OPTIMIZING THE TRANSFER OF ENERGY IN A HEAT EXCHANGER MINIMIZING THE CORROSION PROBLEMS IN PIPES IN A HYDROELECTRIC POWER STATION USING DATA MINING AND SUPPORT VECTOR MACHINE

VICTOR MANUEL ZEZATTI FLORES GUSTAVO URQUIZA BELTRAN MIGUEL ANGEL BASURTO PENSADO LAURA LILIA CASTRO GOMEZ (2019, [Artículo])

This research is based on the operation tube heat exchangers, their use and problematic on hydroelectric power plants. It is based on the design heat exchanger tubes for industrial use, which took the parameters of operation, design, working fluids (air and water) and conditions to assemble a monitoring equipment at appropriate scale for the laboratory, with the necessary measurement instruments to analyze the behavior of heat energy transfer by means of thermocouples, the velocity of the air with a hot wire anemometer and the flow of water with a turbine flow meter, in pipes of different materials: copper, steel 1018 and stainless steel 316L, all in ideal conditions, and with this to found a comparative parameter with pipes of the same materials but under conditions of deterioration with the presence of forced oxidation and with the data mining and support vector machine can be minimized the corrosion problems in pipes.

INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS Data Mining, Support Vector Machine, Pattern Recognition and Decision Support System, heat exchangers.

Competencia socioemocional y toma de decisiones en el rendimiento académico de estudiantes universitarios

MAYRA DELGADO VILLALOBOS (2023, [Tesis de doctorado])

Las emociones sociales forman parte de la complejidad interna de una sociedad donde

confluyen niveles de estructura social: las interacciones entre sus individuos, los patrones

de relación entre ellos y sus principios de organización. Las emociones sociales subyacen

a esta complejidad e incluyen mecanismos de autorregulación que permiten a los

individuos desarrollar habilidades socioemocionales para evaluar cuándo y con quién

cooperar o competir, regular las respuestas emocionales y el comportamiento en

situaciones sociales, mantener relaciones de largo plazo, favorecer la prosocialidad y la

cohesión grupal. Estas habilidades son fundamentales en nuestros entornos culturales

dinámicos. Por ello, la OECD las considera habilidades del siglo XXI.

Desde una perspectiva interdisciplinar con énfasis en la cognición social, en la

presente investigación se revisó la importancia y la función de las emociones sociales, y

con base en los diferentes niveles de complejidad social se propone una distinción entre

habilidades y competencias socioemocionales. También se revisaron diversos enfoques

teóricos sobre estas competencias, así como la metodología para su evaluación en la

educación universitaria. Asimismo, se realizó un estudio exploratorio con un diseño

transversal y la muestra se conformó por 104 estudiantes universitarios. El modelo teórico

propuesto se probó mediante ecuaciones estructurales, encontrándose diferencias

significativas entre el compromiso académico y el rendimiento académico, la resiliencia

y el razonamiento.

Social emotions are part of the internal complexity of a society where levels of social

structure converge: the interactions between its individuals, the relationships patterns

between them and their organizational principles. Social emotions underlie this

complexity and include self-regulation mechanisms that allow individuals to develop

socioemotional skills to assess when and with whom to cooperate or compete, regulate

emotional responses and behavior in social situations, maintain long-term relationships,

promote prosociality and group cohesion. These skills are essential in our dynamic

cultural environments. For this reason, the OECD considers them 21st century skills.

From an interdisciplinary perspective with an emphasis on social cognition, this

research reviewed the importance and function of social emotions, and based on the

different levels of social complexity, a distinction between socio-emotional skills and

competencies is proposed. Various theoretical approaches to these competencies were

also reviewed, as well as the methodology for their evaluation in university education.

Likewise, an exploratory study was carried out with a cross-sectional design and the

sample consisted of 104 university students. The proposed theoretical model was tested

using structural equations, finding significant differences between academic commitment

and academic performance, resilience and reasoning.

HUMANIDADES Y CIENCIAS DE LA CONDUCTA PEDAGOGÍA cognición social, desarrollo socioemocional, competencias socioemocionales, evaluación socioemocional y aprendizaje socioemocional. social cognition, social-emotional development, social-emotional competencies, social-emotional assessment and social-emotional learning

Control de sistemas usando aprendizaje de máquina

Systems control using machine learning

Jesús Martín Miguel Martínez (2023, [Tesis de maestría])

El aprendizaje por refuerzo es un paradigma del aprendizaje de máquina con un amplio desarrollo y una creciente demanda en aplicaciones que involucran toma de decisiones y control. Es un paradigma que permite el diseño de controladores que no dependen directamente del modelo que describe la dinámica del sistema. Esto es importante ya que en aplicaciones reales es frecuente que no se disponga de dichos modelos de manera precisa. Esta tesis tiene como objetivo implementar un controlador óptimo en tiempo discreto libre de modelo. La metodología elegida se basa en algoritmos de aprendizaje por refuerzo, enfocados en sistemas con espacios de estado y acción continuos a través de modelos discretos. Se utiliza el concepto de función de valor (Q-función y función V ) y la ecuación de Bellman para resolver el problema del regulador cuadrático lineal para un sistema mecánico masa-resorte-amortiguador, en casos donde se tiene conocimiento parcial y desconocimiento total del modelo. Para ambos casos las funciones de valor son definidas explícitamente por la estructura de un aproximador paramétrico, donde el vector de pesos del aproximador es sintonizado a través de un proceso iterativo de estimación de parámetros. Cuando se tiene conocimiento parcial de la dinámica se usa el método de aprendizaje por diferencias temporales en un entrenamiento episódico, que utiliza el esquema de mínimos cuadrados con mínimos cuadrados recursivos en la sintonización del crítico y descenso del gradiente en la sintonización del actor, el mejor resultado para este esquema es usando el algoritmo de iteración de valor para la solución de la ecuación de Bellman, con un resultado significativo en términos de precisión en comparación a los valores óptimos (función DLQR). Cuando se tiene desconocimiento de la dinámica se usa el algoritmo Q-learning en entrenamiento continuo, con el esquema de mínimos cuadrados con mínimos cuadrados recursivos y el esquema de mínimos cuadrados con descenso del gradiente. Ambos esquemas usan el algoritmo de iteración de política para la solución de la ecuación de Bellman, y se obtienen resultados de aproximadamente 0.001 en la medición del error cuadrático medio. Se realiza una prueba de adaptabilidad considerando variaciones que puedan suceder en los parámetros de la planta, siendo el esquema de mínimos cuadrados con mínimos cuadrados recursivos el que tiene los mejores resultados, reduciendo significativamente ...

Reinforcement learning is a machine learning paradigm with extensive development and growing demand in decision-making and control applications. This technique allows the design of controllers that do not directly depend on the model describing the system dynamics. It is useful in real-world applications, where accurate models are often unavailable. The objective of this work is to implement a modelfree discrete-time optimal controller. Through discrete models, we implemented reinforcement learning algorithms focused on systems with continuous state and action spaces. The concepts of value-function, Q-function, V -function, and the Bellman equation are employed to solve the linear quadratic regulator problem for a mass-spring-damper system in a partially known and utterly unknown model. For both cases, the value functions are explicitly defined by a parametric approximator’s structure, where the weight vector is tuned through an iterative parameter estimation process. When partial knowledge of the dynamics is available, the temporal difference learning method is used under episodic training, utilizing the least squares with a recursive least squares scheme for tuning the critic and gradient descent for the actor´s tuning. The best result for this scheme is achieved using the value iteration algorithm for solving the Bellman equation, yielding significant improvements in approximating the optimal values (DLQR function). When the dynamics are entirely unknown, the Q-learning algorithm is employed in continuous training, employing the least squares with recursive least squares and the gradient descent schemes. Both schemes use the policy iteration algorithm to solve the Bellman equation, and the system’s response using the obtained values was compared to the one using the theoretical optimal values, yielding approximately zero mean squared error between them. An adaptability test is conducted considering variations that may occur in plant parameters, with the least squares with recursive least squares scheme yielding the best results, significantly reducing the number of iterations required for convergence to optimal values.

aprendizaje por refuerzo, control óptimo, control adaptativo, sistemas mecánicos, libre de modelo, dinámica totalmente desconocida, aproximación paramétrica, Q-learning, iteración de política reinforcement learning, optimal control, adaptive control, mechanical systems, modelfree, utterly unknown dynamics, parametric approximation, Q-learning, policy iteration INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL