (acomodado por fecha, valor), teniendo éste archivo el programa lo separa por fechas y valores acomodandolos en dos archivos uno que es valores.txt y fecha.txt, que esto servirá para su representación, una vez obtenido ésto, el programa lo normaliza en escala de 0 a 1 y corre un python donde será devuelto valores una vez que se haya terminado, se retroalimenta el csv y se muestran en la gráfica.

Código
El código que hace todo ésto se encuentra en la siguiente carpeta:
https://github.com/rafaellopezgtz/neurored/tree/master/entrada

Repositorio:El repositorio se encuentra en el siguiente link, donde mi usuario es jsp
https://github.com/rafaellopezgtz/neurored/commits/master

Demo:
http://neurored.rafaellopezgtz.com/pagina/

Laboratorio 6 de Automatización

Para ésta entrada, me toco obtener la controlabilidad y observabiliad del sistema dado:

Respuesta:

Desarrollo:
Para obtener la observabilidad y controlabilidad del sistema se empleo octave usando la librería de control, con la función de ctrb, obsv y una vez tenidas éstas, emplear la función det, que te de su determinante.

Nota:
Otra de las formas para obtener ésto, es empleando la fórmula respectiva de cada una:

Donde la primera es la de controlabilidad y la segunda de observabilidad.

Cñódigo en Octave

Salidas:

Conclusiones
Donde podemos observar que la salida proporcionada de control y observabilidad da como salida 14 y 5, siendo el sistema completamente controlable ya que mensiona el teorema que este tiene un rango máximo y nuestra salida es dirente a cero, siendo ésto aceptable y el sistema es del todo observable ya que su salida es 5 y en el teorema mensiona que debe de ser diferente a cero.

Referencias:
http://es.wikipedia.org/wiki/Controlabilidad
http://es.wikipedia.org/wiki/Observabilidad

Reporte grupal Automatización

El reporte grupal de esta semana se encuentra en el blog de mi compañero Juan Carlos

El equipo esta conformado por:
Juan Carlos
Rafael

Lógica Temporal

Para ésta semana se seleccionó un ejercicio, el cuál me tocó realizar el siguiente:

14.1.9:

"If a professor is currently at the machine, there will be no student at the machine for at least the next three transitions."

Donde lo podemos traducir como:

"Si un profesor se encuentra actualmente en la máquina, no habrá ningún estudiante en la máquina durante al menos los próximos tres transiciones."

 (pam→(¬eam º tt))

pam = profesor esta en la máquina
eam = estudiante esta en la maquina
t t = tres transiciones

Referencias:
http://www.voronkov.com/lics_doc.cgi?what=chapter&n=14

Lectura Científica

Titulo:

"Optimal Estimation of Position and Heading for Mobile RobotsUsing Ultrasonic Beacons and Dead-reckoning".

Descripción:

Este tipo de control es utilizado para el posicionamiento y determinación en ángulo de un robot, cuando se encuentra que las ruedas del robot son imperfectas o se deslizan mucho, causando que se genere errores en la determinación de su posición.

Respuesta:
El artículo mensiona una solución al problema, usando guías ultrasónicos para saber su posición correcta, mejorando lo adaptativo del robot y sus actividades autónomas.

La estructura usada, para la resolución del problema fue usar 6 balizas(emisor de señal) ultrasónicos conectados a un control de transmisión, un receptor compuesto por 8 sensores ultrasónicos (receptores), tomando las señales de las balizas para sacar la estimación de posición  y orientación usando el filtro de Kalman, donde éste estima el estado de n dimensional de un sistema denotado por x, dado un conjunto de m dimensiones del vector y. El estado para localizarlo contiene la posición, orientación y velocidad del robot.
El filtro de Kalman ayuda a éste a encontrar el estado oculto de un sistema dinámico lineal, cuando se tiene diferentes valores de señal en tiempos diferentes (siendo éstos las emisiones y  recepciones de las balizas).

Donde aplica el control:
El control aplica, al momento de su retroalimentación, ya que las balizas mandan una señal y los receptores calculan los errores de posición, obteniendo así la retroalimentacón que será utilizada, ya sea para emitir su posición correcta actual, corregir su posición, o entre otras que éste destinada a ralizar

Ejemplos de posibles usos:
Principalmente en los carros  autónomos manejando ésto en zonas más grandes, como el prototipo del carro de google, carritos exploradores, etc.

Opinión:
Este tipo de control en lo personal me podría ayudar, ya que en proyectos anteriores buscaba controlar un carrito, pequeños robots o drones en una determinada zona, mejorando la transición que seguiria el robot, como pasar algunos obstáculos.

Desventajas:
Algunas de las  desventajas que encontré fue que no muchas veces se buscará una zona determinada, así que depende mucho de las balizas y que éstas al ponerlas en zonas mas grandes el tiempo de transmisión o recepción aumentaría, otra de ellas fue que hoy en día varios sistemas o robots móviles emplean sensores lasers para  su correcta calibración o como guía de posicionamiento, siendo esto más exacto y más rapido.

Referencia:
http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=220053

Expresión w-regular

Para ésta entrada se busco hacer hacer una expresión w-regular y una vez tenida sacar el NBA, mi ejemplo a expresar es cuando se intenta entrar a una casa con las llaves

La expresión es la siguiente:

Donde:

• A es indicado (llave indicada)
• B es cambiar (cambiamos llaves)
• C es intento (intentamos con la llave actual)

Expresando que: si no es la indicada en cantidad finitas, cambiamos e intentamos infinitamente.

El NBA es el siguiente:

Referencias:
http://goo.gl/izfGR
http://goo.gl/BS4IJ
http://goo.gl/5m2Tz
http://goo.gl/Yf8dL

Tarea 5: Dibujar el diagrama de Bode

Para ésta entrada, me tocó realizar el diagrama de bode de la siguiente función:

Desarrollo:

Así que lo buscado será primero simplificar, para hacerlo más fácil.

 Una vez tenido el polinonio es multiplicado por 30.3215

Ahora tenemos el num. y den.

Una vez que se obtiene ésto es mas fácil graficarlo con octave ya que tiene una función propia

Código:

num = [30.3215 39.41795 12.81083];
den = [0 1 0];
s1 = tf(den, num)
bode(s1)

Salida:

Result Steganography

The images that have information are:

code

letter 

url

The content of each one are: a letter, an url and the code of my program.

code:

from sys import argv
from PIL import Image

def openFile(fileName):
    f = open(fileName, 'r')
    mensaje = list()
    for line in f:
        mensaje.append(line)
    f.close()
    return "".join(mensaje)

def setMsn(mensaje):
    m2 = list()
    mensaje = list(mensaje)
    
    for i in mensaje:
        u = bin(ord(i))[2:].zfill(8)
        for j in u:
            m2.append(j)
    return m2

def getMsn(mensaje):
    m2 = list()
    a = 1
    b = ''
    for i in mensaje:
        b = b+i
        if(a%8 == 0):
            m2.append(chr(int(b,2)))
            b = ''
                       
        a = a + 1
    return "".join(m2)

def pixelF(m2, v, count):
    if(v[7:8] != m2[count]):
        v = v[:7]+m2[count]
    else:
        v = v
    return int(v, 2)
            
def openImage(fileName, m2):
    im = Image.open(fileName)
    rgb = im.convert('RGB')
    c = 0

    while c != len(m2)-1:
        for i in range(0, im.size[0], 3):
            for j in range(im.size[1]):
                b = rgb.getpixel((i, j))[2]
                v = bin(b)[2:].zfill(8)

                w = pixelF(m2, v, c)

                r = rgb.getpixel((i, j))[0]
                g = rgb.getpixel((i, j))[1]

                d = tuple([r,g,w])
                im.putpixel((i,j),d)
                if(c == len(m2)-1): break
                c = c+1
    im.save(str(2)+fileName, "PNG")

def decodeM(fileName):
    im = Image.open(fileName)
    rgb = im.convert('RGB')
    arrayRGB = list()

    for i in range(0, im.size[0], 3):
        for j in range(im.size[1]):
            b = rgb.getpixel((i, j))[2]
            v = bin(b)[2:].zfill(8)
            arrayRGB.append(v[7:8])
    return arrayRGB

def main():

    mensaje = openFile(argv[1])
    mensaje = setMsn(mensaje)
   
    imagen = argv[2]
    print imagen
    w = openImage(imagen, mensaje)

    m2 = decodeM(str(2)+imagen)
    print getMsn(m2)
    
main()

The code take 2 parameters, the name of the file that contains the information and the name of the image to save.
> criptoImage.py fileInformation.txt image.png > dInformation.txt

To decrypt we can use the next code:
 

from sys import argv
from PIL import Image

def getMsn(mensaje):
    m2 = list()
    a = 1
    b = ''
    for i in mensaje:
        b = b+i
        if(a%8 == 0):
            m2.append(chr(int(b,2)))
            b = ''
                       
        a = a + 1
    return "".join(m2)

def decodeM(fileName):
    im = Image.open(fileName)
    rgb = im.convert('RGB')
    arrayRGB = list()

    for i in range(0, im.size[0], 3):
        for j in range(im.size[1]):
            b = rgb.getpixel((i, j))[2]
            v = bin(b)[2:].zfill(8)
            arrayRGB.append(v[7:8])
    return arrayRGB

def main():

    m2 = decodeM(str(1)+imagen)
    print getMsn(m2)
    
main()

This code only takes the name of the image