DEPARTAMENTO ENERGIA Y MECANICA

INGENIERIA MECATRONICA

AUTOMATIZACION INDUSTRIAL

TEMA: CONTROL DE UN MOTOR DE PASOS CON UN GRUPO DE

PERCEPTRONES.

OCTAVO NIVEL PARALELO B

INTEGRANTES:
Alay Adrian
Chimbo Cristian
Moreno Francisco

LATACUNGA ECUADOR
22 11 2015
1. Objetivo:
Realizar el control de un motor de pasos mediante la utilizacin de un
controlador a base de un grupo de perceptrones.

2. Generalidades:
El control del motor a pasos se realiza a travs del entrenamiento de dos neuronas, la
primera neurona ser e encarga de decidir la direccin de un sistema que consta de dos
sensores de luz y que va a girar hacia la izquierda o hacia la derecha por medio de un
motor a pasos.
La segunda neurona ser entrenada para decidir a qu velocidad va a girar el sistema
antes mencionado de acuerdo con la combinacin que presenten dos interruptores.

3. Procedimiento:

3.1 Parmetros de Funcionamiento.

Tabla 1: Tabla de verdad para neurona de Direccin

S1 S2 Salida
0 0 0
0 1 0
1 0 1
1 1 1

Donde:
1 = Izquierda
0 = derecha

Tabla 2: Tabla de verdad para neurona de Velocidad

S1 S2 Salida
0 0 0
0 1 0
1 0 0
1 1 1

Donde:
1 = rpido
0 = lento
3.2 Entrenamiento de las neuronas.
El entrenamiento consiste en encontrar los pesos que estn relacionados con cada una
de las entradas y con el umbral.
Para este caso, los pesos se encuentran mediante la utilizacin de un programa C++ y
se han obtenido.

Tabla 3: Pesos y Umbral de cada Neurona

Neurona de Direccin Neurona de Velocidad

3 0.55
0.5 0.45
1.2 1.14
2 2

3.3 Representacin grfica del perceptron a implementar.

Ilustracin 1: Representacin Grafica del Perceptron

3.4 Calculo de la salida (Y).

() = [ + ]
Para el caso de la neurona de direccin:
Tabla 4: Calculo de y(t) Neurona de Direccin

S1 S2 Salida y(t)
0 0 0 = 1.2(2) = 2.4

0 1 0 = 0.5(5) 1.2(2) = 0.1

1 0 1 = 3(5) 1.2(2) = 12.6

1 1 1 = 3(5) + 0.5(5) 1.2(2) = 15.1

Para el caso de la neurona de velocidad:

Tabla 5: Calculo de y(t) Neurona de Velocidad

S1 S2 Salida y(t)
0 0 0 = 1.14(2) = 2.2

0 1 0 = 0.45(5) 1.14(2) = 0.03

1 0 1 = 0.55(5) 1.14(2) = 0.47

1 1 1 = 0.55(5) + 0.45(5) 1.14(2) = 2.71

4. Implementacin mediante Amplificadores Operacionales:

4.1 Calculo de los parmetros de los Amplificadores Operacionales.

4.1.1 Caso de la entrada del Umbral

Ilustracin 2: Entrada de Umbral con Amplificador Inversor

 Neurona de Direccin Neurona de Velocidad
= = 2
= . = 2.28
= 2 = 10

2 10
= = () = . 1 = = (2) = 8.7
(. ) 0 (2.28)

= . 1 = 8.7

4.1.2 Caso de sumatoria de todos los pesos multiplicados por sus respectivas
entradas.

Ilustracin 3: Amplificador Sumador

Neurona de Direccin Neurona de Velocidad

Para el caso de S1 Para el caso de S1
= =
= ( ) = ( )
= ( = ) = . ( = . )

= = () = . = = () = .
() (. )

Para el caso de S2 Para el caso de S2

= =
= ( ) = ( )
= . ( = . ) = . ( = . )

= = () = = = () = .
(. ) (. )
4.1.3 Para el caso del amplificador Inversor.
Tanto para la neurona de direccin como de velocidad la salida del sumador es de signo
contrario al que debe tener, para esto se debe invertir con ganancia 1, mediante la
utilizacin de un amplificador inversos de ganancia 1.

Ilustracin 4: Amplificador Inversor

Donde: = =

4.1.4 Para el caso del amplificador Comparador.

La salida tiene que evaluarse en una funcin, esto lo hacemos mediante un amplificador
comparador, donde la salida del sumador ya invertido, se compara con un valor de voltaje
establecido, si el valor que sale es mayor que la de referencia es 1 (lgico), si el valor de
voltaje es menor es un 0 (lgico).

Ilustracin 5: Amplificador Comparador

4.2 Simulacin del Circuito tanto para la neurona de direccin como para la
neurona de velocidad.

Ilustracin 6: Circuito de Neurona Completo

4.3 Implementacin del circuito.

Ilustracin 7: Circuito Completo Implementado

5. Conclusiones:

Mediante la correcta utilizacin de amplificadores operaciones se puede realizar

la simulacin de una neurona artificial capaz de ser entrenado para resolver un
determinado problema.
Tanto la red neuronal para la direccin como la red para la velocidad poseen una
misma arquitectura, variando nicamente en las entradas, esto es debido a que la
red es pequea y tan solo de una capa.
La aplicacin de redes neuronales mediante utilizacin de amplificadores
operacionales se limita bastante, esto debido a que para una aplicacin pequea
de controlar la direccin de un motor se necesita de varios componentes
integrados y tiempo de implementacin, esto sera muy tedioso y complicado al
momento de que se dese implementar una red neuronal de varias capas para
resolver un problema ms complicado, como por ejemplo reconocimiento de voz
etc.

6. Recomendaciones:

Es recomendable de estar familiarizado con el proceso que se realiza, conociendo

a si los parmetros de entrada como salida, esto con la finalidad de poder
comparar resultados y corregir errores en caso de que los hubiera.
Se debe tener en cuenta las caractersticas de cada uno de los componentes que
se necesitan para la implementacin de la neurona, con la finalidad de armar
correctamente el circuito y evitar posibles daos de los componentes.
Es recomendable verificar los resultados obtenidos con los resultados deseados,
con el propsito de establecer posibles errores para toma de decisiones y sacar
sus propias conclusiones.