Search

La falta de prevención por parte de los conductores lleva a revisar sus vehículos cuando presentan alguna falla que evita que el automóvil funcione. Algunas de estas fallas se presentan por falta de mantenimiento, desconocimiento o por descuido del propietario, así como elementos naturales tales como polvo y agua. Una de las fallas que se presenta es el desgaste de electrodos en bujías. En este trabajo se desarrolló una técnica no invasiva que detecta y clasifica puntualmente las fallas por desgaste de electrodos en bujías de automóviles para prevenir daños más graves, y un mayor consumo de combustible. Al ser una técnica no invasiva se reduce el tiempo en el que el automóvil se encuentra en mantenimiento. El proyecto se desarrolló en tres etapas. En la primera se realizó la grabación de las señales acústicas provenientes de dos motores de automóviles (Honda Civic y Seat Ibiza) con desgaste en los electrodos de las bujías. Dichas grabaciones se sometieron a un análisis en donde se etiquetaron con el fin de tener tres clasificaciones posibles: ninguna falla, 1 falla y 2 fallas. En la segunda etapa se realizó un pre-procesamiento en la que se acortaron en duración las grabaciones, se obtuvieron los espectrogramas y se extrajeron tanto las características MFCC (Mel Frequency Cepstral Coefficients) como las características estadísticas de primer y segundo grado (Media, Mediana, Moda, desviación estándar, varianza, percentiles, etc) de las señales acústicas, para construir dos bases de datos. La detección de fallas se llevó a cabo mediante los clasificadores K-NN (K Nearest Neighbour) y SVM (Support Vector Machine). Las bases de datos se subdividieron en dos subconjuntos con el fin de entrenar y validar los modelos de clasificación. En la tercera etapa se utilizó el escáner ELM327 para determinar el consumo de combustible en cada una de las pruebas realizadas a los dos automóviles. La clasificación utilizando las características de los espectrogramas produjeron una eficiencia del 100% en el entrenamiento y un 53% en la validación del modelo en el mejor de los casos. Cuando se utilizaron las características estadísticas y MFCC la eficiencia en el entrenamiento bajo al 95% y subió hasta el 100% en la validación. De acuerdo a los registros obtenidos del consumo de combustible se tiene que con la presencia de una bujía con electrodos desgastados el consumo incrementa un 2%, mientras que con la presencia de dos bujías con electrodos desgastados el consumo incrementa hasta un 8%. El uso de MFCC y características estadísticas incrementa la eficiencia de la clasificación de las señales acústicas.

The thesis work presents an analysis of a multiclass classification problem through the analysis of acoustic signals to identify healthy bee colonies, queenless colonies and colonies of low population. Five colonies of Carniola honey bee were studied under diferent biological conditions. A monitor system based on a Raspberry Pi 2 and omnidirectional microphones was implemented to study the honey bee colonies. The analysis methodology is based on MFCC's and a penalized Lasso logistic regression model. The results show that is possible to identify every condition in the model with a high classification rate. However, the most interesting results came from the cluster analysis of the data through scatters plots of singular value decomposition. The results show that samples that represents the same condition tend to group, also, the colonies can generate slightly diferent patterns and the data clusters of the same condition tend to be close, the clusters can be afected by healthy conditions, weather, number of bees and ecological factors. Finally, an analysis of the monitoring parameters to determinate the data size and number of samples that ofter a good performance and with a minimum memory space requirement was carried out. El trabajo de tesis presenta un análisis de un problema de clasificación multiclase para identificar colonias saludables, sin reina y de baja población, mediante el análisis de las señales acústicas. Se estudiaron cinco colonias de abeja carniola en distintas condiciones biológicas. Para grabar el sonido de las colonias de abejas se implementó un sistema de monitoreo basado en una Raspberry Pi 2 y micrófonos omnidireccionales. La metodología de análisis está basada en MFCC y un modelo de clasificación penalizado mediante Regresión Logística Lasso. Los resultados demuestran que es posible identificar cada una de las condiciones bajo estudio con una alta tasa de correcta clasificación. Sin embargo, la parte más interesante del estudio se centra en el análisis de los conglomerados mediante gráficas de dispersión utilizando descomposición en valores singulares. El análisis permitió observar que las muestras de colonias que representan la misma condición se agrupan, además, las colonias pueden generar ligeras variaciones en el patrón y puede estar relacionado con su estado de salud, volumen poblacional y actividad de pecoreo. Finalmente, se calcularon los parámetros de monitoreo para determinar la cantidad de muestras y la longitud que brinden un buen rendimiento y al mismo tiempo el espacio de almacenamiento en memoria sea mínimo.

El siguiente trabajo está enfocado en la detección de fuentes acústicas no deseadas usando tecnología de Monitoreo Acústico Pasivo o PAM por sus siglas en inglés (Passive Acoustic Monitoring). Siendo la parte central del trabajo la localización de una fuente acústica, se ha utilizado un sistema formado por un arreglo circular de ocho sensores, y la tarjeta de desarrollo Matrix Creator en una plataforma Raspberry 3Pi. Para lograr la detección y localización de una señal con monitoreo pasivo se determinó por DOA (Direction of arrival). Ahora bien, la determinación del DOA se puede hacer de diferentes maneras, la más general es por medio de TDOA (time difference of arrival). El TDOA mide el retardo con el cual llega la señal bajo estudio a cada par de sensores. Una forma de medir este retardo es por medio de la correlación. En este trabajo se desarrollaron pruebas de localización acústica con un arreglo circular de micrófonos el cual está disponible en una versión comercial. Se probaron diferentes algoritmos de localización como el algoritmo N-M máximo descenso, y MUSIC en la estimación de Dirección de arribo (DOA). El trabajo presenta una propuesta de monitoreo acústico pasivo ante el problema de la contaminación acústica marina. Aunque no se realizaron pruebas en agua debido al tiempo y la ubicación geográfica donde se realizó este trabajo, existe mucha información auxiliar para ampliar este tipo de investigaciones, que explican y demuestran el efecto catastrófico de estas tecnologías de rastreo a gran escala. Este proyecto se enfoca en herramientas de software disponibles y gratuitas para encontrar la dirección de la fuente emisora nociva DOA para mamíferos marinos en coordenadas polares y cartesianas, con el uso de nuevos sistemas experimentales de hardware como Matrix Creator y Raspberry3Pi que tienen muchas ventajas para investigaciones académicas, para el desarrollo de nuevas tecnologías que sirvan para la concientización y mitigación acústica para el comienzo del restablecimiento de la vida acuática y sub acuática.

Hoy en día la navegación por GPS es una herramienta muy útil para la humanidad, mediante esta tecnología las personas pueden desplazarse por lugares en los cuales no han estado antes con cierto grado de precisión. Algunos dispositivos de navegación terrestre incorporan mapas cargados previamente, lo que permite una mejor experiencia en navegación. Como la mayoría de la tecnología, el sistema GPS surgió como una idea de régimen militar implementada por el departamento de defensa de Estados Unidos, pero con el pasar de los años se optó por permitir su uso a la comunidad civil para aplicaciones de posicionamiento, navegación, ubicación de vehículos, etc. El posicionamiento por GPS se basa principalmente en la ubicación de un punto sobre la superficie terrestre por medio de un satélite transmisor y un receptor que se ubica por medio del principio de Triangulación. Las unidades de medición inercial o IMU (por sus siglas en inglés), son dispositivos que miden aceleración y orientación, que implementados con algún procesador o sistema de cómputos permiten crear un sistema de navegación inercial o INS (por sus siglas en ingles). El enfoque de esta investigación es hacer un sistema de bajo costo que permita fusionar los datos provenientes de los sistemas INS/GPS por medio de un filtro de Kalman, esto con la finalidad de aprovechar las características propias de cada sistema y mejorar la precisión del posicionamiento por GPS, logrando minimizar el error con hasta un 98%. Mientras otros sistemas similares cuestan aproximadamente entre 1,300 y 3,500 dólares (26,104 pesos y 70,280 pesos, respectivamente), el sistema propuesto en esta investigación tiene un costo aproximado de 1,400 pesos (70 dólares).

By oral communication , human beings have achieved, among other things, the transmission of ideas and knowledge. However, good communication regardless of the language, should be clear, objective and expressive so that what is meant is what the listener understands. A few decades ago it was thought that training the voice was matter of commentators, announcers, reporters, and others. Today, however, we can’t leave this matter to those areas; instead, anyone needs to talk a correct, clear and natural language. Speech recognition is based on the research of the process of speech and communication, and how this knowledge can be applied as a tool for different purposes. The focus of this research is the use of Hidden Markov Models in order to perform tests of diction in the Spanish language on isolated words. To do so, we propose three different methods which are modifications in the application of Hidden Markov Models which are Hidden Markov Models with DTW (MDTW), Hidden Markov Models with DTW approximated by left and right (MID) and Hidden Markov Models filling words (MRP). Through this research for speech recognition, becomes possible to distinguish between qualities of diction and a recognition efficiency above 90 % for any of the proposed methods. Gracias a la comunicación oral el ser humano ha logrado, entre otras cosas, la transmisión de ideas y conocimientos. Sin embargo, la buena comunicación, independientemente del idioma, debe ser clara, objetiva y expresiva con el fin de que lo que se quiere expresar sea lo que el oyente entienda. Hace algunas décadas se pensaba que educar la voz era asunto de los comentaristas, locutores, reporteros, entre otros. Hoy en día, sin embargo, no se puede dejar este asunto para aquellas áreas antes mencionadas sino que cualquier persona necesita hablar un lenguaje correcto, claro y natural. El reconocimiento de voz se basa en el estudio sobre el proceso del habla y la comunicación, y la forma en que este conocimiento puede ser aplicado como herramienta para diversas finalidades. El enfoque de esta investigación es la aplicación de Modelos Ocultos de Markov con la finalidad de realizar pruebas de dicción en el idioma español de palabras aisladas. Para ello se propone el uso de tres diferentes métodos que son modificaciones en la aplicación de Modelos Ocultos de Markov los cuales son Modelos Ocultos de Markov con DTW (MDTW), Modelos Ocultos de Markov con DTW aproximado por izquierda y derecha (MID) y Modelos Ocultos de Markov con relleno de palabras (MRP). Mediante esta investigación para reconocimiento del habla se hace posible el distinguir entre calidades de dicción y con una eficiencia de reconocimiento por encima del 90 % para cualquiera de los métodos propuestos.