Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/22562
Title: Desarrollo de un modelo con técnicas de inteligencia artificial para el análisis y optimización de la eficiencia de colectores solares con tubos de vacío, de uso doméstico para la ciudad de Riobamba.
Authors: Hernández Vivanco, Jordy Alexander
Keywords: REDES NEURONALES ARTIFICIALES
SISTEMA DE INFERENCIA ADAPTATIVO NEURO-DIFUSO
COEFICIENTE DE CORRELACIÓN
INTELIGENCIA ARTIFICIAL
Issue Date: Mar-2022
Publisher: Quito : EPN, 2022
Citation: Hernández Vivanco, J. A. (2022). Desarrollo de un modelo con técnicas de inteligencia artificial para el análisis y optimización de la eficiencia de colectores solares con tubos de vacío, de uso doméstico para la ciudad de Riobamba. 94 páginas. Quito : EPN.
Abstract: In this thesis ANFIS and NNML are used to analyze and optimize the efficiency of solar collectors with vacuum tubes for domestic use in the city of Riobamba. For the purpose of designing and manufacturing solar thermal collectors, efficiency is a fundamental parameter and the input variables that differ in their performance are collector area, solar irradiation and vacuum percentage. The data generated by ANFIS simulating the behavior of the different parameters that affect the efficiency of the solar collector were normalized and classified in order to train and validate the NNML models. The NNFB, NNLR and NNRB outputs were compared with each other using RMSE, MAPE, R^2 and MSE functions. Different characteristics of the neural networks, such as number of hidden layers, number of neurons in that layer, training algorithms and activation function were modified to obtain the best architecture of the neural networks. NNRB with GDX training function, obtained better performance, with an R^2 of 0.99999; obtaining as a result that the models with artificial intelligence techniques have a very high performance to analyze and optimize the efficiency of solar collectors.
Description: En esta tesis de grado ANFIS y NNML, son empleados para analizar y optimizar la eficiencia de colectores solares con tubos de vacío, de uso doméstico para la ciudad de Riobamba. Con el propósito de diseñar y manufacturar colectores solares térmicos, la eficiencia es un parámetro fundamental y las variables de entrada que difieren en su rendimiento son el área del colecto, la irradiación solar y el porcentaje de vacío. Los datos generados mediante ANFIS simulando el comportamiento de los diferentes parámetros que inciden en la eficiencia del colector solar, fueron normalizados y clasificados con el fin de entrenar y validar los modelos NNML. Las salidas NNFB, NNLR y NNRB fueron comparados entre ellos mediante las funciones RMSE, MAPE, R^2 y MSE. Diferentes características de las redes neuronales, como la cantidad de capas ocultas, cantidad de neuronas en dicha capa, los algoritmos de entrenamiento y función de activación fueron modificados para obtener la mejor arquitectura de las redes neuronales. NNRB con la función de entrenamiento GDX, obtuvo mejor rendimiento, con un R^2 de 0,99999; obteniendo como resultado que los modelos con técnicas de inteligencia artificial tienen un desempeño muy elevado para analizar y optimizar la eficiencia de los colectores solares.
URI: http://bibdigital.epn.edu.ec/handle/15000/22562
Appears in Collections:Tesis Maestría en Mecatrónica y Robótica (FIM)

Files in This Item:
File Description SizeFormat 
CD 12224.pdf4,84 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.