https://hdl.handle.net/20.500.12008/29 Reúne las tesis de grado Tue, 19 May 2026 12:26:19 GMT 2026-05-19T12:26:19Z https://hdl.handle.net/20.500.12008/53674 Título: EDA : Experimentación con Drones Autónomos Autor: Barros, Leandro; Da Costa, Bruno; García, Mauro; Rodríguez, Tobias Resumen: Este proyecto desarrolla una plataforma experimental para el vuelo coordinado de un enjambre de drones orientado al estudio de algoritmos de posicionamiento que garanticen conectividad inalámbrica entre agentes distribuidos. El problema abordado es la coordinación y el posicionamiento de múltiples vehículos aéreos no tripulados que operan de forma autónoma, distinguiendo entre drones de tarea, responsables de realizar rutinas predefinidas dentro un área de vuelo asignada, y drones de red, dedicados a soportar la comunicación sin intervención de un piloto, todos ellos integrados en una única red adhoc durante la operación. La solución integra una plataforma de hardware basada en cuadricópteros con controladora de vuelo PX4, computadora a bordo y sistema de propulsión eléctrico, una red inalámbrica mallada sobre batman-adv, una arquitectura de software distribuida en ROS 2 y un entorno de simulación específico que permite replicar los experimentos mediante PX4 SITL, Docker y contenedores dedicados por dron. Sobre esta infraestructura se implementaron e integraron dos algoritmos centralizados de posicionamiento: el algoritmo diseñado por el equipo C-DFLP (Clustering - Dynamic Facility Location Problem), para ubicar drones de red a partir de clusters generados mediante las posiciones de los drones de tarea, y el algoritmo GIOD Centralized (Graph Infrastructure On Demand Centralized), basado en aprendizaje automático, que realiza una optimización continua de los agentes de red. La plataforma se validó mediante experimentos individuales y en enjambre, tanto en simulación como en campo, incluyendo vuelos autónomos de figuras geométricas, pruebas estáticas de evaluación de enlaces y experimentos dinámicos con hasta cinco drones operando de forma coordinada. Durante estas pruebas, los drones registran datos de telemetría de los vuelos y métricas de enlaces en una base de datos utilizada para analizar los mismos. Los resultados muestran que la plataforma es robusta para ejecutar misiones reproducibles, permite extender el alcance efectivo de comunicación a través de drones de red y ofrece una base sólida para la experimentación futura con algoritmos de posicionamiento más avanzados. Wed, 01 Jan 2025 00:00:00 GMT https://hdl.handle.net/20.500.12008/53674 2025-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/53563 Título: AutoBMS : Sistema de gestión de baterías para vehículos eléctricos Autor: Batista, Nahuel; Bravo, Alejo; Tutzo, Francisco Resumen: El crecimiento sostenido de la movilidad eléctrica y del almacenamiento de energía a nivel mundial ha incrementado la necesidad de optimizar la seguridad y la vida útil de las baterías recargables. En particular, las baterías de litio presentan una alta densidad energética, pero también riesgos asociados a sobrecargas, sobredescargas o condiciones térmicas extremas, lo que exige sistemas de control confiables. Los Sistemas de Gestión de Baterías constituyen la herramienta fundamental para enfrentar estos desafíos. Son responsables de supervisar las variables críticas, proteger ante fallas y preservar la longevidad de prácticamente todas las baterías que hoy impulsan vehículos eléctricos o alimentan aplicaciones estacionarias. En este marco surge AutoBMS, un BMS abierto, documentado y configurable, concebido como recurso académico para la Facultad de Ingeniería. Se diseñaron el hardware y el firmware del sistema y se fabricó un prototipo funcional en un único circuito impreso. Además, se desarrolló una interfaz gráfica que permite monitorear el estado de la batería y ajustar parámetros de manera sencilla, facilitando su uso en ensayos y prácticas. El sistema desarrollado permite medir los parámetros eléctricos y térmicos de cada celda de la batería y, a partir de dicha información, implementar mecanismos de protección, generar avisos ante condiciones de riesgo, equilibrar el estado de carga de las celdas y comunicar los datos relevantes a dispositivos externos, como la unidad de control del vehículo o un PC. En síntesis, AutoBMS constituye una solución eficiente y autónoma, con potencial de adaptación a diferentes aplicaciones y con margen para expandir sus funcionalidades futuras. Todos los archivos de diseño se encuentran disponibles públicamente en el repositorio GitLab del proyecto (https://gitlab.fing.edu.uy/autobms) Wed, 01 Jan 2025 00:00:00 GMT https://hdl.handle.net/20.500.12008/53563 2025-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/53562 Título: Arquitectura para el procesamiento, modelado y visualización de datos de redes ópticas Autor: Faget, Ignacio; Ramírez, Joaquín Resumen: En el marco de este proyecto de grado se aborda el desafío de mejorar la gestión y el análisis de datos en redes ópticas, tomando como caso de estudio la red de transporte óptica de Administración Nacional de Telecomunicaciones (ANTEL) basada en tecnología del fabricante Infinera. El trabajo se desarrolla en el contexto de una colaboración entre el grupo de investigación Optical Mobile Network Integration (OMNI) (integrado por investigadores de los institutos de Computación e Ingeniería Eléctrica) y el área de Red de Transporte de ANTEL, con el objetivo de apoyar la operativa de la red mediante técnicas de modelado, procesamiento, visualización de datos y análisis de desempeño. El proyecto se centra en el diseño e implementación de un sistema integral que organiza la información disponible en archivos de monitoreo y la transforma en estructuras de datos coherentes con el dominio de la red. A partir de este proceso, se construye una representación que permite integrar inventario, topología, servicios y métricas de rendimiento históricas en un entorno de consulta, habilitando la exploración y el análisis interactivo de la infraestructura y su comportamiento. Como resultado, se dispone de una herramienta que facilita la consulta operativa y el análisis técnico, reduciendo la dependencia de conocimiento experto y mejorando la accesibilidad a la información. Como proyección, el trabajo sienta bases para extender el procesamiento hacia entornos distribuidos y avanzar hacia capacidades de análisis de mayor complejidad. En particular, establece un precedente para futuras investigaciones y desarrollos en analítica y aprendizaje automático aplicados a redes ópticas, y habilita la incorporación de funcionalidades como la automatización de diagnósticos, así como la optimización y la gestión dinámica de rutas de servicio, apoyadas en los modelos de datos implementados. Descripción: Títulos obtenidos: Ignacio Faget, Ingeniero en Sistemas de Comunicación; Joaquín Ramírez, Ingeniero Electricista. Thu, 01 Jan 2026 00:00:00 GMT https://hdl.handle.net/20.500.12008/53562 2026-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/53557 Título: Control MPC basado en PINCs para manipulador articulado Autor: Baliosian, Rodrigo; Gil, Facundo; Ibarburu, Marcos Resumen: Este proyecto se centra en el desarrollo de un sistema de control para manipuladores robóticos, combinando técnicas de Control Predictivo por Modelo (MPC) con Redes Neuronales Informadas por Física para Control (PINCs), introducidas en 2024. El objetivo principal es aprovechar el conocimiento físico del sistema dinámico para mejorar la eficiencia y la robustez del control, reduciendo la dependencia de modelos analíticos exactos y mejorando la capacidad de generalización frente a perturbaciones o incertidumbres. Se implementa un esquema de control MPC completo en ROS 2, integrando la comunicación en tiempo real con la simulación del robot y el cálculo de trayectorias articulares. Paralelamente, se entrena una PINC capaz de aproximar la dinámica del manipulador a partir de las ecuaciones físicas del sistema y de la acción de control impuesta, incorporando restricciones de consistencia dinámica en el entrenamiento. Esta red se integra luego dentro del esquema MPC, reemplazando al modelo analítico tradicional y permitiendo predecir la evolución del sistema bajo diferentes secuencias de control. Como metodología de trabajo, se utilizan simulaciones basadas en el modelo del brazo robótico OpenManipulator-X dentro del entorno Gazebo, con el fin de validar el comportamiento del controlador y la precisión de la red en escenarios controlados. Se presentan pruebas comparativas entre controladores con modelo analítico y con modelo neuronal, evaluando desempeño. Los resultados muestran que la incorporación de una red informada por la física dentro del MPC permite mantener el desempeño del control. Además, la integración en ROS 2 proporciona una arquitectura modular y escalable, apta tanto para simulación como para futuras implementaciones físicas. En conjunto, el proyecto demuestra el potencial de las PINCs como modelos predictivos dentro de esquemas de control MPC, y sienta las bases para su aplicación en sistemas robóticos reales. Wed, 01 Jan 2025 00:00:00 GMT https://hdl.handle.net/20.500.12008/53557 2025-01-01T00:00:00Z