CONTROL INTERMEDIO DE AVANCE

FERIA “CIENCIA EN CASA”

Formulación de un modelo matemático de aprendizaje

TÍTULO DEL PROYECTO: autónomo mediante redes neurales para la obtener el
huevo duro perfecto aplicando un elemento final de
control
Rodrigo Surculento Villalobos
PARTICIPANTE 1:

RESUMEN: El proyecto consiste en formular un modelo matemático de aprendizaje

autónomo mediante el uso de redes neurales para un proceso de control autónomo de
calentamiento para la obtención de un producto concreto.

OBJETIVOS REALIZADOS HASTA LA FECHA:

Realizar un diseño experimental para obtener un rango de optimización.

Construir un equipo de control de proceso con su controlador, sensor y elemento final

de control.

METODOLOGÍA Y MATERIALES:

Metodología Primera Etapa

Creación de un datalogger de temperatura y potencia de un calefactor mediante un dimmer
el cual varía el voltaje aplicado en el elemento final de control y también registrara la
evolución del perfil de temperatura en el recipiente, en síntesis, el primer paso es la
creación del equipo de control y medición.
Materiales Primera Etapa
Arduino nano, PCB de Prototipado, DS18B20, Calefactor 10W, RTC 3231,
Módulo micro SD, display LCD 16x2, estructura 3D

LIMITACIONES ENCONTRADAS HASTA EL MOMENTO:

Ninguna

MODIFICACIONES A LA METODOLOGÍA PREVISTA (SI EXISTIERAN):

Ninguna

BIBLIOGRAFÍA BÁSICA UTILIZADA (DE PREFERENCIA EN FORMATO IEEE o

APA):

Ninguna
IMÁGENES DE RESPALDO (MÍNIMO 5 IMÁGENES DEL PROYECTO CON PIE DE
FOTO EXPLICANDO DETALLADAMENTE LO QUE SE OBSERVA EN LAS
MISMAS):

Cuerpo del sensor diseñado y posteriormente impreso en 3D con resina PLA, para la
estabilidad y protección del circuito.
Sensor DS18B20 para la medición de temperatura dentro de un medio acuoso, rango
de operación de -55° hasta 150°C.
Circuito interno del sensor y sistema de data logging, se observan, bornes, RTC,
display LCD 16x2, Cable tipo B para arduino nano.
Elemento final de control, calefactor de agua de 10W de potencia.

Diseño experimental del proceso para poder establecer los valores iniciales para el
algoritmo de aprendizaje. Se observan las variables numéricas, Temperatura, Tiempo
de proceso, Posición del calefactor. El diseño es un diseñó factorial 2^3.