Ciencias Exactas y Ciencias de la Salud
Permanent URI for this collectionhttps://hdl.handle.net/11285/551039
Pertenecen a esta colección Tesis y Trabajos de grado de las Maestrías correspondientes a las Escuelas de Ingeniería y Ciencias así como a Medicina y Ciencias de la Salud.
Browse
Search Results
- Electric vehicle’s battery cell modeling and state of charge sstimation(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2024-12) Barragán Hernández, Allen Uriel; Tudón Martínez, Juan Carlos; emipsanchez; Martinez Molina, John Jairo; Lozoya Santos, Jorge Jesús de; School of Engineering and Sciences; Campus MonterreyThe rapid growth in electric vehicle (EV) adoption underscores the necessity for precise battery management systems (BMS) to ensure safety, efficiency, and longevity of lithium-ion batteries, the leading technology in EV battery packs. As EV technology evolves, the need for accurate State of Charge (SOC) estimation becomes increasingly critical, influencing battery performance, lifespan, and operational safety. Despite advancements, current SOC estimation models struggle to predict SOC accurately under diverse real world conditions, often due to simplifying assumptions or controlled testing environments. Existing models fail to capture dynamic voltage behaviors influenced by charge-discharge cycles, leading to potential inaccuracies in SOC prediction under practical scenarios. This research develops a robust SOC estimation model for EV batteries, integrating advanced battery modeling and Extended Kalman Filter (EKF) methodologies. The study seeks to improve SOC estimation accuracy and reliability, addressing the complex and nonlinear behaviors of lithium-ion batteries in varying operating conditions. Three distinct battery models, (one-state, two-state, and three-state model), each with increasing complexity and fidelity in SOC prediction are employed in this research. Using real world battery performance data, these models are refined through EKF implementation, allowing real-time SOC estimation under variable conditions. The study reveals that model complexity directly correlates with SOC estimation accuracy. The three-state model, while computationally demanding, achieves the highest accuracy The two-state model strikes a balance between accuracy and resource efficiency. Conversely, the one-state model is appropriate for low-stakes applications that do not require high SOC precision. Results highlight that different applications may require varying levels of model complexity to align with their accuracy and resource demands.
- Evaluación del comportamiento dinámico lateral de un vehículo eléctrico de 3 ruedas (2F/1R), haciendo uso de redes neuronales para su análisis(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2022-06) Cachumba Suquillo, Santiago Josué; HERNANDEZ CASTILLO, DAVID; 40816; Jiménez Martínez, Moisés; emipsanchez; Hernández Castillo, David; Escuela de Ingeniería y Ciencias; Campus Toluca; Alfaro Ponce, MarielEl aumento de la población, la congestión vehicular, la contaminación por emisiones vehiculares y la crisis energética de los combustibles han sido problemas que han inspirado la investigación para el diseño de vehículos de tres ruedas eficientes y más pequeños. sin embargo, debido a su topología y a su inestabilidad en curvas, las aplicaciones a las que se ha dirigido este modelo de vehículo se han limitado en comparación a la amplia gama de alternativas que se puede lograr con un diseño bien conseguido. Por tal motivo, esta investigación se centra en el análisis de la dinámica de un vehículo eléctrico de tres ruedas con una topología 2F/1R (tadpole), con el objetivo de estimar el ángulo de deslizamiento lateral, mismo que permite evaluar el manejo y la estabilidad del vehículo ante diferentes maniobras de prueba descritas en las normas ISO 4138 y 3888. El modelado de cada sistema y subsistema del vehículo, pruebas de suspensión y pruebas de manejo se llevan a cabo en el software de simulación multi cuerpo ADAMS CAR, mismo que facilita el análisis del comportamiento dinámico y a su vez permite recolectar y estructurar los parámetros que más influyen en el manejo y estabilidad del vehículo en una base de datos, para así poder entrenar una red neuronal artificial (RNA) feedforward multicapa, mediante el algoritmo de aprendizaje Levenberg – Marquardt, que se desarrolla en Matlab. Al finalizar el proceso, se puede considerar al vehículo como un sistema de caja negra, en el que se necesita un conjunto de sensores que capten señales del ambiente y alimenten a la red con el fin de obtener un valor de salida que puede usarse para alimentar a otra red o a un sistema de control, dependiendo el uso que se le quiera dar.
- Desarrollo de un sistema de obtención y análisis de parámetros eléctricos utilizando un ordenador Raspberry para la evaluación del rendimiento de vehículos eléctricos(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2021-11-22) Guagalango Gómez, Pablo Javier; Balbuena Campuzano, Carlos Alberto; puemcuervo, emipsanchez; Rodríguez Arce, Jorge; Santana Díaz, Alfredo; Escuela de Ingeniería y Ciencias; Campus TolucaDue to the increase of electric vehicles in the whole world, because of environmental regulations and a friendly to the environment, the need of new tools that allow knowing the performance parameters of an electric vehicle has risen. This document describes the process of design, component selection and construction of a low-cost data acquisition system (DAQ) with similar characterisitcs to commercial systems, based on a Raspberry PI 3b+ microcomputer, which allows the adquisition of voltage, current and electrical power parameters generated by the battery of a vehicle equipped with an electric motor. The information obtained is used to determine the performance of an electric vehicle. The procedure included the integration of the system components, the con guration of the system software and the development of the data acquisition software. The prototype system was tested in controlled conditions, using a chassis dynamometer for the evaluation of energy consumption to ful ll a NEDC (New European Driving Cycle) driving cycle. The information obtained by the developed system was compared with measurements taken by a commercial data acquisition system known as Sirius Dewesoft XHS, having a measurement error less than 1 %. Debido al aumento en la presencia de vehículos eléctricos en el mundo, por regulaciones ambientales y buscando un medio de transporte más amigable con el medio ambiente, se incrementó la necesidad de contar con herramientas que permiten conocer los parámetros de rendimiento de un vehículo eléctrico. El presente documento describe el proceso de diseño, selección de componentes y construcción de un sistema de adquisición de datos (DAQ) de bajo costo y de prestaciones comparables a sistemas comerciales, a partir del uso de un micro ordenador Raspberry PI 3b+, que permite la obtención de parámetros de voltaje, corriente y potencia eléctrica generados por la batería de un vehículo equipado con un motor eléctrico. La información obtenida se utiliza para determinar el rendimiento de un vehículo eléctrico. El procedimiento incluyó la integración de los componentes del sistema, la con - guración del software del sistema y el desarrollo del software de adquisición de datos. El sistema prototipo se probó en condiciones de laboratorio, utilizando un dinamómetro de chasis para la evaluación de consumo energético para cumplir un ciclo de conducción NEDC (New European Driving Cycle). La información obtenida por el sistema desarrollado se comparó con mediciones tomadas por un sistema de adquisición de datos comercial Sirius Dewesoft XHS, teniendo un error en medición menor al 1 %.
