Вы находитесь на странице: 1из 127

INSTITUTO TECNOLGICO SUPERIOR DE PURSIMA DEL

RINCN

ESTUDIOS CON RECONOCIMIENTO DE VALIDEZ OFICIAL


NMERO 11-00065

OPCIN I: TESIS
DISEO E IMPLEMENTACION DE UN SISTEMA
CONTROLADOR DE POSICIN PARA PANELES
FOTOVOLTAICOS
QUE PARA OBTENER EL GRADO DE
INGENIERA ELECTROMECNICA

PRESENTAN:

CARLOS ALBERTO ZIGA CRDENAS


MARCO ANTONIO BARRERA GONZLEZ
ASESOR: M.C. CSAR ALEJANDRO FRAUSTO DVILA

PURSIMA DEL RINCN, GTO.

NOVIEMBRE 2015

Resumen
En esta tesis se documenta el proceso de diseo e implementacin de un sistema de
control, mediante Redes Neuronales Artificiales en un prototipo orientador de paneles
voltaicos. Presentando resultado de observaciones en pruebas hechas con dos tipos
de paneles fotovoltaicos, del tipo monocristalino y policristalino.
En el primer captulo, se presentan los argumentos que justifican el uso de recursos
en la atencin de esta problemtica, y las limitaciones de la presente propuesta.
El segundo captulo trata el fenmeno de energa solar, y en especial la energa solar
fotovoltaica, con informacin sobre la radiacin que incide en Mxico, y tipos de
paneles que captan la energa emanada del Sol. Adems se presentan
clasificaciones

referentes

sistemas

seguidores

solares,

principalmente

electromecnicos. Al final de este, se trata el tema de redes neuronales artificiales,


sus fundamentos biolgicos, histricos, caractersticas y modelos. El proceso de
aprendizaje supervisado es descrito en este documento y realizado con auxilio de
software, describiendo paso a paso el entrenamiento a seguir para facilitar su
implementacin en aplicaciones similares.
Dicha informacin ayuda a relacionar y entender el entorno para el sistema de control
y el diseo estructural implementado en este proyecto, el tercer captulo trata de
esto, presenta funciones, componentes electromecnicos y caractersticas del
seguidor solar. Adems se presentan los modelos Matlab desarrollados para
adquisicin de datos y creacin de la red Perceptrn entrenada. Por ltimo se
describe la implementacin de dicha red en Arduino. El sistema seguidor solar
consiste de electrnica simple, pero empleando hardware y software se lleva a cabo
un sistema de posicionamiento funcional para celdas fotovoltaicas.
En el captulo cuarto se presentan los resultados obtenidos, con graficas de
mediciones realizadas durante periodos de prueba del sistema de control aplicado a
paneles fotovoltaicos del tipo monocristalino y policristalino. Por ltimo se da la
conclusin del proyecto y algunas observaciones surgidas de la experiencia durante
el desarrollo del proyecto, adems de propuestas para trabajos futuros.
i

Contenido

INTRODUCCIN

CAPTULO I MARCO DE REFERENCIA

1.1 Antecedentes del problema

1.2 Planteamiento del problema

1.3 Objetivos de la investigacin

10

1.4 Formulacin de hiptesis

10

1.5 Justificacin

11

1.6 Alcances y limitaciones

11

CAPTULO 2 MARCO TERICO

13

2.1 Energa solar


2.1.1 Evolucin de las fuentes de energa
2.1.2 Radiacin solar
2.1.2.1 Tipos de radiacin solar
2.1.2.2 La radiacin solar en Mxico

14
15
16
16
18

2.2 Energa solar fotovoltaica


2.2.1 Historia de la energa solar fotovoltaica
2.2.2 Desarrollo de energa renovable en Mxico
2.2.3 Panel fotovoltaico
2.2.3.1 Tipos de paneles fotovoltaicos
2.2.4 Sistema solar fotovoltaico

21
21
22
24
24
26

2.3 Seguidor solar


2.3.1 Inclinacin y orientacin
2.3.2 Clasificacin de los seguidores solares
2.3.2.1 Por el tipo de sistema fotovoltaico
2.3.2.2 Clasificacin por el dispositivo que realiza el movimiento
2.3.2.3 Por los grados de libertad

27
27
30
30
30
31

2.4 Sistema seguidor solar


2.4.1 Elementos de un seguidor solar
2.4.1.1 Elementos electromecnicos
2.4.1.2 Elemento de trasmisin mecnica
2.4.1.3 Soporte mecnico
2.4.2 Sistema de control

33
33
36
46
49
50

2.5 Redes neuronales artificiales

53

ii

2.5.1 Fundamentos biolgicos de las redes neuronales naturales


2.5.2 Breve historia de las redes neuronales artificiales
2.5.3 Caractersticas de las RNAs
2.5.4 Neurona artificial
2.5.5 Estructura de la RNA
2.5.6 Modelos de RNAs
2.5.7 Entrenamiento de una RNA
2.5.7.1 Entrenamiento supervisado
2.5.8 RNA Perceptrn
2.5.8.1 Entrenamiento de una RNA tipo Perceptrn
2.5.9 RNA en Arduino y control de seguidor

53
55
56
56
61
63
64
64
65
66
68

2.6 Redes neuronales artificiales y su implementacin


2.6.1 Matlab
2.6.1.1 Creacin de un Perceptrn mediante la GUI nntool de Matlab
2.6.2 Arduino software
2.6.2.1 Estructura general del sketch
2.6.2.2 Herramientas del software

69
69
70
76
78
79

CAPTULO 3 COMPONENTES ESTRUCTURALES

82

3.1 Diseo mecnico


3.1.1 Panel solar fotovoltaico
3.1.2 Actuadores elctricos
3.1.2.1 Motor de corriente continua
3.1.2.2 Transmisin Mecnica
3.1.3 Sensores LDR
3.1.4 Estructura del mecanismo

84
84
86
86
87
88
89

3.2 Entrenamiento del Perceptrn


3.2.1 Adquisicin de datos para el Perceptrn
3.2.2 Resultados del entrenamiento mediante la GUI nntool de Matlab (R2009a)

92
94
95

3.3 Implementacin del Perceptrn en Arduino UNO

97

3.4 Implementacin del sistema

98

CAPTULO 4 MEDICIONES Y ANLISIS DE RESULTADOS

101

4.1 ANLISIS DE LOS RESULTADOS

103

CONCLUSIONES

108

REFERENCIA BIBLIOGRFICA

110

ANEXO 1. CDIGO PERCEPTRN EN ARDUINO UNO

115

iii

ndice de figuras
Figura 1. Intensidad media de la radiacin solar sobre la superficie terrestre.............16
Figura 2. Irradiacin sobre paneles fotovoltaico................................................................18
Figura 3. Irradiacin solar presente en Mxico..................................................................20
Figura 4. Indicadores mundiales en la dependencia de fuentes de energa.................22
Figura 5. Esquema para el desarrollo de proyectos de tecnologa solar fotovoltaica. 23
Figura 6. Panel solar compuesto por clulas de silicio monocristalino..........................25
Figura 7. Panel solar formado por clulas de silicio policristalino...................................25
Figura 8. Panel solar de silicio amorfo................................................................................26
Figura 9. Sistema solar fotovoltaico aislado.......................................................................26
Figura 10. Orientacin e inclinacin de los mdulos fotovoltaicos.................................28
Figura 11. Mecanismo del seguidor solar...........................................................................29
Figura 12. Seguidor solar de un solo eje horizontal..........................................................31
Figura 13. Seguidor solar de dos ejes.................................................................................32
Figura 14. Elementos de la parte superior del seguidor TFP-ITL...................................34
Figura 15. Vista de seccin de la zona de giro del seguidor solar..................................35
Figura 16. Principio de funcionamiento de un motor de corriente continua..................36
Figura 17. Pines del microcontrolador en el Arduino UNO..............................................39
Figura 18. Componentes de un Arduino UNO....................................................................40
Figura 19. Smbolo de una fotorresistencia LDR...............................................................45
Figura 20. Smbolo de un relevador.....................................................................................46
Figura 21. Representacin de engrane recto.....................................................................47
Figura 22. Representacin de engrane helicoidal.............................................................48
Figura 23. Representacin de engranes cnicos..............................................................48
Figura 24. Representacin de engranaje de tornillo.........................................................49
Figura 25. Esquema simplificado de un sistema de control.............................................50
Figura 26. Diagrama de bloque del seguidor solar............................................................51
Figura 27. Elementos neuronales........................................................................................54
Figura 28. Modelo ms simple de una neurona realizada por McCullon y Pitts...........57
Figura 29. Funciones de activacin ms comnmente empleadas................................59
Figura 30. Funciones de salida ms empleadas...............................................................61
Figura 31. Grafica dirigida de una RNA general................................................................61
Figura 32. Ejemplos de RNAs con diferente arquitectura de alimentacin..................63
Figura 33. Perceptrn de una sola capa.............................................................................66
Figura 34. Espacio de trabajo con los datos de entradas y salidas...............................71
Figura 35. Ventana Network/Data Manager de la GUI nntool de Matlab.......................71
Figura 36. Venta importar datos para una RNA.................................................................72
Figura 37. Ventana Create Network or Data......................................................................72
Figura 38. Ventana de configuracin de parmetros del Perceptrn.............................73
Figura 39. Ventana de configuracin para el entrenamiento del Perceptrn................74
iv

Figura 40. Ventana de proceso para el entrenamiento de la RNA tipo Perceptrn.....74


Figura 41. Grfica de estado de formacin........................................................................75
Figura 42. Datos de los pesos y umbrales necesarios para la RNA..............................75
Figura 43. Ventana de simulacin de la RNA tipo Perceptrn.........................................76
Figura 44. Ventana del software Arduino............................................................................77
Figura 45. Botones del Software Arduino 1.6.5..................................................................81
Figura 46. Diagrama esquemtico del sistema empleado en esta tesis.......................83
Figura 47. Imagen ilustrativa del panel solar monocristalino...........................................84
Figura 48. Imagen ilustrativa del panel solar policristalino...............................................85
Figura 49. Motores C.C empleado en esta tesis................................................................86
Figura 50. Engranes para la transmisin mecnica..........................................................87
Figura 51. Engrane recto ANSI 32 dientes.........................................................................87
Figura 52. Posicin de las fotorresistencias en el prototipo seguidor solar..................88
Figura 53. Fotorresistencia LDR empleado en el seguidor solar....................................89
Figura 54. Elementos del Seguidor solar empleado en esta tesis..................................89
Figura 55. Dimensiones del seguidor solar........................................................................90
Figura 56. Movimiento para inclinacin y orientacin.......................................................91
Figura 57. Vista tridimensional del seguidor solar.............................................................91
Figura 58. Circuito electrnico para control de giro de motores C.C..............................92
Figura 59. Cdigo para lectura de los LDRs......................................................................93
Figura 60. Circuito electrnico para lectura de LDR`s......................................................93
Figura 61. Valores del error medio cuadrtico presente en el Perceptrn durante su
entrenamiento..................................................................................................................96
Figura 62. Estructura del Perceptrn implementado en esta tesis.................................97
Figura 63. Circuito electromecnico de control para el seguidor solar..........................97
Figura 64. Prototipo desarrollado con el sistema de control de RNA tipo Perceptrn.98
Figura 65. Caja donde se integr el microcontrolador y los elementos utilizados......99
Figura 66. Esquema de conexin para monitorear la generacin elctrica en los
paneles...........................................................................................................................102
Figura 67. Modelo Simulink para adquisicin de seales en los paneles...................103
Figura 68. Grfica del comportamiento en panel fotovoltaico policristalino en las dos
condiciones de orientacin (Sol intenso noviembre 2015).....................................104
Figura 69. Grafica del comportamiento sobre panel fotovoltaico monocristalino en dos
condiciones diferentes (Sol intenso noviembre 2015)............................................105
Figura 70. Condiciones de trabajo en panel fotovoltaico tipo policristalino soleado vs
nublado posicionado estticamente (noviembre 2015)..........................................106
Figura 71. Captacin de energa en panel fotovoltaico policristalino en condiciones
con nubosidad implementando el prototipo seguidor solar (noviembre 2015)...107

ndice de tablas
Tabla 1. Irradiacin diaria promedio mensual para el municipio de Pursima...............20
Tabla 2. Elementos de la unin de giro...............................................................................34
Tabla 3. Elementos de la unin de giro...............................................................................35
Tabla 4. Tabla de verdad de compuerta XOR para el Perceptrn..................................71
Tabla 5. Palabras reservadas del lenguaje C.....................................................................77
Tabla 6. Caractersticas del panel solar monocristalino....................................................85
Tabla 7. Caractersticas del panel solar policristalino.......................................................85
Tabla 8. Especificaciones del engrane recto ANSI............................................................88
Tabla 9. Elementos del seguidor solar empleado en esta tesis......................................90
Tabla 10. Datos de entradas y salidas para el Perceptrn...............................................94
Tabla 11. Parmetros topolgicos empleados en el Perceptrn.....................................96

vi

Introduccin
Durante los ltimos aos el agotamiento de las fuentes tradicionales de energa
fsiles, el incremento de su costo y problemas medioambientales derivados de su
explotacin, transporte y consumo, ha puesto a la mayora de los pases del mundo a
buscar soluciones en energas alternativas. Por ejemplo, la energa radiada por el Sol
que tiene un doble objetivo, contribuir a la disminucin de gases de efecto
invernadero y economizar utilizando energas renovables.
Al carecer de un sistema que controle el posicionamiento de dispositivos que capten
la energa solar, se reduce la cantidad de energa recolectada. Esto es importante
para cuestiones de almacenamiento y consumo. Es til la implementacin de un
dispositivo que lleve a cabo la funcin de posicionamiento para recolectar ms
potencia de la radiacin solar.
La incidencia de los rayos del Sol sobre los paneles difiere de la perpendicularidad a
lo largo del da, y por lo tanto se ve reducida la eficiencia de captacin de los paneles
fotovoltaicos. Es posible corregir esta situacin utilizando un seguidor solar que
oriente los paneles a la posicin del Sol. Utilizando un seguidor solar se han
reportado ganancias superiores al 25%, segn estudios de campo.
El objetivo general de esta investigacin fue disear e implementar un
servomecanismo que auto-orienta paneles fotovoltaicos, de forma que sigan la
trayectoria del Sol y se coloquen de forma casi perpendicular a sus rayos.
Al utilizar sensores fotoelctricos, motores y otros componentes electromecnicos, se
puede orientar de manera automtica el mecanismo base de un panel solar, de forma
que se oriente, buscando captar de manera ms eficiente la energa Solar.
En la presente tesis se realiza el diseo e implementacin de un sistema de control
por medio de Redes Neuronales Artificiales, implementado en Arduino, controlando la
posicin de paneles solares fotovoltaicos de manera correcta.
Considerando los problemas de deficiencia presentes en paneles estticos, se elige
implementar un sistema seguidor solar con dos grados de libertad, que por medio de
RNA en Arduino es capaz de generar la seal de control de posicin del panel.

Captulo I
Marco de Referencia

1.1 Antecedentes del problema


Hoy en da, el consumo elctrico es indispensable para las actividades domsticas e
industriales. Algunos sistemas que lo generan contaminan el medio ambiente, es
conveniente reemplazar su funcin por fuentes limpias, renovables y de bajo costo.
La energa emitida por el Sol es una de las fuentes renovables que se utiliza en la
actualidad. Los paneles fotovoltaicos son dispositivos que aprovechan la radiacin
del Sol y a base de un proceso a nivel atmico generan electricidad.
Al colocar un panel en posicin esttica se reduce el aprovechamiento mximo de
energa solar disponible, ya que los rayos del Sol inciden en el mismo con un ngulo
distinto durante el transcurso del da, esto es importante para cuestiones de
almacenamiento y consumo.
Algunas empresas comercializan productos que tienen una desventaja: Al vender el
panel fotovoltaico con un mecanismo mvil se incrementan los gastos, y obligan al
propietario a seleccionar un sistema esttico.
La mayora de las personas que disponen de un sistema que utiliza paneles
fotovoltaicos estticos se limitan a la energa que recolectan, no importando que sea
menor al de un sistema con control de posicionamiento.

1.2 Planteamiento del problema


En la actualidad hay un catlogo amplio de seguidores solares, de patente,
comerciales y construidos por usuarios de manera rudimentaria, que cumplen la
funcin bsica, aumentar la eficiencia de captacin, pero su costo es elevado por la
tecnologa de actuadores, procesamiento, control y sensores, que se emplea. Por
ello es importante disear un sistema de control que utilice tecnologa actual, diseo
econmico, y adaptable a las necesidades del usuario.

1.3 Objetivos de la investigacin


A continuacin se plantean los objetivos de la investigacin.

Objetivo general

Disear e implementar un servomecanismo que oriente paneles fotovoltaicos


de forma que sigan la trayectoria del Sol, se coloquen perpendicular a sus
rayos y aumente su eficiencia de captacin.

Objetivos especficos

Disear un

dispositivo

electromecnico

para orientacin

respecto al

movimiento relativo del Sol.

Implementar un dispositivo electromecnico para orientacin respecto al


movimiento relativo del Sol.

Disear un sistema de control para automatizar el dispositivo electromecnico


construido.

Implementar

un

sistema

de

control

para

automatizar

el

dispositivo

electromecnico construido.

Medir el funcionamiento del seguidor solar comparando el nivel de generacin


de energa.

1.4 Formulacin de hiptesis


Es posible desarrollar un sistema que oriente de manera automtica paneles solares,
a partir de sensores fotoelctricos, motores, y otros componentes electromecnicos y
de software, de forma que transformen de manera ms eficiente la energa emitida
por el Sol.
10

1.5 Justificacin
Promover y mejorar el uso de paneles fotovoltaicos es importante para el cuidado del
medio ambiente, como fuente limpia o verde que existe. Esto evita producir agentes
contaminantes, que daan la atmosfera e incrementan el calentamiento global.
Los paneles fotovoltaicos son implementados en sistemas que requieran de energa
elctrica, y depende del consumo elctrico la cantidad de celdas requeridas. Gracias
a esta alternativa se prev para un futuro una disminucin en la dependencia de las
fuentes tradicionales de energa obtenidas a partir de combustibles fsiles (petrleo,
carbn y gas natural).
Para aumentar la eficiencia de captacin solar es importante implementar un
servomecanismo que le oriente segn la posicin del Sol. Al desarrollar un sistema
electromecnico con componentes y circuitos simples hace que el costo sea bajo a
comparacin con el proporcionado por empresas comercializadoras, beneficiando as
a las personas que los requieren.
Los sistemas orientadores automticos son una tecnologa poco utilizada en el
campo de la energa solar, por lo cual el producto a desarrollar satisface una
necesidad de mercado.

1.6 Alcances y limitaciones


Alcances

El diseo de la estructura metlica se realiz considerando solo el


acoplamiento de dos tipos de panel solar (monocristalino y policristalino),
reportando el rendimiento de cada uno de forma esttico y con el sistema de
posicionamiento desarrollado en esta tesis.

El mecanismo posiciona a las celdas fotovoltaicas de forma casi perpendicular


a los rayos solares, suficiente para mostrar un aumento en la eficiencia de
captacin, durante un da.
11

Para la implementacin del prototipo se eligen elementos y materiales


reusados o reciclados, disminuyendo el costo de adquisicin. Es el caso de los
motores CC y el sistema de transmisin.

Para el sistema de control se utilizan redes neuronales y su implementacin


en el hardware Arduino UNO.

Limitantes

Se consideran paneles fotovoltaicos de baja capacidad de potencia (20 y 25


W).

El diseo de la estructura carece de anlisis de esfuerzos y deformaciones.

Los algoritmos de programacin a utilizar en la tarea de control son


desarrollados a nivel software utilizando la herramienta redes neuronales de
Matlab.

El sistema de control no considera perturbaciones provocadas por variaciones


atmosfricas o ruido del entorno.

12

Captulo 2
Marco Terico

13

2.1 Energa solar


El Sol es una estrella formada en su mayora por hidrgeno y una pequea porcin
de helio. En esta se desarrolla una gran cantidad de energa, por las altas
temperaturas y presiones que alcanza en su interior. Prcticamente toda la energa
que llega a la tierra procede del Sol. Una pequesima parte de ella se utiliza para
mantener la vida orgnica en la biosfera y el resto se disipa al exterior.1
La energa solar es la energa proveniente del ncleo del Sol. Producto de una
reaccin nuclear de fusin, este proceso libera enormes cantidades de energa, que
viajan por el espacio a travs de miles de millones de aos.
La utilizacin prctica de la energa solar tiene un doble objetivo: contribuir a la
reduccin de la emisin de gases del efecto invernadero y ahorrar en energa no
renovables.
Los equipos que se utilizan en el aprovechamiento de la energa solar se clasifican
en dos categoras: sistemas fototrmicos y sistemas fotovoltaicos. Los sistemas fototrmicos se encargan de transferir el calor radiado por el Sol a un fluido de trabajo. Y
los fotovoltaicos aprovechan la radiacin solar para producir electricidad.
Los sistemas fototrmicos se subdividen en diferentes grupos, que dependen de su
forma de trabajar, temperatura de trabajo y fluido utilizado para transportar el calor
captado, por los elementos del colector solar, etc. Tales como:

Sistemas fototrmicos pasivos. Son aquellos que aprovechan la energa de la


radiacin solar y no requiere de otro tipo de energa, o su consumo es
totalmente despreciable.

Sistemas fototrmicos activos. Similar al anterior pero requieren del aporte de


energa auxiliar, por ejemplo la energa consumida por una bomba,
ventiladores para mover o transportar el fluido desde el captador solar hasta el
consumo.

Los sistemas fotovoltaicos son aquellos que convierten la energa proveniente del Sol
en energa elctrica mediante clulas fotoelctricas.
1 JUTGLAR, Llus. Energa solar, Barcelona Espaa: CEAC 2009. pp 7-8
14

2.1.1 Evolucin de las fuentes de energa


Las Fuentes de energa son los recursos o medios naturales capaces de producir
algn tipo de energa para realizar un determinado trabajo o utilidad. Por ejemplo el
viento, el agua, el Sol, entre otros.
Las fuentes de energa renovable han sido aprovechadas por el hombre desde hace
mucho tiempo, bsicamente acompaadas de la energa animal, y su empleo
continu durante toda la historia hasta la llegada de la Revolucin Industrial, en la
que la aparicin del carbn desplazo a ests. Posteriormente, el petrleo fue
desplazando en muchas aplicaciones al carbn, debido a su mayor limpieza y mayor
poder calorfico.
En la actualidad la energa mundial se basa en gran parte al consumo de las
energas fsiles (carbn, petrleo y gas natural) y la nuclear. La utilizacin de estas
formas de energa conduce a la emisin de gases de efecto invernadero, la
generacin de residuos slidos y lquidos, y el agotamiento paulatino de los
yacimientos existentes.2
Debido a esto, se produce un renacer de las energas renovables, por ejemplo la
energa radiada por el Sol, que tiene un doble objetivo, contribuir a la disminucin de
gases de efecto invernadero y ahorrar en energas renovables. Estas energas se
consideran renovables al producirse de una forma continua y son o se consideran
inagotables a escala humana, tienen la ventaja de complementarse entre s,
favoreciendo la integracin entre ellas. Se consideran respetuosas con el medio
ambiente, en algunas ocasiones ests producen efectos negativos en el entorno pero
son menores que las producida por las energas convencionales.
Durante los ltimos aos, el agotamiento de las fuentes de energa fsiles, el
progresivo incremento de su costo y sus problemas medioambientales derivan dos
problemas en su explotacin: transporte y consumo.

2 Mndez Muiz Javier Mara, cuervo Gracia Rafael, Energa Solar Fotovoltaica 2da Edicin, Espaa: Fundacin
Confemetal pp. 16
15

Figura 1. Intensidad media de la radiacin solar sobre la superficie terrestre

2.1.2 Radiacin solar


La radiacin solar es el conjunto de radiaciones electromagnticas emitidos por el
Sol. La energa radiante por unidad de tiempo que incide sobre una superficie en un
momento determinado se le conoce como irradiacin. Sus unidades en el S.I. son
W/m2. La radiacin en el Sol es de 63.450,720 W/m 2. Si se supone que el Sol emite
esta energa de forma radial, entonces la tierra recibe fuera de la atmosfera sobre
una superficie perpendicular a los rayos solares cerca de 1.353 W/m 2, lo cual varia
durante el ao un 3 % a causa de la elipticidad de la rbita terrestre 3,4.
Como se muestra en la Figura 1, a la superficie terrestre solo llega aproximadamente
3 Mndez Muiz Javier Mara, Cuervo Gracia Rafael, Energa Solar Fotovoltaica, 2da Edicin, Espaa. pp 29-30
4 Perpin, Oscar. Energa solar fotovoltaica. Primera edicin, Espaa. pp 25
16

1/3 de la energa total interceptada por la atmosfera, el 70% llega al mar, aun as, es
miles de veces el consumo energtico mundial.
2.1.2.1 Tipos de radiacin solar
Cuando la radiacin solar penetra en la atmsfera, tiene lugar un fenmeno de
absorcin y dispersin, que depende de la masa, el espesor y la densidad de la capa
de aire, y su composicin.
En funcin a los rayos que inciden en la Tierra se distinguen cinco componentes de
la radiacin solar5:

Radiacin directa: Es aquella que procede del Sol, pasa en lnea recta a
travs de la atmsfera de la Tierra, pero no se disipa, se desva ni padece
reflexiones o refracciones intermedias, llegando directamente a la superficie
terrcola sin cambio alguno en su trayectoria lineal.

Radiacin difusa: Es la radicacin que parte del Sol, pasa por la atmsfera,
sufre cambios, por lo tanto se desvan los rayos solares de su direccin
original, como consecuencia de los mltiples procesos de reflexin, refraccin,
dispersin y absorcin, producidos por el choque directo de agentes
atmosfricos tales como: nubes, partculas de polvo, molculas en el aire,
montaas, rboles, edificios, el suelo y el resto de elementos atmosfricos
terrestres. Por lo tanto la radiacin difusa no tiene ninguna direccin y va en
todas direcciones.

Radiacin reflejada o albedo: Es la radiacin proveniente del Sol y es reflejada


por el suelo, objetos, cuerpos u otras superficies situados alrededor. Esta
radiacin procede de las dos anteriores, tampoco es claramente direccional.
La influencia del albedo del entorno sobre la radiacin incidente en un
captador de energa solar suele ser despreciable y solo en casos especiales
suelen suponer una pequea ganancia adicional de energa, por ejemplo
cuando existen paredes de color claro detrs de los captadores.

5 JUTGLAR, Llus. Energa solar, Barcelona Espaa: CEAC 2009. pp 21-23


17

Radiacin global: La radiacin global es la suma de la directa y la difusa.

Radiacin total: Es la suma de todas las anteriores que se mencionaron.

Figura 2. Irradiacin sobre paneles fotovoltaico

Aunque las tres componentes (directa, difusa y albedo) estn presentes en la


radiacin total que recibe la Tierra, la radiacin directa es la mayor y ms importante
en las aplicaciones fotovoltaicas. En la Figura 2 se observan todos los tipos de
radiacin que inciden en un panel solar fotovoltaicos.
Cuando la radiacin directa no incide sobre una superficie debido a un obstculo, el
rea en sombra tambin recibe radiacin gracias a la radiacin difusa.
As que la eficiencia de captacin de las celdas fotovoltaicas, se define como la
relacin entre la potencia elctrica generada por unidad de rea (W/m 2) y la
irradiacin solar incidente. Esta relacin es adimensional y est dada en forma
porcentual.
2.1.2.2 La radiacin solar en Mxico

Antecedentes de estudios de radiacin solar en Mxico se remontan a los aos de


18

1911 a 1928, cuando el investigador de origen polaco Ladislaw Gorczynski realiz


mediciones actinomtricas (proceso qumico que mide la intensidad de la radiacin)
en el Observatorio Meteorolgico de Tacubaya y otros lugares del mundo para
determinar las caractersticas de la radiacin solar a nivel de superficie con ayuda de
un sensor desarrollado por l mismo (termopila de Gorcynsky). Entre los
investigadores nacionales que iniciaron los trabajos de investigacin en este campo
puede mencionarse al Ing. Jess Martnez G. y al Dr. Ignacio Galindo Estrada
miembros del Instituto de Ciencia Aplicada, que ms tarde se incorporaran al Instituto
de Geofsica de la UNAM6.
En 1956 comienzan a efectuarse mediciones de radiacin solar en el Instituto de
Ciencia Aplicada, apoyados por la UNESCO con donaciones de equipo de diversos
pases participantes del Ao Geofsico Internacional, y recursos del propio Instituto;
se realizan mediciones de: duracin de la insolacin, radiacin global, radiacin
difusa y radiacin directa. Estas observaciones reciben validacin internacional
gracias a la adquisicin de un pirheliomtro patrn (Pirhelimetro de Compensacin
de Angstrm, No. 166, del Servicio Meteorolgico sueco) y de un pirhelimetro
estndar, de disco de plata, Abbot No. 13. Esto permiti que el Observatorio de
Radiacin Solar de Ciudad Universitaria pudiera ser considerado oficialmente dentro
de los puntos de observacin de la Red Actinomtrica Mundial. As mismo, con la
adquisicin del Espectofotmetro Dobson No. 98, comienza la participacin del pas
en la Red Ozonomtrica Mundial.
Ante estas investigaciones que realiza el instituto de geofsica de la UNAM, es
importante conocer la irradiacin que se presenta en diferentes puntos del pas.
En la Figura 3 se presenta la irradiacin solar presente del pas de Mxico (los datos
estn dado en Joule, 1 Joule = 1 Watts por segundo). Como lo muestra dicha figura,
la regin del rincn, lugar donde se lleva a cabo este proyecto, presenta un promedio
de irradiacin solar de entre 16 y 17 MJ/m 2. Siendo esta una de las zonas ms
privilegiadas, y cuyas condiciones atmosfricas le hacen, apto para el desarrollo de
6 Centro Regional de Medicin de la Radiacin. Instituto de geofsica de la Universidad Nacional Autnoma de
Mxico (UNAM). Fecha de consulta: julio 2014. Sitio Web: http://www.geofisica.unam.mx/ors/objetivo.html
19

proyectos de este tipo. En la actualidad se tienen planes de construccin para un


parque de generacin fotovoltaico a gran escala en Silao, municipio cercano al
instituto.

Figura 3. Irradiacin solar presente en Mxico

En la Tabla 1 se muestran los valores de la irradiacin promedio mensual del


municipio de Pursima de Bustos, en esta ocasin en kW/(m 2*da), proporcionada por
el Sistema de Informacin Energtica de Guanajuato (SIEG). 7
Irradiacin Directa Horizontal Diaria Promedio Mensual Para El Municipio De Pursima De Bustos
Guanajuato.
Cabecera

Irradiacin Extraterrestre, kWh/(m 2-da)


Ene

Feb

Mar

Abr

May

Jun

Jul

Ago

Sep

Oct

Nov

Dic

7 Sistema de informacin energtica del estado de Guanajuato (SIEG). Fecha de consulta: agosto 2014. Sitio
Web: http://energia.guanajuato.gob.mx/siegconcyteg/formulario/Solar/frmValoresIrrdiacionSolar.php
20

Pursima
del
Rincn

3,697

4,297

5,028 5,375 5,449 5,348

5,307

5,152

4,918 4,225 3,665

3,639

Tabla 1. Irradiacin diaria promedio mensual para el municipio de Pursima

2.2 Energa solar fotovoltaica


La energa solar fotovoltaica se define como un tipo de energa renovable, por lo cual
es casi inagotable, esta se aprovecha en el mismo lugar donde se produce. Es
obtenida directamente de la radiacin del Sol que mediante semiconductores
contenidos dentro del panel fotovoltaico transforma la forma de energa.

2.2.1 Historia de la energa solar fotovoltaica


El efecto fotovoltaico fue estudiado por primera vez en 1839 por el fsico francs
Alexadre Edmond Becquerel, sus estudios sobre el espectro solar fueron el pilar
cientfico de la energa fotovoltaica. En 1883 el inventor norteamericano Charles
Fritts logra construir una celda solar con una eficiencia del 1 %, esta fue construida
utilizando selenio y una capa delgada de oro como semiconductor.
La celda de silicio que hoy en da se utiliza proviene del inventor norteamericano
Russell Ohl, fue construida en 1940 y patentada en 1946. La poca moderna del
silicio llego en 1954 en los laboratorios de Bell, cuando se realizaron experimentos
con semiconductores se encontr que el silicio con algunas impurezas era ms
sensible a la luz.
La primera aplicacin de paneles fotovoltaicos fue dirigida al sector aeroespacial, el
primer satlite que empleo estos sistemas fue el Explorer 1, lanzado en febrero de
1958. Para entonces la eficiencia de los paneles ya haba aumentado su porcentaje
de eficiencia al 6%, esto estmulo la investigacin procurando obtener paneles ms
eficientes, esto propicio el crecimiento de dicha industria tecnolgica.
Con las celdas de silicio la industria fotovoltaica inicia el desarrollo de tecnologas en
21

su produccin. El primer paso fue buscar paneles con mayor eficiencia, esto se logr
en 1970, la primera clula solar con heteroestructura de arseniuro de galio (GaAs) y
altamente eficiente se desarroll en la Unin Sovitica por Zhore Alferov.8

2.2.2 Desarrollo de energa renovable en Mxico


Mxico es el pas latinoamericano con mejores condiciones para la aplicacin de
sistemas fotovoltaicos.9
En lugares pblicos como el propio Instituto, Museo Explora de la ciudad de Len, y
otros, se hace uso de seguidores solares tanto fijos, como regulables con uno y dos
ejes, que pueden generar 20,000 kW/h al ao, utilizados principalmente en labores
de iluminacin; de esta manera, mediante este tipo de aplicaciones se divulga y
promueve el uso de energas renovables entre las nuevas generaciones. 10
Pero el desarrollo de la generacin renovable responde a los 3 grandes retos
energticos a nivel mundial, bajo los indicadores mostrados en la Figura 4. 11

8 Garca, Santiago. Energa Fotovoltaica. Energiza. Octubre 2013 (Edicin 3). pp 12-14
9 Secretaria de energa (SENER). Iniciativa para el desarrollo de las energas renovables en Mxico, Noviembre
2012. pp 10,12,13
10 Informador redaccin NBVV, Permiten seguidores solares ahorrar energa. Agosto 5 del 2012. Sitio web:
http://www.informador.com.mx/tecnologia/2012/395337/6/permiten-seguidores-solares-ahorrar-energia.htm
11 Secretaria de energa (SENER). Iniciativa para el desarrollo de las energas renovables en Mxico, Noviembre
2012. pp 3
22

Figura 4. Indicadores mundiales en la dependencia de fuentes de energa

En el ao 2008 se public una ley para el aprovechamiento de energas renovables y


el financiamiento de la transicin energtica (LAERFTE), pero an no cuenta con un
marco jurdico secundario que la regule en particular. 8 No obstante, son varios los
esquemas que pueden ser usados para el desarrollo de proyectos con la tecnologa
solar fotovoltaica, tal y como se presenta en la Figura 5.
Derivado de diversas disposiciones establecidas en el plan nacional de desarrollo
2007-2012, en la ley para el aprovechamiento de energas renovables y el
financiamiento de la transicin energtica, su reglamento, as como en el programa
especial de cambio climtico 2008-2012; ahora es posible instalar en domicilios o
negocios sistemas de cogeneracin en pequea mediana escala mediante un
23

contrato de interconexin con la Comisin Federal de Electricidad (CFE). 12


Para la interconexin en pequea escala con la CFE, se debe tener un contrato de
suministro normal en baja tensin, las instalaciones tienen que cumplir con las
Normas Oficiales Mexicanas y con las especificaciones de dicha comisin, adems
de que la potencia de la fuente no sea mayor de 10 kW para domicilio o de 30 kW
para negocios.
Cuando el proyecto de instalacin de energa solar fotovoltaica supere la potencia de
500 kW, entonces se debe tener un permiso proporcionado por la CFE de generacin
e importacin de energa elctrica.13

Figura 5. Esquema para el desarrollo de proyectos de tecnologa solar fotovoltaica

2.2.3 Panel fotovoltaico


Un panel fotovoltaico es un conjunto de clulas fotoelctricas que generan energa
elctrica, producida por materiales que al exponerse a la luz del Sol ceden energa
elctrica. A la transformacin de la energa luminosa directamente en energa
elctrica se le conoce como efecto fotovoltaico, y como se mencion anteriormente
dicho fenmeno fue descubierto por el fsico francs Edmond Becquerel, y sobre el
cual est basada la tecnologa fotovoltaica.
El proceso del efecto fotoelctrico o fotovoltaico se consigue con materiales que
tienen la propiedad de absorber fotones y emitir electrones. Cuando algunos
12 Comisin Federal de Electricidad (CFE). www.cfe.gob.mx/ConoceCFE/Desarrollo_Sustentable. ao 2012
13 Guzmn, Enrique. Regulacin para fuentes de energa renovables. Noviembre 2010. pp 5.
24

electrones son libres, se produce una corriente elctrica que puede ser utilizado
como fuente elctrica. Las celdas fotovoltaicas generalmente estn hechas a base de
silicn, el mismo material que se utiliza para transistores y circuitos integrados. El
silicn es tratado para que cuando le llegue la luz, se liberen los electrones,
generando as una corriente elctrica.
La cantidad de energa generada por una celda solar es determinada por la cantidad
de luz que incide directamente sobre ella, lo cual est determinado por el clima y la
hora del da.
2.2.3.1 Tipos de paneles fotovoltaicos
Existen tres tipos de paneles fotovoltaicos, los cuales son: 14,15
Monocristalinos
Estn formados por barras de silicio cristalizado, cuya red cristalina es idntica en
todo el cristal y caracterizada por la solidificacin de los tomos del silicio en tres
direcciones espaciales, perpendiculares entre s, y sin imperfecciones entre s.
Se ha demostrado en pruebas de laboratorio que su rendimiento es por encima de
24,7%.

Figura 6. Panel solar compuesto por clulas de silicio monocristalino


14 Junta de Castilla y Len. Manual del instalador. Energa solar fotovoltaica. Primera edicin. 2004. pp 20-23
15 Garca, Santiago. Energa Fotovoltaica. Energiza. Octubre 2013 tercera edicin. pp 18
25

En la Figura 6 se observa un ejemplo para panel solar monocristalino, asequible en


el mercado, y utilizado en este proyecto.
Policristalinos
Los materiales utilizados en su construccin, son semejantes a los monocristalinos,
sin embargo el proceso de cristalizacin del silicio es diferente, este tipo de panel es
de bajo costo, alcanzan rendimientos inferiores al 14%.
En la Figura 7 se muestra la imagen de un panel solar policristalino, asequible en el
mercado y utilizado en este proyecto.

Figura 7. Panel solar formado por clulas de silicio policristalino

Figura 8. Panel solar de silicio amorfo

Amorfos
Este panel tambin es elaborado de silicio, su forma no es muy parecida a los ya
mencionados. Son empleados en pequeos dispositivos electrnicos como lo son
26

calculadoras, relojes y en pequeos paneles porttiles, su rendimiento mximo


regularmente es de 13% y los de uso comercial normalmente solo alcanzan un 8%.
En la Figura 8 se ilustra un panel solar amorfo.

2.2.4 Sistema solar fotovoltaico


Un sistema fotovoltaico es un conjunto de elementos conectados entre s, suministra
energa elctrica a partir de la transformacin directa de la energa solar.
El Sistema solar fotovoltaico requiere de cuatro elementos principales: paneles
fotovoltaicos, regulador, inversor y bateras. En la Figura 9 se muestra un diagrama
de un tpico sistema solar fotovoltaico del tipo aislado.

Figura 9. Sistema solar fotovoltaico aislado

Los sistemas solares fotovoltaicos, en comparacin con otras fuentes de energa


alterna, se caracterizan por su simplicidad, fcil instalacin, ausencia de ruido
durante su funcionamiento, larga duracin y requieren poco mantenimiento.
La energa solar aprovechada depende de mltiples factores, algunos de ellos
pueden ser controlados en el diseo e instalacin (orientacin, inclinacin, ubicacin
de los paneles fotovoltaicos) y otros se escapan a toda posibilidad de control, ya que
son consecuencias de la localizacin geogrfica de la instalacin y de los parmetros
meteorolgicos del lugar.

27

2.3 Seguidor solar


Un seguidor solar es un sistema electromecnico capaz de orientar los paneles
fotovoltaicos de forma que permanezcan perpendicular a los rayos del Sol.
Un sistema electromecnico es el conjunto de componentes elctricos, mecnicos y
electrnicos que desempean una funcin.

2.3.1 Inclinacin y orientacin


Cuando no se cuenta con un sistema de seguimiento, una estructura esttica puede
resultar insuficiente para algunas aplicaciones. En este caso la energa que se
colecta no es la mxima posible, pero resulta aceptable si se da al colector una
determinada orientacin. Al variar los ajustes mediante sensores y circuitos de
control se puede aumentar la eficiencia de recoleccin de energa.
En los ltimos aos, en las instalaciones fotovoltaicas de pequea escala, se han
utilizado paneles estticos orientados e inclinados de acuerdo a la ubicacin
geogrfica. En Mxico existen instalaciones de este tipo, pero al carecer de un
mecanismo de movimiento provoca deficiencia en la recoleccin de energa.
Los mdulos fotovoltaicos se montan de forma que aprovechen al mximo la
radiacin solar, por lo que se orientan hacia al sur geogrfico (si nos encontramos en
el hemisferio norte) y con una inclinacin 10 superior a la latitud del lugar.16

Figura 10. Orientacin e inclinacin de los mdulos fotovoltaicos

16 Junta de Castilla y Len. Manual del Instalador. Energa Solar Fotovoltaica. Primera Edicin. Pp 57
28

Pursima del Rincn, Guanajuato se encuentra en los 20 de latitud norte. 17 Entonces


se recomiendan lo siguiente:
Desviaciones mximas de 20 respecto al sur geogrfico, para la orientacin.
Desviaciones mximas de 10 respecto de la latitud, para la inclinacin.
Dichas recomendaciones, respecto a la Figura 10.
Se tiene que procurar que la radiacin solar incida perpendicularmente sobre la
superficie del mdulo al medioda.
Pero adems, la inclinacin depende del uso previsto de la instalacin, as pueden
darse diferentes casos:
20 mayor que la latitud para utilizacin principalmente en invierno.
10 mayor que la latitud para utilizacin uniforme a lo largo de todo el ao
(electrificacin de vivienda, bombas de agua, TV, etc.).
10 menores que la latitud para utilizaciones principalmente en primavera y
verano.
Inclinacin
La radiacin solar que incide sobre un panel variara con el ngulo en que los rayos
solares hagan contacto con la superficie del panel, la captacin de energa ser
mxima cuando la superficie del panel sea perpendicular a la radiacin.
La inclinacin de los rayos del Sol respecto a la superficie horizontal es variable a lo
largo del ao (mxima en verano y mnima en invierno) y por tanto, en aquellas
instalaciones cuyos paneles estn fijos, existe un ngulo de inclinacin que
optimizar la coleccin de energa sobre una base anual. Es decir, conviene buscar
el ngulo de inclinacin de los paneles respecto al plano horizontal que hace mxima
la potencia media anual recibida. En la mayora de los casos este ngulo coincide
con la latitud del lugar de la instalacin.
Otra forma que se puede utilizar el mecanismo para que se oriente segn la posicin
del Sol es por medio de un sistema de control electrnico, esta diferencia es
traducida a movimientos de los motores que regulan la posicin de inclinacin (giro
en direccin Este - Oeste) y acimut (giro en direccin Norte - Sur) del seguidor solar,
17 Instituto Nacional para el Federalismo y el Desarrollo Municipal (INAFED). Enciclopedia de los Municipios
y Delegaciones de Mxico. 2010. Sitio Web: http://www.inafed.gob.mx/work/enciclopedia/
29

como se observa en la Figura 11.18


Cuando la intensidad solar captada por sensores sea prcticamente igual, los
motores se detienen y el seguidor solar queda posicionado de forma que el Sol
incidir perpendicularmente sobre ellos.
Orientacin
Generalmente la orientacin para los paneles estticos es al sur, debido a la
trayectoria del Sol, y con un servomecanismo el movimiento es de Norte a Sur.

Figura 11. Mecanismo del seguidor solar

2.3.2 Clasificacin de los seguidores solares


Existen varias clasificaciones de los seguidores solares, as como las aplicaciones de
los mismos. 19,20

18 Energizar, Fundacin Argentina. Energa Solar. Sitio Web: http://www.energizar.org.ar. Publicado en el 2010.
19 Beltrn, Adn Jos. Prototipo fotovoltaico con seguimiento del sol para procesos electroqumicos. Tesis de
maestra. Mxico 2009. Pp 30-34
20 Guardado, Gutirrez Domingo Heriberto. et al. Implementacin de seguidor solar en dos ejes para sistema
fotovoltaico. Universidad de el Salvador 2009. Pp 11-15
30

2.3.2.1 Por el tipo de sistema fotovoltaico

Segn el tipo de sistema fotovoltaico encargado de la produccin de energa, los


seguidores se dividen en:
Seguidores de sistemas fotovoltaicos concentrados. Son aquellos que requieren
que la luz incida directamente y est concentrada en un punto especfico, deben
estar orientados con mucha precisin, arrojando grandes prdidas en caso contrario.
Los seguidores de este tipo orientan un sistema espejo o conjunto de espejos para
que la luz recibida sea enfocada en un colector fotovoltaico. La precisin requerida
en estos casos va desde un mximo de 2 hasta un mnimo de 0.1 para entregar el
90% de la potencia nominal de salida.
Seguidores de sistemas fotovoltaicos no concentrados. En este caso los paneles
fotovoltaicos aceptan tanto la luz directa como la difusa, de manera que no requieren
gran precisin para entregar una potencia aceptable.
Adems de las prdidas por la mala orientacin del panel existen aquellas que son
por suciedad, temperatura, viento (debido al enfriamiento), conexin de diferentes
paneles, espectro solar, cadas hmicas del cableado, rendimiento propio del panel,
de la batera, inversor, etc.
2.3.2.2 Clasificacin por el dispositivo que realiza el movimiento
Segn el dispositivo que proporciona el movimiento existen dos tipos bsicos de
seguidores:
Seguidor activo: es aquel que utiliza motores elctricos, brazos electromecnicos
con engranajes o tornillos sin fin, los cuales son controlados por un circuito
electrnico.
Este tipo de seguidor debe estar energizado ya sea por una fuente externa al sistema
o por el mismo, convirtiendo al seguidor en autnomo.
Seguidor pasivo. Es aquel que usa un gas comprimido de bajo punto de ebullicin,
conducido hacia un lado o hacia otro, segn sea calentado por la luz solar,
incrementando la presin en el gas, provocando que el seguidor se mueva en
31

respuesta a ese desbalance. Este sistema es impreciso y por lo tanto no se puede


utilizar para sistemas concentrados, pero s en sistemas fotovoltaicos no
concentrados.
2.3.2.3 Por los grados de libertad
Por los grados de libertad de los seguidores estos se clasifican en:
Seguidores de un Solo Eje.
Estos slo tienen un grado de libertad, se mueven en un solo eje de rotacin como
se observar en la Figura 12.

Figura 12. Seguidor solar de un solo eje horizontal

Hay varios tipos de seguidores de un solo eje:

Un solo eje horizontal. Este tipo de seguidor tiene el eje horizontal respecto al
suelo. En este caso, el eje horizontal est orientado Norte-Sur, y a lo largo del
da los paneles horizontales girarn sobre este eje, siguiendo el movimiento
aparente del Sol. Este tipo de seguidor es aceptable en latitudes cercanas al
ecuador.

Un solo eje vertical. En este caso el eje est vertical respecto al suelo. En
32

latitudes lejanas al ecuador son recomendables este tipo de seguidores. Los


paneles suelen estar orientados con un ngulo respecto al eje de rotacin, y
cuando giran forman un cono alrededor del eje.

Un solo eje inclinado. Los seguidores de un solo eje que no sea ni vertical ni
horizontal, es un seguidor de eje inclinado. Los paneles estn inclinados con
la misma inclinacin del eje, y cuando giran forman un cilindro alrededor de
este eje.

Seguidores de dos ejes.


Estos tienen dos grados de libertad, es decir dos ejes de rotacin. Estos ejes estn
perpendiculares el uno del otro, el eje primario es el que est fijo respecto a la tierra,
como se ve en la Figura 13.

Figura 13. Seguidor solar de dos ejes

Hay varios tipos de seguidores de dos ejes:

Seguidor de dos ejes de inclinacin. Este tipo de seguidores tienen su eje


primario horizontal respecto a la tierra, el eje secundario es perpendicular al
primario.
Los ejes de rotacin del seguidor estn tpicamente alineados con el Norte
magntico o con algn paralelo Este-Oeste. Uno de los ejes ayuda a orientar
33

al panel en su posicin Norte-Sur y el otro en la posicin Este-Oeste.

Seguidor de Acimut-Altitud. Este tipo de seguidor tiene su eje primario


vertical respecto al suelo, el eje secundario es perpendicular al primario.
Este tipo de seguidor de dos ejes es el mayor implementado debido a su
sencillez en la estructura, adems que no requiere estar a gran altura sobre el
suelo; esto es importante en el caso de tratarse de grandes instalaciones. El
seguidor ubica a los paneles frente al Sol girando alrededor de su eje vertical
a un ngulo conocido como Acimut, e inclinando los paneles a la altitud que se
encuentra el Sol.

2.4 Sistema seguidor solar


Un sistema seguidor solar es el conjunto de elementos acoplados entre s para
realizar los movimientos de orientacin e inclinacin.
El seguidor solar de esta investigacin incluye componentes electromecnicos y
sistema de control de automatizacin inteligente (redes neuronales, implementadas
en Arduino).

2.4.1 Elementos de un seguidor solar


Un seguidor solar puede estar compuesto por varios elementos mecnicos y
elctricos. Se toma como referencia el diseo de un seguidor solar de dos ejes
denominado TFP-ITL (Tracker Fotovoltaico de Posgrado del Instituto Tecnolgico de
la Laguna). Tiene caractersticas especficas para un rango de paneles fotovoltaicos
que van desde un panel de 420x420x25 mm de 2.5 kg de peso hasta panel de
1640x992x35 mm de 18.5 kg de peso. As cualquier panel solar que aspire dentro de
estos rangos ser aceptable y el seguidor solar se ajustara a las necesidades de los
paneles.21
21 Manrquez Chvez J.D., et al. Caractersticas de los Seguidores Solares. 3er Congreso Nacional de
Electromecnica y Electrnica, Lerdo, Durango, Mxico 2014. http://www.conaee.org/isbn.html
34

En la Figura 14 se muestran los elementos que conforman el seguidor solar TFP-ITL,


y En la Tabla 2 se representan los elementos de la misma, que es de gran ayuda
para el diseo. Adaptando los materiales disponibles.

Figura 14. Elementos de la parte superior del seguidor TFP-ITL

Nmero
1
2
3
4
5
6
7
8
9
10

Elemento de la parte superior


Unin de giro
Horquilla de soporte
Soporte de motor superior
Motor
Engrane de motor
Engrane de giro polar
Soportes de panel
Gua de ajuste de tamao
Base del seguidor
Panel solar fotovoltaico

Tabla 2. Elementos de la unin de giro

35

Figura 15. Vista de seccin de la zona de giro del seguidor solar

Nmero
1
2
3
4
5
6
7
8
9

Elemento de la unin de giro


Motor
Engrane del Motor
Engrane del Seguidor
Tubo de soporte de acero galvanizado
Soporte del motor
Rodamiento SKF
Vstago de unin
Horquilla de soporte del panel
Base del seguidor
Tabla 3. Elementos de la unin de giro

En la Figura 15 se muestra una vista de seccin a detalle del punto de giro o unin
de giro. Y en la tabla 3 los nombres de los elementos.
Esta parte ayuda a dar una idea clara para el diseo a proponer con los materiales
36

disponibles.
A continuacin se da una breve explicacin de los componentes electromecnicos
del seguidor solar, elementos de transmisin mecnica (engranes) y soportes, para el
posicionamiento.
2.4.1.1 Elementos electromecnicos
Los elementos electromecnicos son el conjunto de partes elctricas, electrnicas y
mecnicas encargados de hacer una funcin, como se mencion anteriormente.
Algunos ejemplos de estos son motores elctricos, microcontroladores, relevadores,
etc., que al combinarlos realizan una determinada tarea.
Motores de corriente continua (CC).
El motor de corriente continua es una mquina que convierte energa elctrica en
movimiento o trabajo mecnico, a travs de fenmenos electromagnticos. Este tipo
de motor es llamado as por el tipo de corriente que utiliza para su alimentacin. 22
El primer periodo de desarrollo de la mquina de corriente continua, que abarca el
tiempo desde 1831 hasta 1851, est enlazado ininterrumpidamente con los nombres
de los cientficos rusos E. J. Lenz y B. S. Jacobi, gracias a ellos y al desarrollo
tecnolgico este tipo de motor ha ido evolucionando. 10
Un motor de corriente continua produce torque gracias a la conmutacin mecnica
de la corriente.
En la Figura 16 se presenta un esquema del motor, donde el campo magntico
permanente es producido por imanes en el estator, el flujo de corriente en el
devanado del rotor produce una fuerza sobre el devanado. Debido a que en este
caso el motor tiene dos polos, la conmutacin se hace por medio de un anillo partido
a la mitad, donde el flujo de corriente se invierte cada media vuelta (180 grados).

22 Stephen J. Chapman. Maquinas Elctricas. Tercera Edicin. Australia. , Editorial Mc Graw Hill. 2000. pp 646.
37

Figura 16. Principio de funcionamiento de un motor de corriente continua

En los motores de corriente continua se encuentran las siguientes clasificaciones:


De excitacin independiente. Son aquellos que obtienen la alimentacin del rotor y
del estator de dos fuentes de tensin independientes. Con ello, el campo del estator
es constante al no depender de la carga del motor, y el par de fuerza es
prcticamente constante. Las variaciones de velocidad al aumentar la carga se
debern slo a la disminucin de la fuerza electromotriz por aumentar la cada de
tensin en el rotor.
De excitacin en serie. En este tipo de motor el devanado de campo (campo
magntico principal) se conecta en serie con la armadura. Este devanado de campo
est hecho con un alambre de calibre grueso porque tendr que soportar la corriente
total de la armadura. Debido a esto se produce un flujo magntico proporcional a la
corriente de armadura. Cuando el motor tiene mucha carga, el campo de serie
produce un campo magntico mucho mayor, lo cual realiza un esfuerzo de torsin
mayor. Sin embargo, la velocidad de giro vara dependiendo del tipo de carga que se
tenga. Estos motores desarrollan un par de arranque muy elevado y pueden acelerar
cargas pesadas rpidamente.
De excitacin (shunt) o derivacin. Este tipo de motor el bobinado inductor principal
est conectado en paralelo (derivacin) con el circuito formado por los bobinados
38

inducidos e inductor auxiliar.


De excitacin compuesta (compund). Es un Motor elctrico de corriente continua
cuya excitacin es originada por dos bobinados inductores independientes; uno
dispuesto en serie con el bobinado inducido y otro conectado en paralelo con el
circuito formado por los bobinados.
Microcontrolador
El microcontrolador es un circuito integrado digital que contiene casi todos los
elementos de un procesador (componente electrnico donde se realizan los procesos
lgicos). Se le denomina tambin microcomputador integrado y est especialmente
orientado a tareas de control y comunicaciones.23
Los circuitos integrados son redes elctricas formadas dentro de l y suelen hacerse
de un material semiconductor o aislante. Entonces se puede definir el circuito
integrado como una combinacin de elementos de circuitos interconectados
asociados inseparablemente dentro de l.24
Un elemento de un circuito integrado es una parte constituyente del mismo que
contribuye directamente a su funcionamiento. Como ejemplos de elementos se
tienen los diodos, transistores, resistencias y condensadores.
Existen diferentes microntroladores que ofrecen funcionalidades similares, cada uno
con velocidades de procesamiento diferente, algunos poseen especializados
convertidores anlogos digitales, contadores, temporizadores y un sistema para
permitir la comunicacin en serie y en paralelo.
Para esta aplicacin se selecciona un microcontrolador en particular: Arduino UNO,
por su bajo costo, multiplataforma (al funcionar en sistemas operativos como
Windows, Macintosh OSX y Linux), entorno de programacin simple, directo,
ampliable, adems de su cdigo abierto, la licencia es libre y utiliza el lenguaje de
programacin C.
El Arduino es un microcontrolador ensamblado en una pequea placa, con un puerto
USB para conectarlo a la computadora, y diversos zcalos de conexin que se puede
conectar mediante cableado o todo tipo de componentes electrnicos externos, como
23 Mandonado, Enrique. et al. Microcontroladores PIC. Sistema integrado para el aprendizaje. 2007. pp 11
24 Fitchen, Franklin. Circuitos integrados y sistemas. 1975. pp 4
39

motores, rels, sensores de luz, diodos lser, altavoces, micrfonos, etc. Se puede
alimentar mdiate la conexin USB del ordenador o con una fuente de 9 V. La placa
se puede controlar directamente desde la computadora, o programarla con esta, o
desconectarla para trabajar de forma automtica.25
El elemento principal de Arduino es el microcontrolador. El resto de la placa se ocupa
de facilitar la alimentacin y permitir que se comunique con la computadora a la que
est conectado. El lenguaje que se utiliza para la programacin de este
microcontrolador es estndar como Python, C, Java, Php, etc.
Las ventajas de Arduino son las siguientes:26

Es libre y extensible: esto quiere decir que cualquiera puede mejorar y ampliar
la capacidad del Arduino sin problema. Esto permite que exista un rico
ecosistema de extensiones, tanto de variantes de placas no oficiales como
de libreras y software de terceros, que pueden adaptarse mejor a
necesidades concretas.

El entorno de programacin es multiplataforma: se puede instalar y ejecutar en


sistemas Windows, Mac OS X y Linux. Esto no ocurre con el software de
muchas otras placas de microcontroladores.

Su entorno y el lenguaje de programacin son simples.

Las placas Arduino son reutilizables y verstiles: ya que es muy fcil


desconectarla, reconectarla y reprogramarla para varios proyectos, es verstil
porque la placa Arduino prob varios tipos diferentes de entradas y salidas de
datos, los cuales permite captar la seal de varios sensores y enviar seales a
actuadores de mltiples formas.

En el mercado existe una variedad de placas Arduinos, uno de ellos y el ms


comercial y usado es el Arduino UNO.
El microcontrolador que lleva la placa Arduino UNO es el modelo ATmega328P de la
marca Atmel. La P del final significa que este chip incorpora la tecnologa
Picopower (propietaria de Atmel), la cual permite un consumo elctrico
25 Monk, Simon. 30 Arduino proyect: fort he evil genius. 2012. pp 1
26 TORRENTE, Artero scar. Arduino, Curso Prctico de Formacin. Primera Edicin, Mxico: Alfaomega
2013. pp 70-71
40

sensiblemente menor comparndolo con el modelo equivalente sin Picopower. De


todas formas, aunque el ATmega328P pueda trabajar a un voltaje menor y consumir
menos corriente que el Atmega328 (especialmente en los modos de hibernacin),
ambos modelos son funcionalmente idnticos.
En la Figura 17 se muestran las partes que componen el microcontrolador
ATmega238P de Arduino UNO.

Figura 17. Pines del microcontrolador en el Arduino UNO

En la Figura 17 se observa qu el pin 7 es el que recibe la alimentacin elctrica, los


pines 8 y 22 estn conectados a tierra, los pies de entrada y salida (sealados como
PBx, PCx o PDx) y la existencia de otros pines ms especficos como el AVCC
(donde se recibe la alimentacin suplementaria para el convertidor analgico-digital
interno del chip) o el AREF (donde se recibe la referencia analgica para dicho
convertidor).
La memoria del microncontrolador Arduino UNO tienen las siguientes caractersticas.

Memoria flash: es la memoria permanente donde se aloja el programa del


microcontrolador. Su capacidad es de 32KB.

Memoria SRAM: memoria voltil de capacidad de 2 KB, donde se alojan los


datos que en ese instante el programa necesita crear o manipular para su
correcto funcionamiento.

Memoria EEPROM: memoria persistente donde se almacenan datos que se


desea que permanezcan grabados una vez apagado el microcontrolador. En el
caso del ATmega328P tiene una capacidad de 1 KB

En la Figura 18 se muestra una placa Arduino UNO, con la ubicacin de

los
41

componentes importantes.

Figura 18. Componentes de un Arduino UNO

El voltaje de funcionamiento para Arduino es de 5V, esta alimentacin se puede


obtener de diferentes maneras por medio de un cable USB o de una fuente externa.
Para la conexin con una fuente externa, la placa Arduino cuenta con una entrada de
2.1 mm. En teora puede recibir una alimentacin de 6 a 20 voltios, pero se
recomienda conectarlo en menos de 12 voltios. En cualquier caso, el voltaje de
entrada ofrecido por la fuente externa siempre es rebajado a 5 V de trabajo mediante
un circuito regulador de tensin que viene incorporado dentro de la placa.
El voltaje de salida de la placa Arduino Uno ofrece de 9 a 12 V en DC.
La intensidad de corriente ofrecida es de 250 mA (o ms). Si se conecta a la placa
Arduino muchos componentes o pocos pero consumidores de mucha energa (como
por ejemplo una matriz de LEDs, una tarjeta SD o un motor) el adaptador debera
suministrar al menos 500 mA o incluso 1 A. De esta manera se asegura de que
cuente con suficiente corriente para que cada componente pueda funcionar de forma
fiable.
En la placa existe una serie de pines relacionados con la alimentacin elctrica,
42

como son:

GND: tiene dos pines hembra conectados a tierra. Es importante que todos
los componentes del circuito compartan una tierra comn como referencia.

Vin: Este pin hembra se utiliza como una fuente externa ya sea que est
conectado a la clavija de 2,1 mm o mediante el cable USB, el voltaje y
corriente que genera es proporcional a la que entra.

5V: este pin proporciona una fuente de alimentacin de 5 voltios a partir del
recibido a travs del cable USB o de la clavija de 2,1 mm, y la corriente
mxima generada es de 40mA.

3,3V: este pin hembra ofrece un voltaje de 3,3V, este voltaje se obtiene a
travs del cable USB o de la clavija de 2,1 mm y se encuentra regulado con un
error de 1% por un circuito especifico incorporado. La corriente mxima que
suministra es de 50mA.

La placa Arduino dispone de 14 entradas o salidas pines hembra numeradas del 0


hasta 13.
Todos estos pines hembras funcionan con 5V. Pueden proveer o recibir un mximo
de 40mA y disponen de una resistencia interna de entre 20 K y 50 K que
inicialmente est desconectada.
Las entradas analgicas disponen de 6 entradas (en forma de pines hembra
etiquetados como A0, A1... hasta A5) que pueden recibir voltajes dentro de un
rango de valores continuos de entre 0 y 5 V. No obstante, la electrnica de la placa
tan solo puede trabajar con valores digitales, por lo que es necesaria una conversin
previa del valor analgico recibido a un valor digital lo ms aproximado posible. Esta
se realiza mediante un circuito conversor analgico/digital incorporado en la propia
placa.27
En general, la cantidad de bits de resolucin que tiene un determinado conversor
analgico/digital es lo que marca en gran medida el grado de precisin conseguida
en la conversin de seal analgica a digital, ya que cuantos ms bits de resolucin
27 TORRENTE, Artero scar. Arduino, Curso Prctico de Formacin. Primera Edicin, Mxico: Alfaomega
2013. pp 90
43

tenga, ms precisa ser la transformacin.


Existen otros pines hembras que adems de ser utilizadas como entradas/salidas
tienen otras funciones especializadas.

Pin 0 (RX) y pin 1 (TX): estos pines permiten que el microcontrolador pueda
recibir datos en serie por el pin RX o transmitirlos por el pin TX sin pasar por la
conversin USB, es decir, estos pines facilitan la comunicacin sin
intermediarios de dispositivos externos receptor/transmisor.

Pines 2 y 3: se pueden utilizar con la ayudad del software para gestionar


interrupciones.

Pin 13 est conectado a un LED el cual indica el voltaje de entrada a la placa


si el voltaje es muy elevado o alto el LED se encender pero si el valor de
entrada es bajo el LED se apagara es una forma muy sencilla de saber el
valor del voltaje sin contar con algn equipo externo este LED incrustado en la
placa se identifica con la etiqueta L.

Pin AREF ofrece un voltaje de referencia externo para aumentar la precisin


de las entradas analgicas.

Pin RESET este pin permite reiniciar si el valor de voltaje es muy bajo. Para
realizar esta funcin la misma placa Arduino ya dispone de un botn.

Pin IOREF este pin es una duplicacin regulada del pin Vin su funcin es
indicar a la placa el voltaje al cual estn trabajando.

La placa Arduino contiene un reloj interno el cual funciona a 16 millones de hercios


(16MHz). Esto quiere decir que el microcontrolador es capaz de realizar 16 millones
de instrucciones en cada segundo.
Existen otros tipos de placas Arduinos oficiales en el mercado, la funcin de ellos son
similares a los del Arduino clase Uno, pero con la diferencia que cuentan con
diferente capacidad y memoria.
Por ejemplo:

Arduino Mega 2560. Placa basada en el microcontrolador ATmega2560. Tiene


54 pines de entrada/salida digitales (de los cuales 14 pueden ser usados
como

salidas

analgicas

PWM),

16

entradas

analgicas

4
44

receptores/transmisores. Consta de una memoria Flash de 256 Kilobytes, una


memoria SRAM de 8 KB y una EEPROM de 4 KB. Su voltaje de trabajo es
igual al del modelo UNO: 5 V.28

Arduino Ethernet. Es muy parecido al modelo UNO ya que contienen la


misma cantidad de memoria Flash, SRAM y EPPROM, y tambin contienen el
mismo nmero de pines de entradas/salida. El resto de las caractersticas es
muy parecido, la mayor diferencia que existe con la placa UNO es que la
placa Ethenet incorpora un zcalo de tipo RJ-45 para poderse conectar
mediante el cable adecuado. Esta placa puede trasferir datos entre ella
misma y cualquier otro dispositivo conectado a su red LAN transferir datos
entre un dispositivo conectado a la LAN (normalmente, un computador
ejecutando algn tipo de software de control) y ella misma (la cual puede
estar conectada a algn actuador controlado remotamente por ese
computador).

Arduino Fio. Esta placa contiene un ATmega328P funcionando a 3,3 V y a 8


MHz. Tiene 14 agujeros que pueden utilizarse (mediante soldadura directa o
bien mediante la colocacin de pines hembra de plstico) como pines de
entrada/salida digitales, tambin tiene 8 agujeros preparados para utilizarse
como entradas analgicas y un botn de reinicio, todo ello dentro de un
tamao muy reducido.

Arduino pro. Esta placa viene en dos versiones: ambas contienen un


microcontrolador Atmega328P SMD, pero una funciona con 3,3 V y a 8 MHz y
la otra funciona con 5 V y a 16 MHz. Dispone de 14 agujeros que funcionan
como pines de entrada/salida digital (6 de los cuales pueden ser usados
como salida PWM), 6 agujeros para entradas analgicas, agujeros para
montar un conector de alimentacin de 2,1 mm, un zcalo JST para una
batera LiPo externa,

Arduino Lilypad. Este Arduino se utiliza en los materiales textiles el cual


permite conectarse mediante hilos conductores, sensores, fuentes de

28 TORRENTE, Artero scar. Arduino, Curso Prctico de Formacin. Primera Edicin, Mxico: Alfaomega
2013. pp 102
45

alimentacin y actuadores de forma que se puedan llevar encima haciendo


posible la creacin de vestidos y ropa inteligente y adems se puede lavar.
Esta placa incorpora el microcontrolador ATmega328V (una versin de bajo
consumo del Atmega328P), el cual se programa acoplando a la placa un
adaptador o cable USB-Serie.

Arduino Nano. Lo ms increble de esta placa es que a pesar de sus


longitudes sigue ofreciendo el mismo nmero de entrada/salidas digitales que
el Arduino UNO y la misma funcionalidad que esta. La consecuencia ms
evidente de su reducido tamao es que carece del conector de alimentacin
de 2,1 mm (aunque puede seguir siendo alimentada por una fuente externa
mediante el pin Vin o 5 V) e incorpora un conector USB mini B en vez del
conector USB tipo B.

Arduino Mini. Esta placa es muy parecida a la placa Arduino Nano, est
basada igualmente en el microcontrolador ATmega328P SMD funcionando a
16MHz, tiene 14 pines de entrada/salida digitales (6 de los cuales pueden
funcionar como salidas PWM) y 8 entradas analgicas. Y al igual que la placa
Arduino Nano, el Arduino Mini est especialmente pensada para conectarla a
una protoboard mediante las patillas que sobresalen de su parte posterior,
formando parte as de un circuito complejo de una manera relativamente fija.

Arduino Leonardo. La gran novedad de esta placa es que el microcontrolador


que incorpora es el ATmega32U4 (en formato SMD), el cual tiene todas las
funcionalidades que ofrece el Atmega328P pero incorpora adems 0,5
kilobytes ms de memoria SRAM y sobretodo, soporta comunicaciones USB
directamente (y por tanto, no necesita de ningn chip suplementario). 29

Sensores de posicionamiento
Existen varios tipos de sensores fotoelctricos, el ms comn y econmico es el
sensor llamado LDR.
Puede tambin ser llamado fotorresistor, fotoconductor, clula fotoelctrica o resistor
dependiente de la luz, cuyas siglas, LDR, se originan de su nombre en ingls light
29 TORRENTE, Artero scar. Arduino, Curso Prctico de Formacin. Primera Edicin, Mxico: Alfaomega
2013. pp 113
46

dependent resistor (resistor dependiente de la luz) y es una resistencia que vara su


valor dependiendo de la cantidad de luz que incide sobre l.
El LDR es fabricado con materiales de estructura cristalina, y utiliza sus propiedades
fotoconductoras. Los cristales utilizados ms comunes son: sulfuro de cadmio y
seleniuro de cadmio.
El smbolo de la fotorresistencia es como se muestra en la Figura 19, combinacin de
elementos comunes en el mbito electrnico.
La variacin del valor de la fotorresistencia tiene cierto retardo, diferente si se pasa
de oscuro a iluminado o de iluminado a oscuro. Esto limita a no usar los LDR en
aplicaciones en las que la seal luminosa vara con rapidez, el tiempo de respuesta
tpico de estos sensores est en el orden de una dcima de segundo. Esta lentitud
da ventaja en algunas aplicaciones, ya que se filtran variaciones rpidas de
iluminacin que haran inestable al sistema.

Figura 19. Smbolo de una fotorresistencia LDR

Figura 20. Smbolo de un relevador

Relevador
El Relevador o rel fue inventado por Joseph Henry en 1835, Su funcin es de un
interruptor controlado por un circuito elctrico, por medio de una bobina y un
electroimn, se acciona un juego de uno o varios contactos que permiten abrir o
cerrar otros circuitos elctricos independientes.30
30 F. Graf, Rudolf. Diccionario de Electrnica. Ediciones Pirmide, 1984.
47

El rel es capaz de controlar un circuito de salida de mayor potencia que el de


entrada.
En la figura 20 se observa la simbologa estndar para un relevador con interruptores
normalmente abierto y normalmente cerrado.
2.4.1.2 Elemento de trasmisin mecnica

Se denomina como transmisin mecnica a un mecanismo encargado de ceder


potencia entre dos o ms elementos31.
Existen diversos tipos de mecanismos para aumentar la potencia generada por el
motor, uno de ellos es el engrane.
Un engrane o tambin llamado ruedas dentadas es un mecanismo para transmitir
potencia de un componente a otro dentro de una mquina o sistema. Son empleados
para transmitir un movimiento giratorio o alternativo desde una parte de una maquina
a otra. El tren de engranajes se denomina como un conjunto de dos o ms engranes
que se utilizan para transmitir un movimiento.
Para el diseo de un engrane se consideran la velocidad y torque del motor, longitud
de la flecha, y velocidad requerida para el sistema.

Figura 21. Representacin de engrane recto

En est subtema no se hace mencin del diseo de los engranes, ya que los
31 J. E. Shigley. Diseo en ingeniera mecnica. Octava edicin. Espaa: McGraw-Hill, 2008. Pp 654-680
48

elementos que se adquiere estn diseados para ejercer una fuerza mayor a la
requerida para el prototipo del seguidor solar, as que solo se mencionaran los tipos
de engranes que existen.
Los tipos de engranes son los que se mencionan a continuacin:
Engranes rectos.
Como se ilustra en la Figura 21 este tipo de engrane tienen dientes paralelos al eje
de rotacin y se emplean para transmitir movimiento de un eje a otro eje paralelo.
Estos engranes son los ms simples que existen. Se utilizan generalmente para
velocidades pequeas y medianas, a grandes velocidades si no son ratificados o
pulidos producen ruido cuyo nivel depende de la velocidad de giro que tengan.
Engranes helicoidales
Como se observa en la Figura 22, este tipo de engranes poseen dientes inclinados
con respecto al eje de rotacin, y se utilizan para las mismas aplicaciones que los
engranes rectos, estos no son tan ruidosos, debido al engranado que es ms gradual
de los dientes durante el acoplamiento.
Asimismo, el diente inclinado desarrolla cargas de empuje y pares de flexin que no
estn presentes en los engranes rectos. En ocasiones, los engranes helicoidales se
usan para transmitir movimiento entre ejes no paralelos.

Figura 22. Representacin de engrane helicoidal

49

Los engranes cnicos, estos engranes que presentan dientes formados en


superficies cnicas, se emplean sobre todo para transmitir movimiento entre ejes que
se intersecan.
En la Figura 23 se exhiben los engranes cnicos de dientes rectos. Los engranes
cnicos en espiral se cortan de manera que el diente no sea recto, sino que forme un
arco circular.

Figura 23. Representacin de engranes cnicos

Figura 24. Representacin de engranaje de tornillo


50

El tornillo sinfn o de gusano, que se muestra en la Figura 24, representa el cuarto


tipo de engrane bsico. El gusano se parece a un tornillo. El sentido de rotacin del
gusano, tambin llamado corona de tornillo sinfn, depende del sentido de rotacin
del tornillo sinfn y de que los dientes de gusano se hayan cortado a la derecha o a la
izquierda. Los engranajes de tornillo sinfn tambin se hacen de manera que los
dientes de uno o de ambos elementos se envuelvan de manera parcial alrededor del
otro. Dichos engranajes se llaman engranajes de envolvente simple o doble. Los
engranajes sinfn se emplean sobre todo cuando las relaciones de velocidad de los
dos ejes son muy altas. La velocidad de giro del eje conducido depende del nmero
de entradas del tornillo y del nmero de dientes de la rueda. En la prctica la mayora
de tornillos son de una sola entrada, por lo que cada vez que ste d una vuelta, el
engranaje avanza un slo diente. Este sistema es de gran ayuda para cuestiones de
diseo como en este caso ya que limita a que el sistema este fijo y solo se mueva al
girar el tornillo.
2.4.1.3 Soporte mecnico

Un soporte es un elemento que mantiene esttico los componentes acoplados en un


sistema, se disean dependiendo de la fuerza que soportara o el peso del material
que se colocara. Para el sistema se adquieren materiales comerciales como lo es el
perfil rectangular de acero A36.

2.4.2 Sistema de control


Un sistema de control est formado por subsistemas y procesos (o plantas) unidos
con el fin de controlar la salida del proceso o respuesta. En su forma ms sencilla, un
sistema de control produce una sola salida o respuesta para una sola entrada o
estimulo dado, como se ilustra en la Figura 25.32
Un sistema de control tiene los siguientes elementos:
32 Nise S. Norman. Sistemas de Control para Ingeniera. Tercera Edicin. Mxico: Continental, 2004. pp 2
51

Variable a controlar: Generalmente se le conoce como seal de salida.


Constituye la seal que se desea que adquiera valores determinados.

Planta o sistema: Constituye un conjunto de elementos que realizan una


determinada funcin. O sea el objeto fsico que se desea controlar.

Sensor: Es el elemento que capta el valor de una variable a controlar en


determinado instante de tiempo.

Seal de referencia: Es el valor que se desea tome la seal de salida.

Actuador: Acta sobre el sistema modificando la seal de salida.

Controlador: Es el elemento que comanda al actuador en funcin del objetivo


de control.

Variable manipulada o seal de control: Es la cantidad o funcin que el


controlador modifica para efectuar el valor de la variable controlada.

Perturbacin: Es todo aquello que modifica la variable a controlar.

Transductor de salida: es el que mide la respuesta de salida y la convierte en


una forma empleada por el controlador.

Servomecanismo: Es el sistema de control retroalimentado donde se desea


controlar la velocidad, aceleracin, etc.
Entrada; estimulo
Respuesta deseada

Sistema de
control

Salida; respuesta
Respuesta real

Figura 25. Esquema simplificado de un sistema de control

Existen dos sistemas de control de posicionamiento comnmente empleados en la


tarea de posicionar paneles. El primero es un sistema de control cerrado dependiente
de la hora, mes en que se encuentra. Esta es la forma ms precisa para posicionar el
panel, pero involucra conocer varios factores (inclinacin y orientacin) y
especificaciones del lugar de aplicacin. El segundo, y seleccionado para este
trabajo, es un sistema de control con retroalimentacin por medio de sensores
luminosos LDR, el cual dependiendo de la intensidad de la luz que recibe ser el
52

movimiento de los motores para el posicionamiento, esto se lleva a cabo procesando


mediante Redes Neuronales Artificiales, implementadas en el hardware Arduino.
En la Figura 26 se muestra un diagrama que describe de manera modular el sistema
de control desarrollado en esta tesis.
Los elementos del sistema son los siguientes:

Variable a controlar: Voltaje generado por las celdas fotovoltaicas.

Planta o sistema: Mecanismo seguidor solar.

Sensor: Fotorresistencias LDR.

Seal de referencia: Cada de voltaje en las fotorresistencias.

Actuador: Motores de corriente continua.

Controlador: Red neuronal artificial implementado en Arduino UNO.

Variable manipulada o seal de control: Orientacin del mecanismo.

Perturbacin: Cambio luminoso en el entorno atmosfrico.

Transductor de salida: Arreglo de los LDR para medir la tensin.

Intensidad
luminosa

Posicin
Correcta

Microcontrolador
Arduino UNO

Motor 1 y 2

Posicin correcta del


panel

Sensor
LDR
Figura 26. Diagrama de bloque del seguidor solar

El algoritmo de control de Arduino se desarrolla en un lenguaje de programacin,


esto permite gobernar el circuito en el que se carga, actuando de forma lgica acorde
con las instrucciones contenidas en su memoria.
Una vez conectado el sensor a utilizar, el control permite accionar los actuadores que
ubican el panel solar segn la posicin del sol. Dentro de las herramientas que se
utilizan para realizar dicho algoritmo de control se destacan: El lenguaje C, los
53

controladores PID, el uso de lgica difusa, y las redes neuronales, etc. 33


Para que un microcontrolador realice una tarea cualquiera que sea, se tiene que
contar con un algoritmo de programacin que le indique, a travs de un programa,
que es lo que debe hacer con la mayor precisin posible y sin ambigedades.
Un algoritmo es una sucesin finita de pasos que se pueden ejecutar en un tiempo
finito, cuya razn de ser es la de resolver problemas. Para el diseo de algoritmos se
recomienda seguir una serie de paso, iniciando por analizar el problema particular.
El objetivo del anlisis del problema, es ayudar al programador a llegar a una cierta
compresin de la naturaleza del mismo. Este anlisis supone, en particular, la
superacin de una serie de pasos. 34

Definir el problema con precisin.

Especificar los datos de partida necesarios para la resolucin del mismo


(especificaciones de entrada).

Especificar

la

informacin

que

debe

proporcionarse

al

resolverse

(especificaciones de salida).

Disear un algoritmo, que puede ser una tarea difcil y su aprendizaje no es


inmediato, ya que requiere una buena dosis de experiencia y creatividad.

2.5 Redes neuronales artificiales


Una red neuronal artificial llamada ANN por sus siglas en ingls (Artificial Neural
Networks), o RNA en espaol, son un tipo de aprendizaje y procesamiento
automtico inspirado en la forma en que funciona el sistema nervioso de los seres
vivos. Se trata de un sistema de interconexin de neuronas que colaboran entre s
33 Montoche, Leonardo Csar. et al. Posicionamiento de paneles solares usando lgica difusa para prcticas de
laboratorio de control automtico. Tesis de licenciatura. Universidad Politcnica Salesiana Ecuador, 2012. Pp 39
34 Instituto Universitario de Investigacin de Robtica y Tecnologas de la Informacin y Comunicacin
(IRTIC). Fundamentos de informtica y programacin. Valencia, Septiembre 1995. Pp 83
54

para producir un estmulo de salida. 35


Las RNA pueden estudiarse como aproximadores universales desde el punto de vista
matemtico. Una aproximacin es un acercamiento de una funcin cualquiera
usando

una

transformacin

lineal.

Las

redes

neuronales

artificiales

son

aproximadores no lineales a la forma en que funciona el cerebro; por lo tanto no


deben compararse directamente con el cerebro ni confundir los principios que
fundamentan el funcionamiento de las redes neuronales artificiales y el cerebro, ni
pensar que las redes neuronales se basan nicamente en las redes biolgicas ya
que slo emulan en una parte muy simple el funcionamiento del cerebro humano.
Adems se debe considerar que las redes biolgicas son generadoras de procesos
neurobiolgicos en que se establecen relaciones de complejidad muy alta, las cuales
no se puede lograr con redes monocapas ni con redes multicapas.

2.5.1 Fundamentos biolgicos de las redes neuronales naturales


Una neurona biolgica es una clula especializada en procesar informacin,
compuesta por el cuerpo de la clula llamada soma y dos tipos de ramificaciones: el
axn y las dendritas.
La neurona biolgica recibe unas series de pulsos de otras neuronas a travs de sus
dendritas y transmite seales generadas por el cuerpo de la clula a travs del axn.
La figura 27 muestra los elementos de una red neuronal natural.

35 Ponce, Pedro. Inteligencia artificial con aplicaciones a la ingeniera. Mxico 2010. Pp 193-194
55

Figura 27. Elementos neuronales

En general, una neurona consta de un cuerpo celular ms o menos esfrico, de 5 a


10 micras de dimetro, del que salen una rama principal, el axn y varias ramas ms
cortas que corresponden a las dendritas. Una de las caractersticas de las neuronas
es su capacidad de comunicarse. En forma concreta, las dendritas y el cuerpo celular
reciben seales de entrada; el cuerpo celular las combina e integra y emite seales
de salida. El axn transmite dichas seales a las terminales axnicos, los cuales
distribuyen la informacin. Se calcula que en el cerebro humano existen
aproximadamente 1015 conexiones.
Las seales que se utilizan son de dos tipos: elctricas y qumicas. La seal
generada por la neurona y transportada a lo largo del axn es un impulso elctrico,
mientras que la seal que se transmite entre los terminales axnicos de una neurona
y las dendritas de la otra es de origen qumico.
Para establecer una similitud directa entre la actividad sinptica y la analoga con las
redes neuronales artificiales se considera que las seales que llegan a la sinapsis
56

son las entradas a la neurona, stas son ponderadas (atenuadas o simplificadas) a


travs de un parmetro denominado peso, asociado a la sinapsis correspondiente.
Estas seales de entrada pueden excitar a la neurona (sinapsis con peso positivo) o
inhibirla (peso negativo).
El efecto es la suma de las entradas ponderadas. Si la suma es igual o mayor que el
umbral de la neurona, entonces la neurona se activa (da salida). Esta es una
situacin de todo o nada; cada neurona se activa o no se activa. La facilidad de
transmisin de seales se altera mediante la actividad del sistema nervioso. Las
sinapsis son susceptibles a la fatiga, deficiencia de oxgeno y la presencia de
anestsicos, entre otros. Esta habilidad de ajustar seales es un mecanismo de
aprendizaje.

2.5.2 Breve historia de las redes neuronales artificiales


La primera accin encaminada a emular las neuronas biolgicas se dio en 1943
cuando el neurofisiologo Warren McCullch y el matemtico Walter Pitts, escribieron
un documento el cual explico que la salida de la neurona era en forma binaria.
Para reforzar este concepto se escribi un libro relacionado a las neuronas en 1949
por Donal Hebb, este trabajo resalto que la comunicacin ( sinapsis) de las neuronas
se fortalecen en el grado en que son empleadas y estas desarrollan nuevas
habilidades.
En 1957 Jhon Von Neumann sugiri imitar las funciones simples de una neurona con
la utilizacin de relevadores de telgrafo o tubos de vaco. En ese mismo ao Frank
Rosenblatt, comenz a trabajar en el Perceptrn. Este trabajo consisti en una red

57

de neuronas simples en el que considera las salidas de la neurona como salidas


binarias.
Posteriormente Minsky y Papert demostraron las limitaciones del Perceptrn ya que
por su salida binaria solo poda separa un espacio de muestra en dos clases.
En 1959 Bernard Widrow y Marcian Off de Stanford desarrollaron modelos que ellos
llamaron ADALINE y MADALINE. Estos modelos fueron nombrados de esta manera
por el uso de mltiples elementos de adaptacin lineal (Multiple ADAptive LINear
Elements) y a diferencia del Perceptrn incluan un peso de conexin con entrada
constante de 1 (sesgo o bias).y emplea una funcin de activacin bipolar.36
Durante las siguientes dos dcadas hubo un retraso en cuestin al desarrollo de las
redes hasta principios de los 80s cuando se present el trabajo de Hopfield en el
cual aproxima el funcionamiento de las neuronas desde el punto de vista energtico,
y el otro trabajo importante fue la presentacin del algoritmo de aprendizaje
empleado en una red Perceptrn de capas mltiples propuesta por verbos.

2.5.3 Caractersticas de las RNAs


Las RNAs tienen caractersticas que no se encuentran presentes en el modelo de
computador propuesto por Von Neumann, algunas de estas son:

Procesamiento paralelo

Calculo de representacin distribuida

Habilidad de aprender por medio de ejemplos

Habilidad de generalizar

Adaptabilidad

Tolerancia a falla

37,38,39,40

36 F.C. Rosa. et al, La Neurona Biolgica y su Implementacin Artificial. CIO: Len, Guanajuato. p.p 3-16.
37 Pedrycz, W., Computacional Intelligence: an introduction. 1 ed. Computer Engineering. 1998, Florida USA:
CRC PressLLC. pp 7-35.
38 Kasabov, N.K., Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering. 2 ed. Expert
systems (Computer science), ed. B. Book. Vol. 1. 1998, London, England: MIT Press. pp 251-307
39 Rosa, F.C.d.l. and M.S. Girardo, La Neurona Biologica y su Implementacion Artificial. 1993, CIO: Len,
Guanajuato. pp 3-16.
40 Jain, A.K. and J. Mao, Artificial Neural Networks: A tutorial. IEEE Computer, 1996. 18: p. 31-44
58

La conexin de la RNA almacena la informacin del patrn de entrenamiento

2.5.4 Neurona artificial


Una RNA consta de un conjunto de elementos de procesamiento conectados entre s
y entre los que se envan informacin a travs de conexiones. El elemento bsico de
la RNA es la neurona artificial o tambin conocido como elemento de procesamiento
bsico o procesador elemental (PE).
La neurona artificial propuesta por McCullon y Pitts es como se observa en la Figura
28 y es una de las ms simples.

Figura 28. Modelo ms simple de una neurona realizada por McCullon y Pitts

Se presentan varias seales de entrada a la neurona, y cada una de estas seales


es multiplicada por un valor (peso de conexin). En el caso ms simple, estos
productos solo son sumados, y alimentados a travs de una funcin de transferencia
de lmites rgidos para finalmente generar un resultado binario. Si la entrada a la
neurona es menor al valor de Umbral entonces la salida ser 0 en caso contrario
ser 141,42,43. En este modelo las conexiones de entrada (flechas) modelan los axnes
y dendritas de una neurona biolgica, los pesos de conexin a las sinapsis, y la
funcin de lmites rgidos a la actividad del soma. Este modelo presenta una gran
cantidad de simplificaciones que no reflejan el verdadero funcionamiento de una
41 Kasabov, N.K., Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering. 2 ed. Expert
systems (Computer science), ed. B. Book. Vol. 1. 1998, London, England: MIT Press. Pp 251-307
42 Freeman, J.A. et al. Neural Networks: algorithms, applications, and programming techniques. 1 ed.
Computation and Neural Systems, ed. C. Koch. Vol. 1. 1991, California: Addison Wesley. 45-124,341-371.
43 Jain, A.K. y J. Mao, Artificial Neural Networks: A tutorial. IEEE Computer, 1996. 18: p. 31-44.
59

neurona biolgica42.
El modelo matemtico de la neurona McCulloc-Pitts est dado por la siguiente
ecuacin.

Ec. 1
Donde:
= Valor de la seal de salida de la neurona, regularmente se considera igual al nivel
de activacin de la neurona.
= Peso de la entrada j.
= Valor de seal de entrada j.
= Valor de umbral o sesgo de la funcin.
= Nmero de entradas a la neurona.
Las funciones de entrada ms empleadas y conocidas son:

44,45

a) sumatoria del producto de los valores de entrada por sus respectivos pesos.

Ec. 2
b) Productora de las entradas pesadas (producto de todos los valores de
entrada, multiplicados por sus correspondientes pesos).

Ec. 3
c) Mximo de las entradas pesadas. Solo considera el valor de entrada ms
fuerte, previamente multiplicado por su peso correspondiente.
44 Kasabov, N.K., Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering. 1998, London,
England. 257- 260.
45 Jones, P.C. y S. Tepavich, ADALINE Stabilization of an Inverted Robot Arm. 1997, www.aracnet.com.
60

Ec. 4

d) Distancia euclidiana.
Ec. 5

Una neurona artificial puede estar activa o inactiva; esto significa que tiene un estado
de activacin. Algunas neuronas artificiales pueden encontrarse en un valor de
activacin dentro de un conjunto determinado
La funcin de activacin calcula el estado de actividad de una neurona, esta es una
funcin del valor x proporcionado por la funcin de entrada (valor de salida en
funcin de entrada). Las funciones de activacin ms empleadas se mencionan en
seguida, y muestran en la Figura 29.
a) Funcin de activacin lineal.

Ec. 6

Siendo a un valor que afecta la pendiente de la funcin.


b) Funcin Tangente Hiperblica
Ec. 7
Siendo g un valor que afecta la pendiente de la funcin.

61

Figura 29. Funciones de activacin ms comnmente empleadas

c) Funcin de activacin sigmoidea.


Ec. 8
Siendo g un valor que afecta la pendiente de la funcin.
d) Funcin Gausiana.

62

Ec. 9
Siendo A y B un valor que afecta la dispersin de la funcin.
Por ltimo el elemento de procesamiento est listo para proporcionar el valor de la
seal de salida u. Esta salida es transferida a otros elementos de procesamiento, o a
una conexin de salida, como corresponda a la estructura de la red.
Si la funcin de activacin est por debajo de un umbral determinado (ver Figura 29),
ninguna salida se pasa a la neurona siguiente. Normalmente los valores de entrada a
una neurona estn restringidos dentro de un rango: [0, 1], [-1, 1], etc.
Dos de las funciones de salida ms empleadas se muestran en la Figura 30 46.
a) La funcin identidad. Donde la salida es la misma que la entrada.
Ec.10
Siendo ui(t) el valor de la seal de salida de la neurona i en el tiempo t.
b) La funcin binaria.
Ec.11

Siendo

el valor de umbral de la neurona i.

46 Frausto, Cesar. Control de un pndulo invertido empleando redes neuronales artificiales. 2005. Pp 16-17
63

Figura 30. Funciones de salida ms empleadas

2.5.5 Estructura de la RNA


Una RNA consta de un conjunto de elementos de procesamiento conectados entre s
y entre los que se envan informacin a travs de conexiones llamados sinapsis 47. Un
esquema bsico de una red neuronal artificial se observa en la Figura 31, la cual
presenta las diferentes capas que tiene.

47 Jain, A.K. et al. Artificial Neural Networks: A tutorial. IEEE Computer, 1996. Pp 35
64

Figura 31. Grafica dirigida de una RNA general

En una RNA las neuronas se encuentran agrupadas en capas (layers) y altamente


interconectadas por medio de sinapsis; su forma de la estructura posee varias
entradas y salidas, las cuales es comn manejarlas en forma de vectores.
Las sinapsis son establecidas (entrenadas) para reaccionar de una forma
determinada a los estmulos de entrada y generar una salida deseada.
Como se observa en la Figura 31, se distingue 3 tipos de capas:

De entrada. Donde se recibe la informacin proveniente de fuentes externas a


la RNA.

Ocultas. Son las que se encuentran en la estructura interna de la RNA y no


tienen contacto directo con el exterior.

De salida. Transfiere la informacin obtenida por la RNA hacia el exterior.

Bsicamente, todas las RNA tienen una estructura similar a la que se muestra en la
Figura 31. Existen redes que contienen una sola capa, o aun solo un elemento, pero
la mayora de las aplicaciones requieren redes que al menos tengan los tres tipos de
65

capa.
La capa de neuronas de entrada recibe los datos ya sea por medio de archivos de
entrada o aplicaciones de tiempo real directamente de sensores. La capa de salida
enva informacin directamente al mundo exterior, ya sea a un proceso de clculo
secundario o la etapa de potencia electrnica de un sistema de control mecnico, por
ejemplo. Entre estas dos capas puede haber muchas capas ocultas. Estas capas
internas contienen neuronas interconectadas en varias estructuras. La entrada y
salida de cada una de estas neuronas ocultas simplemente alimenta a otras
neuronas.48
Todas las neuronas correspondientes a una capa pueden estar conectadas con todas
las neuronas de las capas cercanas, esto sera una conexin completa. Cuando no
existen todas las conexiones posibles de una neurona o capa de neuronas se dice
que estn Parcialmente Conectadas.
Considerando las conexiones de realimentacin se pueden considerar dos clases de
arquitecturas, mostradas en la Figura 32.

Figura 32. Ejemplos de RNAs con diferente arquitectura de alimentacin

Arquitectura de prealimentacin (feedforward). No existe alguna conexin


desde las neuronas de salida hacia las neuronas de entrada. En esta RNA no
se almacenan los valores de salida previos o el estado de activacin de
alguna de sus neuronas.

48 Frausto, Cesar. Control de un pndulo invertido empleando redes neuronales artificiales.2005. Pp 18


66

Arquitectura de Realimentacin (feedback). Existen conexiones desde las


neuronas de salida hacia las neuronas de entrada. En este tipo de RNAs es
necesario almacenar los valores previos de salida y los estados de activacin
de algunas neuronas.

2.5.6 Modelos de RNAs


Existen una serie de modelos dentro de redes neuronales artificiales, cada uno de
ellos tiene diferentes ventajas y forma de entrenamiento, los que destacan: 49,50,51

Perceptrn.

Perceptrn multicapa.

Adaline.

Memorias asociativas.

Mquina de Boltzmann.

Programacin hacia atrs (backpropagation)

RNA de Elman.52

RNA de kohonen.

RNA de base radial.

Redes ART (Adaptative Resonance Theory).

2.5.7 Entrenamiento de una RNA


Se denomina entrenamiento al proceso de configuracin de una red neuronal para
que las entradas produzcan las salidas deseadas a travs del fortalecimiento de las
conexiones. Una forma de llevar esto a cabo es a partir del establecimiento de pesos
conocidos con anterioridad, y otro mtodo implica el uso de tcnicas de
49 Freeman, J.A., et al. algorithms, applications, and programming techniques. 1991, California. Pp 45,89
50 Kasabov, N.K., Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering. 1998, London,
England. Pp 267-277, 290-294, 300-307
51 Ponce, Pedro. Inteligencia artificial con aplicaciones a la ingeniera. Mxico 2010. Pp 204-208
52 Elman, Jeffrey L. Finding structure in time. Cognitive Science, 14. 1990, San Diego. Pp. 179-211
67

retroalimentacin y patrones de aprendizaje que cambian los pesos hasta encontrar


los adecuados.53
Existen dos arquitecturas principales de entrenamiento: supervisado o asociativo y
no supervisado o auto-organizado. En este trabajo se emplear el entrenamiento
supervisado ya que es posible obtener los datos de entrenamiento necesarios para
este tipo de adiestramiento y la RNA a emplear en esta tesis puede ser enseada
empleando entrenamiento supervisado.
En el entrenamiento supervisado se introducen entradas que corresponden a
determinadas salidas, ya sea por un agente externo o por el mismo sistema. En el no
supervisado el entrenamiento se enfoca a encontrar caractersticas estadsticas entre
agrupamientos de patrones en las entradas.
2.5.7.1 Entrenamiento supervisado
En el entrenamiento supervisado se le proporciona a la red neuronal artificial el valor
de salida correcto para cada uno de los patrones de entrada y posteriormente los
valores de los pesos de conexin son modificados de tal forma que la RNA produzca
una respuesta en la salida que sea lo ms cercana posible al valor deseado. Durante
el entrenamiento de una red el mismo conjunto de datos se procesa tantas veces
como sea necesario para que el peso de las conexiones sea el adecuado.
A pesar del entrenamiento, algunas RNAs nunca aprenden la tarea deseada. Debido
a que los datos de entrada carecen de informacin suficiente para producir la salida
esperada.
Si una RNA no puede resolver un problema, se deben revisar: los datos de entradas
y salidas, el nmero de capas, el nmero de elementos por capa, el tipo de conexin
entre capas, las funciones de entrada, activacin, salida y de adiestramiento.

2.5.8 RNA Perceptrn

53 Ponce, Pedro. Inteligencia artificial con aplicaciones a la ingeniera. Mxico 2010. Pp 204
68

Rosenblatt diseo una gran variedad de RNAs simples conocidas como


perceptrones en los aos 1950. En el modelo de perceptrn, se emplea una sola
neurona (similares a las de McCulloch y Pitts) con una funcin de red de ponderacin
lineal y una funcin de activacin (umbral). La entrada a esta neurona x = (x 1, x2,...,
xn) es un vector n-dimensional en el espacio. La funcin de red de u (x) es la suma
ponderada de las entradas. Como se ilustra en la Figura 33.

54,55

El Perceptrn es un algoritmo aleatorio de gradiente descendiente que intenta


separar linealmente un conjunto de entrenamiento de n dimensiones. El xito que
tuvo el algoritmo del Perceptrn se debi a su Teorema de Convergencia, el cual
primeramente mostr Rosenblatt y establece que una RNA Perceptrn podr
aprender una tarea si es linealmente separable y esto lo realizara en una cantidad de
iteraciones determinadas.

Figura 33. Perceptrn de una sola capa

2.5.8.1 Entrenamiento de una RNA tipo Perceptrn

56

El algoritmo de aprendizaje del Perceptrn funciona para aprender funciones binarias


54 Ponce, Pedro. Inteligencia artificial con aplicaciones a la ingeniera. Mxico 2010. Pp 205
55 Yu Hen Hu. et al. Handbook of neural network signal processing. Ao 2002. USA. Pp 4
56 Kosko, B. Neural Networks for Signal Processing. 1992, Englewood Cliffs, New Jersey. Pp 161-188.
69

linealmente separables, ya que de otra manera el algoritmo no convergera ni


producira la mejor solucin. Debido a que las salidas son binarias, se emplean
unidades lineales de umbral.
Teorema de Convergencia del Perceptrn. El algoritmo Perceptrn puede encontrar
una funcin de discriminacin

en un nmero finito de iteraciones si el

conjunto de entrenamiento {

} es linealmente separable.

En general los algoritmos de entrenamiento que cumplen con el teorema de


Rosenblatt actualizan su vector de pesos
entrenamiento

(donde

cero para

en cada iteracin si la muestra de

es la clase de decisin) produce un valor menor a

, esto es, si el Perceptrn no logra clasificar la muestra . El

Perceptrn encuentra un hiperplano de separacin cuando


,y

< 0 para toda

> 0 para toda

El algoritmo de aprendizaje del Perceptrn podra considerarse como una forma


simple de aproximacin estocstica.
Si se considera una funcin de criterio de expectacin

se podra obtener

una ley de aprendizaje de gradiente descendente ideal de la forma mostrada en la


siguiente ecuacin:
Ec. 12
En la ecuacin 12 se considera una apropiada secuencia decreciente de factores de
aprendizaje {

}.

La funcin de densidad probabilstica desconocida


expectacin determinstico

define el operador de

, de tal forma que se pueda estimar el gradiente

. La aproximacin estocstica estima

como una simple variable


70

aleatoria , la cual de solo de lo observado durante la realizacin del proceso de


muestreo aleatorio.
Mediante estas consideraciones se puede llegar a una forma general del algoritmo
Perceptrn que tendra la forma siguiente:
Ec.13
El cual estima el gradiente descendiente considerando un conjunto de vector de
entrenamiento .
De tal forma que, clasificando dentro de dos clases, si la muestra de entrenamiento
genera
iteracin

, entonces se incrementa el vector de pesos en la


:

Ec. 14
Donde

es una constante. Esto de forma repetida hasta que

todo

, y

correctamente a

para todo

para

. Si el Perceptrn clasifica

entonces no se realiza ninguna modificacin en el vector de

pesos.

2.5.9 RNA en Arduino y control de seguidor


Arduino es un hardware con software de programacin libre, utiliza un
microcontrolador y entorno de desarrollo propio, con un diseo que facilita las
conexiones de entradas y salidas; en este caso para un sistema de control con redes
neuronales.
71

En la actualidad, hay poca informacin que describa la implementacin de redes


neuronales artificiales en la plataforma Arduino. El proyecto denominado Leuterio el
reminiscente creado por Nelson Crdenas Bolao y Diego Restrepo Leal
presentaron en Campus PartyTM una red neuronal artificial entrenada para jugar al
Tres en lnea o Triqui contra un usuario, a partir del Arduino Due con interfaz de
usuario en Processing 57,58.
En una publicacin de la pgina hobbizine.com, se presenta una red neuronal
artificial desarrollada para la placa electrnica Arduino Uno. Elaboran una serie de
cdigos de programacin en lenguaje C, con el fin de incluir la etapa de
entrenamiento para una RNA del tipo Back Propagation. 59
Si se trata de controlar un sistema seguidor solar, el algoritmo de programacin suele
ser por medio de algn sistema de coordenadas, tiempos de activacin, en
ocasiones convirtiendo esto a una tarea ardua de procesamiento de datos, ya que
involucra de muchos factores como lo son: altitud, longitud, mes del ao, etc.
No obstante las aplicaciones de RNA son diversas y satisfactorias, algunas son
implementadas en microcontroladores PIC`s, DSP`s, FPGA`s, etc. Por ejemplo: en
un robot con la capacidad de desplazarse en un ambiente desconocido evitando
obstculos60, y en un sistema RNA Adaline para la identificacin de colores 61.

2.6 Redes neuronales artificiales y su implementacin


Existen muchas variedades de software que entrenan e implementan una red
neuronal artificial, tanto libres como comerciales, pero en este trabajo se utilizan dos
programas para dicha tarea, los cuales son: Matlab y Arduino Software.

57 UNInotas. Campus Party 2014, Fiesta Tecnolgica en Colombia. Colombia Julio 2014. ISSN 2027-839X
58 El Informador. Estudiantes de Unimagdalena participaron en la fiesta tecnolgica ms grande de Colombia.
Campus Party. Julio del 214. Sitio Web: http://www.elinformador.com.co/
59 Hobbizine. A neural network for Arduino. Sitio web: http://robotics.hobbizine.com/arduinoann.html
60 Ramrez, Oscar A. et al. Creacin de una red neuronal artificial e implementacin en un microcontrolador.
Encuentro de investigacin en ingeniera elctrica. Zacatecas, Zacatecas. Marzo 25-26 del 2010.
61 Granado, Benito. et al. Implementacin de una Red Neuronal Multicapa en un Microcontrolador PIC para la
Identificacin de Color. 10 Congreso Nacional de Mecatrnica. Puerto Vallarta, Jalisco. Noviembre 3 y 4 del
2011.
72

2.6.1 Matlab 62,63


MATLAB es un lenguaje de programacin de alto nivel orientado al clculo tcnico
que integra un entorno amigable para el clculo, la visualizacin de resultados y la
codificacin de programas. Generalmente es utilizado en:

Clculo y Matemtica.

Desarrollo de Algoritmos.

Adquisicin de datos.

Modelamiento, simulacin y prototipamiento.

Anlisis, exploracin y visualizacin de datos.

Grficos cientficos y de ingeniera.

Desarrollo de aplicaciones con interfaces grficas.

El nombre Matlab proviene de Matrix Laboratory (Laboratorio de Matrices) dado que


en sus orgenes fue escrito para facilitar el desarrollo de software matricial. Matlab ha
evolucionado desde 1970 a travs de atender las necesidades de sus principales
usuarios, tanto en mbitos acadmicos como empresariales.
Matlab cuenta con una caja de herramientas (Neural Network Toolboox) que permite
disear RNAs.
La implementacin en Matlab de una RNA para funciones de control puede realizarse
de tres formas:

Mediante cdigo desde la lnea de comandos o desde el espacio de trabajo de


Matlab (workspace).

Utilizando el conjunto de bloques incluidos en el toolbox de Control Systems


de Neural Networks Blockset en Simulink.

Empleando la Interface Grfica de Usuario (GUI por sus siglas en ingles) de


RNAs, la cual se puede desplegar empleando el comando nntool (Neural

62Ataurima, Miguel. Matlab y Simulink para ingeniera Nivel 1. Universidad de Ciencia y Humanidades,
facultad de ciencia e ingeniera. Julio 2013. Pp 7-10
63 Hudson, Mark. et al. Neural Network Toolbox User's Guide. Versin 8.4. 2015. Natick,MA: The
MathWorks,Inc. Pp 1-30
73

Network Toolbox).
Al crear una RNA mediante el espacio de trabajo de Matlab es necesario introducir
los comandos adecuados para obtener la arquitectura deseada en la RNA. Esta
forma de disear RNAs permite personalizar la arquitectura y presenta la ventaja de
poder emplear funciones de entrada, de activacin y de salida definidas por el
usuario o, una combinacin de las ya implementadas en el propio Matlab.
Utilizando el conjunto de bloques en Control Systems se puede seleccionar una de
las opciones de RNAs ya diseadas para controlar sistemas, la desventaja de esta
herramienta es que algunas versiones de Matlab anteriores al 7.0 no es posible
generar el cdigo necesario para ejecutarla en tiempo real mediante Real Time
Workshop o Real Time Windows Target.
Por ltimo, la tercer forma de disear una RNA es mediante la GUI nntool. Esta
herramienta permite crear RNAs de distintas arquitecturas mediante la seleccin en
un men de la arquitectura deseada. Para este trabajo se seleccion la GUI nntool
para crear las RNAs empleadas en el control del seguidor solar.
Cuando se crea una RNA en Matlab, las capas generadas incluyen la combinacin
de: pesos, operaciones de multiplicacin y suma (en este caso realizadas como un
producto entre vectores W*P), el sesgo b, y la funcin de transferencia f.
2.6.1.1 Creacin de un Perceptrn mediante la GUI nntool de Matlab
A continuacin se presenta uno de los mtodos para crear y entrenar una Red
Neuronal Artificial tipo Perceptrn. En el cual se utiliza el software Matlab Versin
7.8.0.347 (RS2009a).
Por ejemplo se tienen los datos mostrados en la Tabla 4. Donde X1 y X2 son los
datos de entradas y S son los resultados esperados.
Entradas
X1
0
0
1
1

X2
0
1
0
1

Salidas
S
0
0
0
1
74

Tabla 4. Tabla de verdad de compuerta XOR para el Perceptrn

Con los valores que contiene la tabla, en el espacio de trabajo de Matlab se debe
introducir los datos de entradas y salidas en forma matricial tal y como se observa en
la Figura 34.
Para acceder a la Interface de Usuario Grfico de RNAs, en el espacio de trabajo de
Matlab se debe introducir el comando: nntool. Lo que permite acceder a la ventana
Administrador de RNAs (Network/Data Manager) mostrada en la Figura 35.

Figura 34. Espacio de trabajo con los datos de entradas y salidas

Figura 35. Ventana Network/Data Manager de la GUI nntool de Matlab

75

Figura 36. Venta importar datos para una RNA

La venta de GUI nntool permite importar (Import) los datos de entradas


(Input Data) y los datos de salida (Target Data).

Se debe importar los datos de entradas y salidas, esto se logra haciendo clic en el
botn Import de la ventana Network/Data Manager, como se observa en la Figura 36.
Una vez importado los datos, se debe crear la RNA. Con el botn New de la ventana
Network/Data Manager (Figura 35). Aparece la ventana emergente de la Figura 37 en
donde se introduce los parmetros necesarios.

76

Figura 37. Ventana Create Network or Data

La ventana Create Network or Data permite introducir los parmetros para entrenar
una RNA. Los parmetros a considerar en la creacin de un Perceptrn son:

Network Type: es el tipo de RNA, en este caso debe ser del tipo Perceptrn.

Input data: son los datos de entrada para la RNA.

Target data: son los valores esperados para la salida.

Transfer function: funcin de transferencia: HARDLIM (Limitador Fuerte) y


HARDLIMS (Limitador Fuerte Simtrico), es el modelo matemtico para
relacionar la respuesta del sistema.

Learning function: es el tipo de funcin de aprendizaje para el Perceptrn.


77

Una vez creada la RNA Perceptrn, se selecciona y se debe de abrir (Open) de la


ventana Network/Data Manager. Luego emerge la ventana observada en la Figura
38, del mismo modo se selecciona los datos de entrada y datos para la salida
deseada.
Despus en Training Parameters se deben indicar los parmetros que se utilizaran
para entrenar la RNA.

Figura 38. Ventana de configuracin de parmetros del Perceptrn

Figura 39. Ventana de configuracin para el entrenamiento del Perceptrn

78

En la Figura 39 se observa los parmetros requeridos por nntool y que sirven para el
entrenamiento del Perceptrn, donde el tiempo de entrenamiento depende de las
pocas (epochs) y el error (goal) este ltimo debe ser lo mnimo posible.
Al hacer clic en Train Network aparece la ventana emergente que muesrta el
comportamiento de la red durante su entrenamiento, Figura 40, donde resume la
informacin ms importante del proceso de entrenamiento, a fin de encontrar los
pesos (w) y umbrales (b) ms convenientes para la RNA.

Figura 40. Ventana de proceso para el entrenamiento de la RNA tipo Perceptrn

79

Figura 41. Grfica de estado de formacin

Una vez terminado el proceso. Los estados de formacin que se produce durante el
proceso de entrenamiento se pueden analizar. Esto se logra haciendo un clic en el
botn Performance (de la Figura 40) y aparece una grfica donde se identifica el
mejor desempeo, ilustrado en la Figura 41.
En el botn View/Edit Weights (ver Figura 39) se visualizan los pesos (W) y los
umbrales (b) encontrados para que el Perceptrn lleve a cabo la tarea entrenada, tal
y como se observa en la Figura 42.

80

Figura 42. Datos de los pesos y umbrales necesarios para la RNA

Figura 43. Ventana de simulacin de la RNA tipo Perceptrn

Para comprobar que la RNA aprendi la tarea de manera correcta, se simula. Esto se
hace insertando en el espacio de trabajo de Matlab datos no utilizados para el
entrenamiento y que se desean presentar. En la misma ventana donde se entrena,
en el botn Simulate se ingresa el valor de entrada (Inputs) que se haya creado en
Matlab y se enva con el botn Simulate Network que est en la misma ventana. Una
vez realizado esto, en la ventana Network/Data Manager se abre la salida (en Output
Data dar doble clic) y aparece el resultado deseado, tal y como se muestra en la
Figura 43.

2.6.2 Arduino software


Todos los Arduinos pueden ser programados en el entorno de lenguaje C, eso se
81

realiza en su programa gratuito que ofrece la pgina oficial en la sesin descarga.


En la Figura 44 se observa la ventana de interaccin para programar el Arduino, la
versin que se presenta es 1.6.5.

Figura 44. Ventana del software Arduino

El lenguaje C es un lenguaje estructurado, en el mismo sentido que lo son otros


lenguajes de programacin, el lenguaje C no es estructurado por bloques, o sea, no
es posible declarar subrutinas (pequeos trozos de programa) dentro de otras
subrutinas, a diferencia de como sucede con otros lenguajes estructurados tales
como el Pascal. Adems, el lenguaje C no es rgido en la comprobacin de tipos de
datos, permitiendo fcilmente la conversin entre diferentes tipos de datos y la
asignacin entre tipos de datos diferentes.
El lenguaje C posee un nmero reducido de palabras reservadas (tan solo 32) que
define el standard ANSI-C. Estas palabras reservadas pueden verse en la Tabla 5 64:
auto

Break

Case

Char

const

continue

default

64 W., Brian. et al. El lenguaje de programacin C. Segunda edicin. Mxico: Pearson educacin, 1991. pp 40-59
82

do
goto
signed
unsigned

Doubl
If
Sizeof
Void

Else
Int
Static
Volatile

Enum
Long
Struct
While

extern
register
switch

float
return
typedef

For
short
union

Tabla 5. Palabras reservadas del lenguaje C

2.6.2.1 Estructura general del sketch


Un programa diseado para ejecutarse sobre Arduino (un sketch) siempre se
compone de tres secciones, como se observa en la Figura 44.
La seccin de declaraciones de variables globales: ubicada directamente al principio
del sketch.
La seccin llamada void setup(): delimitada por llaves de apertura y cierre.
La seccin llamada void loop(): delimitada por llaves de apertura y cierre.
En el interior de las dos secciones (es decir, dentro de sus llaves) se debe escribir las
instrucciones que se desea ejecutar en la placa Arduino, y se debe tener en cuenta lo
siguiente:

Las instrucciones escritas dentro de la seccin void setup() se ejecutan una


nica vez, en el momento de encender (o restablecer) la placa Arduino.

Las instrucciones escritas dentro de la seccin void loop() se ejecutan justo


despus de las de la seccin void setup() y es el programa en s que est
funcionando continuamente infinitas veces hasta que la placa se apague (o se
restablezca).

Otros cdigos importantes para este trabajo son:


float a; /*Declara una variable tipo nmero real*/
int b; /*Declara una variable tipo numero entero*/
double c; /*Declara una variable tipo punto flotante de doble precisin*/
Algunos detalles que se deben tener en cuenta a la hora de escribir un sketches. Es
por ejemplo, que el lenguaje Arduino es case-sensitive. Esto quiere decir que es
totalmente diferente escribir una letra en mayscula que en minscula. Esto tiene
una

implicacin

muy

importante:

no

es

lo

mismo

escribir

por

ejemplo

Serial.begin(9600); que serial.begin(9600);. En el primer caso la instruccin


estara correctamente escrita, pero en el segundo, al momento de compilar el cdigo
83

el software enviara un error porque para l serial (con s minscula) no tiene


ningn sentido. Otro detalle es que todas las instrucciones (incluyendo tambin las
declaraciones de variables) acaban con un punto y coma. Es indispensable aadir
siempre este signo para no tener errores de compilacin, ya que el compilador
necesita para poder detectar el final de cada instruccin escrita en el sketch.
2.6.2.2 Herramientas del software
El software de Arduino est dividido en cinco reas, las cuales son: barra de mens,
barra de botones, editor de cdigo, la barra y la consola de mensajes, y la barra de
estado.
La barra de mens est compuesta por:

Men Archivo: esta sesin ofrece acciones estndar como crear un nuevo
sketch, abrir uno existente, guardarlo, cerrar el software en s, etc., tambin
hay otras acciones. Por ejemplo, la entrada Ejemplos se accede a los
sketches de ejemplos que vienen con el programa. Dentro del men se
encuentra la entrada Preferencias, donde abre un cuadro emergente que
ofrece la posibilidad de establecer algunas preferencias del software, como
por ejemplo la de cambiar la ubicacin de la carpeta sketchbook, el idioma
del software, tamao de la fuente de letra, la activacin de las actualizaciones
automticas del programa, el nivel de detalle en los mensajes mostrados
durante el proceso de compilacin y/o carga de los sketches, etc.

Men Editar: ofrece las acciones estndar como deshacer y rehacer, cortar,
copiar y pegar texto, seleccionar todo el texto o buscar y reemplazar texto,
adems de otras acciones. Por ejemplo Copiar al Foro lo que hace es copiar
el cdigo del sketch al portapapeles del sistema en una forma que es
especialmente adecuada para pegarlo en el foro oficial de Arduino (y as
recibir ayuda de la comunidad). Copiar como HTML copia el cdigo del
sketch al portapapeles del sistema en una forma que es especialmente
adecuada para pegarlo en pginas web genricas. Otras acciones a tener en
cuenta son por ejemplo la de Comentar / Descomentar la porcin de texto
84

que se tiene seleccionada, o bien aplicarle o quitarle sangra.

Men Programa: en este men ofrece la accin de verificar/compilar el sketch,


la de abrir la carpeta donde est guardado el fichero .ino que se est
editando en el momento, la de aadir en una nueva pestaa un nuevo fichero
de cdigo al sketch e importar libreras.

Men Herramientas: en este men ofrece diferentes herramientas, como la


posibilidad de autoformatear el cdigo para hacerlo ms legible (por ejemplo,
sangrando las lneas de texto contenidas dentro de las llaves { y }), la
posibilidad de guardar una copia de todos los sketches del proyecto actual en
formato zip, la posibilidad de abrir el monitor serie, seleccionar el tipo de
Arduino que se va a trabajar, seleccionar el puerto donde se desea enviar la
informacin del software a la placa Arduino, etc.

Men Ayuda: desde este men se accede a varias secciones de la pgina web
oficial de Arduino que contienen diferentes artculos, tutoriales y ejemplos de
ayuda. No se necesita Internet para consultar dichas secciones ya que esta
documentacin se descarga junto con el propio software.

Otra zona contenido en el mismo programa son las barras de botones compuestas
por los siguientes elementos que se muestran en la Figura 45.
1. Verificar: este botn realiza dos cosas: comprueba que no haya ningn error
en el cdigo del sketch, y si el cdigo es correcto, entonces lo compila.
2. Subir: este botn se debe pulsar inmediatamente despus del botn
Verificar. Su funcin es invocar internamente al comando avrdude para
cargar en la memoria del microcontrolador de la placa Arduino el sketch
recientemente verificado y compilado. Avrdude es capaz de realizar su tarea
porque al hacer clic en este botn se activa automticamente el bootloader del
microcontrolador (auto-reset).
3. Nuevo: Crea un nuevo sketch de trabajo.
4. Abrir: presenta un men con todos los sketches disponibles para abrir.
5. Guardar: guarda el cdigo del sketch que se est trabajando en un fichero, el
cual tiene la extensin .ino. Los ficheros se guardan en cualquier ubicacin
85

que se le indique, pero el software Arduino ofrece una carpeta especfica para
ello, la carpeta sketchbook, ubicada dentro de la carpeta personal del
usuario del sistema y generada automticamente la primera vez que se
ejecuta el programa.
6. Monitor Serie: abre el monitor serie que es una ventana emergente que
acta como una terminal independiente que se comunica mediante la
recepcin y el envo de datos en serie.

Figura 45. Botones del Software Arduino 1.6.5

Justo debajo del botn de Monitor Serie se tiene un botn desplegable desde
el cual abre nuevas pestaas. Tener varias pestaas abiertas a la vez suele
ser til cuando se tiene un cdigo tan largo que se necesita dividirlo en partes
para trabajar cmodamente. Esto es as porque todas las nuevas pestaas
abiertas forman parte del mismo proyecto que la primera pestaa original (y
por lo tanto, el cdigo escrito en todas ellas es solo uno) pero el contenido
particular de cada una de las pestaas se guarda fsicamente en un fichero
diferente, permitiendo as una manipulacin ms sencilla.
86

Captulo 3
Componentes Estructurales

87

Figura 46. Diagrama esquemtico del sistema empleado en esta tesis

En la implementacin del sistema seguidor solar se emplea una combinacin de


elementos software y hardware, mostrados de manera esquemtica en la Figura 46.
El software a utilizar fue: Matlab 7.8 (R2009a), Arduino 1.6.5, adems de
herramientas de la plataforma CAD para los elementos del sistema.
La funcin de Arduino fue controlar el mecanismo por medio de redes neuronales
artificiales.
En este captulo se describe la etapa de diseo para la implementacin del sistema,
los elementos del sistema, los datos requeridos para el Perceptrn, y la implantacin
de las Redes Neuronales Artificiales en la plataforma Arduino UNO.
Para entrenar un Perceptrn, empleando tcnicas de entrenamiento supervisado, es
necesario contar con informacin referente al comportamiento del sistema como los
son: datos de entrada y salida. En este proyecto los datos de entrada son las seales
88

provenientes de los sensores de luminosidad (fotorresistencias LDR) y los de salida


la seal de voltaje (energizado y desernegizado).
Debido a las limitaciones de tensin y corriente de salida que maneja el hardware es
necesario implementar una interfaz de potencia (mediante relevadores), para
proporcionar la tensin y corriente necesaria en los motores de C.C.

3.1 Diseo mecnico


El diseo toma como referencia el seguidor solar de dos ejes denominado TFP-ITL
(Tracker Fotovoltaico de Posgrado del Instituto Tecnolgico de la Laguna). Tal como
se describi en el tema 2.4.1. Con los elementos adquiridos se presenta el diseo,
careciendo de algn tipo de anlisis estructural ya que para lograr los objetivos del
proyecto no es necesario un anlisis de esfuerzos del diseo presentado.

3.1.1 Panel solar fotovoltaico


En la aplicacin se utiliza dos tipos de paneles fotovoltaicos (monocristalino y
Policristalino). La finalidad es comparar la eficiencia de cada uno de ellos
implementndolos en la estructura propuesta por este trabajo.
En la Figura 47 se muestra el panel solar monocristalino adquirido para la estructura
y anlisis de su eficiencia. Y en la Tabla 6 sus caractersticas.
La eficiencia terica que presenta este tipo de panel es alta a comparacin con los
dems, costo alto pero caractersticas excelentes en comparacin con el
Policristalino, ser en el mecanismo implementado donde se analiza las diferencias
de ambos.

89

Figura 47. Imagen ilustrativa del panel solar monocristalino

Caractersticas
Potencia promedio (Pmax)
Voltaje en potencia mxima (Vmp)
Corriente en potencia mxima (Imp)
Voltaje en circuito abierto (Voc)
Corriente en corto circuito (Isc)
Temperatura de operacin
Sistema mximo de voltaje conectado
Fusible mximo promedio
Dimensiones
Peso

20 W
18.82 V
1.08 A
22.58 V
1.19 A
- 40C a + 85C
1000 V
15 A
485mmx360mmx20mm
2.3 kg

Tabla 6. Caractersticas del panel solar monocristalino

En la Figura 48 se muestra el panel solar policristalino adquirido. Y en la Tabla 7 una


sntesis de sus caractersticas de diseo.

90

Figura 48. Imagen ilustrativa del panel solar policristalino


Caractersticas
Potencia promedio (Pmax)
Voltaje en potencia mxima (Vmp)
Corriente en potencia mxima (Imp)
Voltaje en circuito abierto (Voc)
Corriente en corto circuito (Isc)
Temperatura de operacin
Sistema mximo de voltaje conectado
Dimensiones
Peso

25 W
17.2 V
1.45 A
21.6 V
1.58 A
de -2C a + 42C
600 V
495mmx356mmx25mm
2.4 kg

Tabla 7. Caractersticas del panel solar policristalino

3.1.2 Actuadores elctricos


Los motores de corriente continua y el sistema de transmisin mecnica, se
adaptaron a las necesidades del prototipo, ya que originalmente eran diseados con
la finalidad de mover un asiento de automvil. Para esto fue necesario realizar
clculos adecuados para el maquilado de un engrane recto, el cual ajustara el modo
de trasmisin al sistema de posicionamiento.

91

3.1.2.1 Motor de corriente continua


En la Figura 49 se muestra los motores utilizados en el sistema, al igual que los
elementos de transmisin mecnica estos originalmente estn unidos entre s. Por
ello se tuvo que hacer algunas modificaciones para adaptarlo al mecanismo,
separndolos de su base original, as obteniendo tres motores. Para la
implementacin del mecanismo solo fue necesario utilizar dos de estos motores ya
que la estructura propuesta fue de dos ejes.
El torque de dichos motores fue ideal para esta aplicacin, y como excedia la fuerza
se debi colocar algunas resistencias tanto mecnicas como elctricas, para la
reduccin del mismo. Las cargas utilizadas en la parte mecnica fueron un par de
resortes y en la parte elctrica resistencias de 2 ohm-5 watts. El voltaje nominal es
de 12 voltios con un consumo de corriente mxima de 3 amperes.
Adems las flechas que utilizan estos motores son flexibles, lo cual es una ventaja
para la estructura, ya que se pueden manipular de manera fcil para trasmitir la
potencia del movimiento.

Figura 49. Motores C.C empleado en esta tesis

3.1.2.2 Transmisin Mecnica


Para transmitir la fuerza, y realizar el posicionamiento deseado, se emplearon el
primer y segundo (de izquierda a derecha) engrane de la Figura 50. Cada uno
internamente tiene acoplado un tornillo sin fin y un juego de engranes. Su funcin fue
aumentar el torque del motor y transmitirlo en este caso al seguidor solar.
Las especificaciones de los engranes son:
92

Mdulo (m): 1,5 mm

ngulo de presin (): 20

Con las especificaciones anteriores, se dise y maquil un engrane recto, su


funcin fue realizar el movimiento lineal, para la inclinacin de los paneles
fotovoltaicos. En la Figura 51 se presenta el diseo y en la Tabla 8 sus
especificaciones.

Figura 50. Engranes para la transmisin mecnica

Figura 51. Engrane recto ANSI 32 dientes

Especificaciones
Mdulo (m)
Ancho de cara (F)
Nmero de dientes (Z)
ngulo de presin ()
Dimetro del eje

1,5 mm
8 mm
32
20
20 mm

Tabla 8. Especificaciones del engrane recto ANSI


93

3.1.3 Sensores LDR


Se emplean cuatro fotorresistencias LDR para controlar al sistema, los sensores
estn ubicados en cada extremo del seguidor, tal y como se observa en la Figura 52,
la intensin es captar la mayor cantidad de luz posible cuando este orientado
correctamente.
El sensor LDR est dentro de un cilindro oscuro el cual tiene una pequea ranura por
la que ingresa la luz del Sol. La funcin: percibir el cambio cuando el Sol no incida luz
en el sensor. Ver Figura 53.

Figura 52. Posicin de las fotorresistencias en el prototipo seguidor solar

94

Figura 53. Fotorresistencia LDR empleado en el seguidor solar

3.1.4 Estructura del mecanismo


Con los elementos mencionados anteriormente se realiza un bosquejo para el diseo
del seguidor solar. Los elementos a contener en el prototipo son los que se muestran
en la Tabla 9 y se observa en la Figura 54.

95

Figura 54. Elementos del Seguidor solar empleado en esta tesis

Nmero
1
2
3
4
5
6
7
8
9
10
11

Elemento del seguidor solar


Tubo de la base del seguidor solar
Motor 1
Base para el motor
Flecha flexible del motor
Horquilla de soporte
Engranes rectos
Base para los paneles fotovoltaicos
Fotorresistencia LDR
Unin de giro para la inclinacin
Flecha para el giro de inclinacin
Motor 2

Tabla 9. Elementos del seguidor solar empleado en esta tesis

96

En la Figura 55 se presenta las dimensiones que presenta el seguidor solar. Algunas


dimensiones pueden variar con el fin de mejorar el comportamiento observado con el
sistema de control implementado.

Figura 55. Dimensiones del seguidor solar

Figura 56. Movimiento para inclinacin y orientacin

Para analizar a detalle el funcionamiento del mecanismo se apoy en un dibujo, en


plataforma de modelacin tridimensional, realizado en Solidworks 2014 bajo la
97

licencia estudiantil. Solidworks es un software

CAD (diseo asistido por

computadora) para modelacin mecnica en 3D, permite modelar y ensamblar


piezas de una manera fcil y sencilla.
El mecanismo tiene dos grados de libertad, para el movimiento de orientacin es
realizado por el motor uno, y el motor dos efecta la inclinacin de los paneles. Ver
Figura 56.Las propiedades del material que se sugieren son de acero comercial
ASTM A 36. En la Figura 57 se observa el diseo 3D del prototipo implementado en
esta tesis.

Figura 57. Vista tridimensional del seguidor solar

3.2 Entrenamiento del Perceptrn


Los motores cambian el sentido de giro invirtiendo los polos de alimentacin. Para
realizar esta funcin se emplean relevadores encapsulados de 5 pines.
Para la activacin de los relevadores se utiliza un circuito integrado ULN2803, este
pequeo

dispositivo

es

de

gran

ayuda

til

en

las

aplicaciones

de

microcontroladores, tanto PICAXE como PICs. La caracterstica principal es la


aportacin de potencia necesaria en la salida de los puertos. En el interior del
ULN2803 existen 8 transistores NPN Darlington, es un circuito integrado ideal para
98

ser utilizado como interfaz entre las salidas de un Arduino en este caso, o cualquier
integrante de las familias TTL o CMOS y dispositivos que necesiten una corriente
ms elevada para su funcionamiento, como un rel o motor C.C. Este dispositivo
soporta una tensin mxima de 50 voltios.
A cada motor se conectan dos rels a la salida del ULN2803, la finalidad es
manipular remotamente la orientacin del mecanismo. En la Figura 58 se ilustra la
interfaz de potencia.
Para el posicionamiento correcto se debe de colocar algn tubo delgado que est
perpendicular a los paneles fotovoltaicos, de tal forma que su sombra permita
visualizar cuando los rayos del Sol queden de manera perpendicular al tubo gua, la
manera ms fcil de observar cuando la estructura este de manera perpendicular a
los rayos es eliminado lo ms posible la sombra del tubo empleado.

Figura 58. Circuito electrnico para control de giro de motores C.C

Mediante el uso de un divisor de voltaje, con resistencias de 100 ohms y las


fotorresistencias, y cdigo desarrollado en Arduino (Figura 59) es posible obtener las
variaciones en las fotorresistencias para diferentes posiciones de la estructura.
En la Figura 60
el circuito electrnico, para la etapa de monitoreo de las
intse
x presenta
= 0;
/* El pin analgico que usaremos en Arduino */

seales en presentes
en =las
int myLDR0
0;fotorresistencias.

/* variable temporal para almacenar los valores del LDR


*/
void setup(){
Serial.begin(9600);
/* Configurando la conexin y la velocidad */
}
void loop(){
for(x=0;x<4;x++) {
myLDR0 = analogRead(x);
/* Leemos el valor de la LDR y lo almacenamos
*/
Serial.print(myLDR0);

99

Figura 59. Cdigo para lectura de los LDRs

Figura 60. Circuito electrnico para lectura de LDR`s

3.2.1 Adquisicin de datos para el Perceptrn


Los datos para el entrenamiento son adquiridos mediante el circuito presentado en la
Figura 60, y la orientacion manual del prototipo. Las mediciones se realizan en
diferentes tiempos y situaciones, con el fin de obtener diversas entradas para la
RNA. Los datos que se observan en la tabla 10 fueron los que menor error arrojaron
durante la implemetacion del entrenamiento de la Red Neuronal Artificial. Se
realizaron varias pruebas, con situaciones climatologicas diferente, con la finalidad

100

de obtener resultados representativos de los datos a considerar en el entrenamiento


de la RNA.
ENTRADAS
FOTORRESISTE
NCIAS

SALIDAS

DIFERENCIAS

POSICI
N

S1

S2

S3

S4

S1
Vs
S2

S1
Vs
S2

S2
Vs
S3

S3
Vs
S4

S1
Vs
S3

S2
Vs
S4

S1
Vs
S4

P1
P2
P3
P4
P5
P6
P7
P8
P9
P10
P11
P12
P13
P14
P15
P16
P17
P18
P19
P20

12
10
11
13
17
11
11
11
13
11
11
14
11
11
12
12
12
11
12
11

28
24
24
26
25
25
24
25
26
26
25
34
25
27
33
25
28
25
25
26

8
7
7
8
8
7
7
7
10
7
7
8
7
7
9
7
7
7
7
7

15
12
13
17
27
13
12
14
23
13
12
13
13
13
13
15
13
13
15
13

-16
-14
-13
-13
-8
-14
-13
-14
-13
-15
-14
-20
-14
-16
-21
-13
-16
-14
-13
-15

-16
-14
-13
-13
-8
-14
-13
-14
-13
-15
-14
-20
-14
-16
-21
-13
-16
-14
-13
-15

20 -7
17 -5
17 -6
18 -9
17 -19
18 -6
17 -5
18 -7
16 -13
19 -6
18 -5
26 -5
18 -6
20 -6
24 -4
18 -8
21 -6
18 -6
18 -8
19 -6

4
3
4
5
9
4
4
4
3
4
4
6
4
4
3
5
5
4
5
4

13 -3
12 -2
11 -2
9
-4
-2 -10
12 -2
12 -1
11 -3
3 -10
13 -2
13 -1
21 1
12 -2
14 -2
20 -1
10 -3
15 -1
12 -2
10 -3
13 -2

M1 M2 M3 M4
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
0
1
0
0
0

0
0
1
1
1
0
1
1
1
0
0
0
0
0
0
1
0
0
0
0

0
0
0
0
0
0
1
1
1
0
0
0
1
1
1
0
0
1
0
0

0
0
1
1
1
0
0
0
0
1
1
1
0
0
0
0
0
0
1
0

Tabla 10. Datos de entradas y salidas para el Perceptrn

La Tabla 10 ademas de presentar los datos promediados obtenidos en las lecturas de


los LDR`s ,usados para el perceptron implementado en esta tesis, tambien se
muestra la diferencia de cada uno de los datos de los sensores con su contraparte.
Los datos son desplegados mediante la ventana emergente Monitor Serie del
software Arduino, imprimiendo los valores de los LDR para cada situacion, asignando
los datos de salida que se desea, la activacin de los motores para posicionar la
estructura de manera perpemdicular 1 para activar el motores apropiado y 0 para
101

desactivarlo. Adems se asignan salidas M1 y M2 para controlar el giro del Motor


uno, y M3 y M4 para el motor dos es por eso que en la salida se encuentran 4
motores ya que se representa de la manera anteriormente explicada.

3.2.2 Resultados del entrenamiento mediante la GUI nntool de


Matlab (R2009a)
Al contar con el conjunto de datos que representan el comportamiento deseado, lo
siguiente es implementar un algoritmo de entrenamiento mediante Matlab,
normalizando los rangos de valores.
Para particularizar el entrenamiento de la RNA tipo Perceptrn es necesario definir
los parmetros que se utilizaran durante el proceso, una adecuada seleccin de los
parmetros de entrenamiento permitir a la RNA aprender la tarea deseada. Para el
entrenamiento realizado en esta tesis se emplearon los parmetros de entrenamiento
mostrados en la Tabla 11.
El entrenamiento del Perceptrn puede detenerse en un valor determinado, en esta
tesis se consider adecuado el rango de error obtenido al finalizar 15000 ciclos de
entrenamiento el cual presento la salida y error mostrados en la Figura 61. El
entrenamiento es detenido en 0.12 ya que haciendo modificaciones en los
parmetros de entrenamiento y aumentando la cantidad de ciclos no se observ una
disminucin relevante en el valor de error del Perceptrn.

Tipo de Red
Funcin de
transferencia
Funcin de
aprendizaje
pocas
Factor de
Aprendizaje

Perceptr
n
HARDLIM
LEARNPN
15000
0.120
102

Tabla 11. Parmetros topolgicos empleados en el Perceptrn

Figura 61. Valores del error medio cuadrtico presente en el Perceptrn durante su
entrenamiento

Como se observa en la Figura 61, la RNA despus de aproximadamente 4000 ciclos


de entrenamiento comienza a disminuir su convergencia, aunque el aumento de los
ciclos en este caso no arrojan errores de menos del 12%. Cabe mencionar que se
realizaron varias pruebas, entrenamientos con diferentes datos de entradas y salidas,
(algunas con menor error), pero en la implementacin del mecanismo se seleccion
el que mejor comportamiento presento. En otros entrenamientos el error fue menor al
12%, pero el comportamiento de la estructura no fue el esperado, por ello es que se
muestran los datos utilizados finalmente en esta tesis.
Los datos finales despus del proceso de aprendizaje son los que se presentan en la
Figura 62.

103

Figura 62. Estructura del Perceptrn implementado en esta tesis

3.3 Implementacin del Perceptrn en Arduino UNO


Mediante los valores del Perceptrn ajustados durante el entrenamiento en Matlab,
se da a la tarea de implementar el procesamiento para el control en la plataforma
Arduino UNO. En la Figura 63 se presenta el circuito de control empleado en el
prototipo de seguidor solar.

104

Figura 63. Circuito electromecnico de control para el seguidor solar

El sistema de control se divide en tres partes:

Etapa de medicin, las fotorresistencias ajustan su valor de acuerdo a la


intensidad de luz presente.

Etapa de procesamiento, las seales de entrada generadas por los LDRs son
procesadas mediante Redes Neuronales Artificiales para el accionamiento de
los motores y posicionamiento de los paneles fotovoltaicos (ver Anexo 1).
El hardware Arduino est alimentado mediante un regulador de tensin
(LM7805CV).

Etapa de control, en esta etapa se emplea un circuito integrado ULN2803 y


relevadores para activar los giros de cada motor del seguidor solar.

3.4 Implementacin del sistema


Cabe mencionar que para el entrenamiento del Perceptrn el prototipo fue antes
construido, ya que al adquirir las variables de entrenamiento es necesario ver el
105

comportamiento del mismo. En la Figura 64 se presenta el prototipo implementado


con el sistema de control de Redes Neuronales Artificiales.

Figura 64. Prototipo desarrollado con el sistema de control de RNA tipo Perceptrn

La manipulacin de la estructura fue hecha de manera directa para obtener los datos
de inicio en el entrenamiento de la RNA.
Con el fin de mejorar el comportamiento dinmico se vio conveniente utilizar una
serie de resortes, y elementos elctricos para disminuir el movimiento brusco, ya que
los motores utilizados son de alto torque, y en la activacin

es conveniente

precargan con suficiente fuerza de tensin al sistema de transmisin; reduciendo el


torque de arranque necesario en los motores, adems de estabilizar los movimientos
de frenado y aceleracin.
Para mantener la estabilidad de los paneles se utiliza una serie de abrazaderas la
finalidad es mantener la flecha estable, y que esta no tenga algn movimiento lineal
con el movimiento de inclinacin. De tal forma que las conexiones, cables y circuitos
no tengan contacto entre ellos, provocando anomalas y hasta corto circuito. Se
emplean diferentes calibres de aislante llamado thermofit. Los sensores LDR al tener
contacto fsico con la estructura suelen tener interferencia y con ello afectan la
respuesta del control y por tanto la orientacin del mecanismo.
106

Los paneles solares son fijados a la base de la estructura mediante tornillos y


tuercas, para desmontarlos con facilidad, adems permitir anexar en algn futuro
otros paneles fotovoltaicos.

Figura 65. Caja donde se integr el microcontrolador y los elementos utilizados

Con el fin de integrar todos los elementos del sistema utilizado para el sistema de
control, se opt por construir una caja en donde se contienen y protegen de la
interperie, esta se muestra en la Figura 65, y en su exterior se encuentran: un botn
de encendido y apagado utilizado para activar o desactivar el funcionamiento del
mecanismo, las conexiones de salida para los motores implementados, adems la
disposicin de dos salidas de voltaje (12 voltios) para diversas aplicaciones.
Los materiales utilizados son de fcil adquisicin, adems se le agregaron funda a
los motores, la finalidad: protegerlos de las adversidades del clima (polvo, humedad,
rayos solares, etc.).
Dentro de la caja se encuentran los siguientes elementos:

2 bateras recargables de 14 voltios

1 Tarjeta Arduino UNO y circuitos de potencia

1 regulador de voltaje para Arduino LM7805

4 resistencias de 5 watts acopladas a un disipador de calor


107

108

Captulo 4
MEDICIONES Y ANLISIS DE RESULTADOS

109

Figura 66. Esquema de conexin para monitorear la generacin elctrica en los paneles

Las mediciones que permitieron monitorear la eficiencia de captacin se realizaron


mediante la interaccin de Matlab/Simulink y la tarjeta de adquisicin de datos
miniLAB 1008, para obtener la seal de voltaje presente en los paneles fotovoltaicos
y de manera indirecta la seal de corriente bajo condiciones de trabajo.
Las conexiones para hacer tal medicin se aprecian en el diagrama de bloque de la
Figura 66. Mediante la creacin de un modelo en tiempo real se logra en
Matlab/Simulink adquirir los datos necesarios para visualizar la eficiencia que
presenta de manera esttica y con el sistema de posicionamiento implementado.
Se utiliza una resistencia de 0.47 ohm para medir indirectamente la corriente
suministrada a una lmpara de corriente continua, y se mide directamente el voltaje
presente en la celda durante el da; y as mediante el bloque elaborado en
Matlab/Simulink (Figura 67) se realiza la multiplicacin de estas seales (voltaje y
corriente) para as observar de manera indirecta la potencia generada.
Para que interactu la tarjeta minilab1008 y Matlab se debe tener instalado los
110

controladores necesarios para comunicarse con el dispositivo.


Debido a que se configuro Matlab para almacenar 100 datos por segundos, las
grficas que se presentan tienden a tener variaciones rpidas manifestadas como
lneas altas en la potencia, ya que en algunos momento se presentaron falsos
contactos en las conexiones de la resistencia, lmpara o en la misma tarjeta.

Figura 67. Modelo Simulink para adquisicin de seales en los paneles

4.1 Anlisis de los resultados


Las grficas presentadas en esta unidad fueron tomadas en condiciones similares y
distintas a las del momento de adquirir datos para el entrenamiento, el horario de
captacin fue de 8 de la maana a 6 de la tarde. La potencia registrada en los
grficos corresponde a distintos comportamientos, debido a que la tensin, voltaje y
composicin qumica de los paneles fotovoltaicos son totalmente distintos. No
obstante, se visualiza el comportamiento que tiende a tener cada panel en los
diferentes horarios y condiciones.
Para observar la mejora en la eficiencia de captacin que se logra al implementar el
sistema mecnico se opt por el clculo de rea que existe en las grficas de cada
panel, bajo las distintas condiciones de orientacin. Para ello se utiliz un mtodo
aproximado de medicin con el trazado de cuadros dentro de cada figura.
111

Como Matlab es una herramienta verstil, los datos almacenados pueden


compararse en los dos casos, y as analizar el comportamiento presente: colocado a
30 grados hacia el sur y con el mecanismo de control implementado.
Las mediciones que se presentan fueron tomadas en el mismo mes y con
condiciones similares, como se sabe la distancia del Sol hacia la tierra difiere durante
el ao.

Figura 68. Grfica del comportamiento en panel fotovoltaico policristalino en las dos
condiciones de orientacin (Sol intenso noviembre 2015)

En la Figura 68 se muestra grficamente el comportamiento que tiene el panel


fotovoltaico policristalino, el color obscuro es bajo condicin esttica y con el
mecanismo posicionador implementado en menor intensidad.
Las condiciones climatolgicas presentes cuando se obtienen los datos son el cielo
totalmente soleado, por lo que el comportamiento es muy similar a una campana de
Gauss, alcanzando su mxima generacin aproximadamente a las 13:00 hrs.
Los valores registrados en el amanecer y ocaso presentan interferencia por radiacin
dispersa, debido a la edificacin que hay alrededor del lugar en donde se realizaron
las mediciones, no obstante independiente de estos factores la eficiencia que se
obtiene al utilizar el mecanismo de control es notorio.
112

La interferencia por nubosidad afecta a la captacin de energa. Como se aprecia en


la Figura 68 aproximadamente a las 13 horas la radiacin incidente es mayor a un
que no siempre llega a la potencia terica, ya que bajo dichas condiciones los
fotones provenientes del Sol suelen ser interceptados por nubes, reduciendo la
energa generada en los paneles fotovoltaicos.
Al contar los cuadros bajo las respectivas curvas se observa que al utilizar el
seguidor solar aumenta la eficiencia de captacin casi un 30%.
En la Figura 69 se presenta el comportamiento que presenta el panel tipo
monocristalino, en ambos casos la forma de captacin de energa es similar, en
cuanto a su comportamiento gaussiano.
El silicio monocristalino es de mayor pureza que el policristalino, por ello la eficiencia
de captacin se ve beneficiada de mayor manera, en un 35% aproximadamente.
Este panel presenta menos anomalas que el anterior, y debido a algunas
condiciones del clima pareciera ms estable.
Los valores de la radiacin solar son diferentes en otras pocas del ao y la mejora
en la eficiencia de captacin con y sin sistema posicionador pudiera ser ms
evidente. Cuando el Sol est muy al Sur o muy al Norte, como en el caso de los
solsticios la diferencia entre la captacin solar es mayor, mientras que en el caso de
los equinoccios, la diferencia es mnima. Debido a esto, la generacin fotovoltaica
los das o meses cercanos a estas fechas estar ms afectada por la declinacin del
Sol.

113

Figura 69. Grafica del comportamiento sobre panel fotovoltaico monocristalino en dos
condiciones diferentes (Sol intenso noviembre 2015)

Se infiere, a partir de los datos observados durante las pruebas, que en los das
nublados el incremento en la generacin elctrica es mayor por la captacin de luz
solar beneficiada con el seguidor solar, respecto al caso de tener el panel fijo; El
sistema de control del prototipo fue entrenado bajo condiciones atmosfricas con
incidencia altas y bajas de sol. El sistema se comporta muy estable bajo dichas
condiciones de trabajo.
En los das nublados, la irradiacin de luz solar es significativamente menor, y los
fotones que inciden sobre los paneles provienen de toda la bveda celeste, es decir,
es difusa.
114

En la Figura 70 se muestran evidencias tomadas el da 06 de noviembre de 2015,


con da soleado, observando una mayor generacin de potencia en el panel con
seguidor solar. Adems en la misma grfica, se presentan resultados de un da
nublado, en este se observa un incremento en la insolacin considerable, pero
menor. Dicho comportamiento corresponde al comportamiento observado el 08 de
noviembre, con el mecanismo implementado tambin conlleva a un incremento en la
eficiencia de captacin.

Figura 70. Condiciones de trabajo en panel fotovoltaico tipo policristalino soleado vs nublado
posicionado estticamente (noviembre 2015)

115

Figura 71. Captacin de energa en panel fotovoltaico policristalino en condiciones con


nubosidad implementando el prototipo seguidor solar (noviembre 2015)

No obstante la seal de voltaje presente en los paneles fotovoltaicos, tanto


policristalino y monocristalino la cual es mayor comparada con la presencia de
nubosidad, la eficiencia de captacin es menor, esto debido a las temperaturas en
que se encuentra operando, producidas por los rayos solares.
En la Figura 71 se presenta la potencia generada observada al implementar el
mecanismo de control con redes neuronales artificiales, en condiciones donde los
rayos del Sol son muy escasos.
Los datos fueron registrados el da 03 de noviembre para la posicin esttica, en
condiciones similares, pero implementando el prototipo se monitoreo el da 08 de
116

noviembre del mismo ao.

Conclusiones
Para obtener un buen aprendizaje de la RNA es necesario realizar un gran nmero
de pruebas con condiciones climatolgicas diferentes ya que entre ms informacin
sea proporcionada a la Red esta ser capaz de aprender con mayor eficiencia la
tarea requerida, para llevar a cabo su funcin de manera correcta. Al introducir una
cantidad excesiva de datos estos pueden ser redundantes, ya que la red puede ser
afectada con la cantidad de informacin y memorizar la tarea de manera errnea.
Una red tiene sus limitantes ya que no es posible que aprenda un comportamiento
que no ha sido debidamente incluido en sus datos de entrenamiento.
La respuesta del sistema de control de posicionamiento para paneles fotovoltaicos
implementado con Redes Neuronales Artificiales, es por naturaleza un sistema
inestable y no lineal, el cual se ve afectado por una gran cantidad de fenmenos
climatolgicos. Para su buen funcionamiento el rea donde se coloque el prototipo
debe estar despejada lo ms posible, ya que cualquier alteracin en el clima sea
nublado o estructuras cercanas a l pueden interferir con la lectura correcta de los
sensores colocados en el prototipo.
La red neuronal utilizada durante el desarrollo del trabajo fue del tipo supervisada,
existen otro tipo de redes en las que su programacin est diseada para que esta
misma este en continuo aprendizaje del entorno que la rodea, pero el
microcontrolador que se emplea en esta investigacin carece de memoria de
almacenamiento y de procesamiento para implementar dicha alternativa.
Los datos que se utilizaron para el entrenamiento de la red no siempre fueron
activados por elementos de control, ya que la adquisicin de la informacin fue
realizada con pequeos impulsos que se suministraban a los motores de CC, donde
117

de forma manual se manipulaban los movimientos de giro de la estructura con la


finalidad de proporcionar la informacin y auxiliar en los datos recopilados.
El mecanismo implementado que se oriente a la posicin del Sol por medio de
sensores de luz y controlado con RNA es un producto novedoso y funcional, ya que
de acuerdo a los resultados obtenidos, se puede observar en las diferentes graficas
presentadas en este captulo el aumento de potencia generada que al estar esttico.
El diseo del prototipo fue realizado con materiales reutilizados o reciclados fcil de
conseguir. Al tratarse de un prototipo los material seleccionados no son los ms
apropiados, y los elementos de construccin no fueron especiales para resistir las
condiciones de intemperie.
En cuanto al funcionamiento del sistema de control, este cumpli con la tarea
esperada, aun bajo condiciones climatolgicas distintas a las que fue entrenado,
presentando un comportamiento aceptable en das soleados y nublados.
Presentando estabilidad en la etapa de control.
Las recomendaciones y futuras investigaciones para este proyecto son:

Utilizar materiales adecuados para la estructura, si en su implementacin


estara sujeta a inclemencias del clima (lluvia, frio, polvo, humedad etc.).

Para recolectar la energa producida por los paneles se recomienda tener un


circuito de control de carga, el prototipo actual carece de ello. Aunque es
posible recargar cuando los motores CC lo requieran, ya que son los que ms
consumen la energa generada.

Investigar y probar otros tipos de sensores, ya que los utilizados en esta


investigacin parecieron ser inestables y a veces provocar que el prototipo no
se posicione correctamente.

Durante algunas pruebas se tomaron varias lecturas e implementaron diversas


redes neuronales como controladoras, pero se eligi aquella que presento la
mejor respuesta de control.

Es recomendable investigar otras tcnicas de control y observar el


comportamiento del seguidor solar, adems de realizar pruebas durante todo
el ao, para tener informacin que sustente el efecto del controlador sobre la
118

eficiencia anual de captacin de energa.

Realizar diferentes mediciones en lugares despejados donde no se


encuentren interferencias de sombras de estructuras o edificios para una
mayor exactitud en la informacin recopilada.

Desarrollar un control a nivel electrnico para la velocidad y torque de los


motores CC, y evitar el uso de resortes mecnicos, que se emplearon en este
trabajo.

119

Referencia bibliogrfica
ATAURIMA, Miguel. Matlab y Simulink para ingeniera Nivel 1. Universidad de
Ciencia y Humanidades, facultad de ciencia e ingeniera. Julio 2013. Pp 7-10
BELTRN, Adn Jos. Prototipo fotovoltaico con seguimiento del sol para
procesos

electroqumicos. Tesis

Investigacin

Desarrollo

de

maestra,

Tecnolgico,

Centro

coordinacin

Nacional

de

de

mecatrnica,

Cuernavaca, Morelos, Mxico 2009. Pp 30-34


Centro Regional de Medicin de la Radiacin. Instituto de geofsica de la Universidad
Nacional Autnoma de Mxico (UNAM). Fecha de consulta: julio 2014. Sitio
Web: http://www.geofisica.unam.mx/ors/objetivo.html
CFE,

Comisin

Federal

de

Electricidad.

Energa

Renovable.

Sitio

Web:

http://www.cfe.gob.mx/
CRIADO, Vctor. Manual prctico de evaluacin de una instalacin de energa
fotovoltaica a pequea escala. Walter Hulshorst ECON internacional.
Universidad Politcnica de Madrid 2010.
EL INFORMADOR. Estudiantes de Unimagdalena participaron en la fiesta
tecnolgica ms grande de Colombia: Campus Party. 18 de Julio del 214.
Sitio Web: http://www.elinformador.com.co/
ELMAN, Jeffrey L. Finding structure in time. Cognitive Science, 14. 1990, San Diego.
Pp. 179-211
Energizar,

Fundacin

Argentina.

Energa

solar.

Sitio

Web:

http://www.energizar.org.ar. Publicado en el 2010.


Exolar

Sinerpo.

Energa

en

sistemas

fotovoltaicos.

Sitio

Web:

http://www.panelessolares.com.mx. Publicado en el 2009

120

F. Graf, Rudolf. Diccionario de Electrnica. Ediciones Pirmide, 1984.


F.C. Rosa. et al, La Neurona Biolgica y su Implementacin Artificial. 1993, CIO:
Len, Guanajuato. Pp 3-16
FERNNDEZ, Dez Pedro. Energa solar. Departamento de ingeniera elctrica y
energtica. Universidad de Cantabria Espaa 2009.
FITCHEN, Franklin. Circuitos integrados y sistemas. Ao 1975. Ed. Revert S.A.
New York. Pp 4
FRAUSTO, Cesar. Control de un pndulo invertido empleando redes neuronales
artificiales. Tesis profesional pblica. Instituto Tecnolgico de Len. Len
Guanajuato. 16 de Diciembre del 2005. Pp 16-18
FREEMAN,

J.A. et al,

Neural

Networks: algorithms, applications,

and

programming techniques. 1 ed. Computation and Neural Systems, ed. C.


Koch. Vol. 1. 1991, California: Addison Wesley. Pp 45-124, 341-371
GARCA, Santiago. Energa Fotovoltaica. Energiza. Octubre 2013 tercera edicin. Pp
12-18
GRANADO, Benito. et al. Implementacin de una Red Neuronal Multicapa en un
microcontrolador PIC para la Identificacin de Color. 10 Congreso
Nacional de Mecatrnica. Puerto Vallarta, Jalisco. Noviembre 3 y 4 del 2011.
GUARDADO, Gutirrez Domingo Heriberto. et al. Implementacin de seguidor
solar en dos ejes para sistema fotovoltaico. Tesis de licenciatura pblica.
UES, Universidad de el Salvador 2009. Pp 11-15
GUZMN, Enrique. Regulacin para fuentes de energa renovable. Quertaro:
Comisin reguladora de energa, noviembre 2010. Pp 5
HERRERA, Medina Jos Ismarth y Molina Palma Nelson Gustavo. Diseo, anlisis
e implementacin de un sistema de control para seguimiento solar en
121

dos ejes. Tesis de Licenciatura Pblica. Universidad Don Bosco, El Salvador,


Centro Amrica 2010.
HOBBIZINE.

A neural

network

for Arduino.

Noviembre

2014.

Sitio

web:

http://robotics.hobbizine.com/arduinoann.html
HUDSON, Mark. et al. Neural Network Toolbox User's Guide. Versin 8.4. 2015.
Natick,MA: The MathWorks,Inc. Pp 1-30
INSTITUTO NACIONAL PARA EL FEDERALISMO Y EL DESARROLLO MUNICIPAL
(INAFED). Enciclopedia de los Municipios y Delegaciones de Mxico.
2010. Sitio Web: http://www.inafed.gob.mx/work/enciclopedia/
INSTITUTO

UNIVERSITARIO

TECNOLOGAS

DE

INVESTIGACIN

DE LA INFORMACIN

DE

ROBTICA

Y COMUNICACIN

(IRTIC).

Fundamentos de informtica y programacin. Valencia, Septiembre 1995.


Pp 83
J. E. Shigley. Diseo en ingeniera mecnica. Octava edicin. Espaa: McGraw-Hill,
2008. Pp 654-680
JAIN, A.K. y J. Mao, Artificial Neural Networks: A tutorial. IEEE Computer, 1996. Pp
31-44
JUTGLAR, Llus. Energa solar, Barcelona Espaa: CEAC 2009. Pp 7-23
Junta de Castilla y Len. Manual del instalador. Energa solar fotovoltaica.
Primera edicin. Publicado por el ente regional de la energa de Castilla y
Len 2004. Pp 20-57
JONES, P.C. et al. ADALINE Stabilization of an Inverted Robot Arm. 1997.
www.aracnet.com.
KASABOV, N.K., Foundations of Neural Networks, Fuzzy Systems, and
Knowledge Engineering. 2 ed. Expert systems (Computer science), ed. B.
122

Book. Vol. 1. 1998, London, England: MIT Press. Pp 251-307


KOSKO, B. Neural Networks for Signal Processing. 1992, Englewood Cliffs, New
Jersey: Prentice-Hall. 161-188.
LORENZO,

Eduardo.

Retratos

de

la

conexin

fotovoltaica

la

red,

seguidores y huertas solares. Instituto de energa solar, Universidad


Politcnica de Madrid. Espaa 2003.
MANDONADO, Enrique. et al. Microcontroladores PIC: Sistema integrado para el
autoaprendizaje. Marcombo, 2007. Pp 11
MNDEZ, Muiz Javier Mara. et al. Energa solar fotovoltaica. Segunda edicin,
Espaa: Fundacin confemetal. Pp 16-30
MONK, Simon. 30 Arduino proyect: for the evil genius. First edition. Ed. Mc Graw
Hill. Estados Unidos 2012. Pp 1
MONTOCHE, Rivera Leonardo Csar. et al. Posicionamiento de paneles
solares usando lgica difusa para prcticas de laboratorio de control
automtico.

Tesis

de

licenciatura.

Universidad

Politcnica

Salesiana

Ecuador, 2012. Pp 39
NISE, S. Norman. Sistemas de control para ingeniera. Tercera edicin. Mxico:
Continental, 2004. Pp 2
ORBEGOZO, Carlos. et al. Energa solar fotovoltaica: Manual tcnico para
instalaciones domiciliarias. Per: Green Energy 2010.
PEDRYCZ, W., Computacional Intelligence: an introduction. 1 ed. Computer
Engineering. 1998, Florida USA: CRC PressLLC. Pp 7-35.
PERPIN, Oscar. Energa solar fotovoltaica. Primera edicin. Espaa: Creative
Commons, Mayo 2014. Pp 25
PONCE, Pedro. Inteligencia artificial con aplicaciones a la ingeniera. Primera
123

edicin. Mxico: Alfaomega Julio 2010. Pp 193-205


RAMREZ, Oscar A. et al. Creacin de una red neuronal artificial e
implementacin en un microcontrolador. Encuentro de investigacin en
ingeniera elctrica. Zacatecas, Zacatecas. Marzo 25-26 del 2010.
SECRETARIA DE ENERGA (SENER). Iniciativa para el desarrollo de las
energas renovables en Mxico, Noviembre 2012. Pp 3-13
Sistema de informacin energtica del estado de Guanajuato (SIEG). Sitio Web:
http://energia.guanajuato.gob.mx/siegconcyteg/formulario/Solar/frmValoresIrr
diacionSolar.php
STEPHEN J. Chapman. Maquinas Elctricas. Tercera Edicin. Australia. , Editorial
Mc Graw Hill. 2000. Pp 646
SUMANO, Fuentevilla Jonathan. Diseo y construccin de un sistema de
seguimiento fotovoltaico. Tesis para obtener el ttulo de ingeniero en
mecatrnica, Huajuanpan de Len, Oaxaca, Mxico, 2012.
TORRENTE, Artero scar. Arduino, curso prctico de formacin. Primera
edicin, Mxico: Alfaomega 2013. Pp 70-113
UNINOTAS. Campus Party 2014, Fiesta Tecnolgica en Colombia. Colombia Julio
2014. ISSN 2027-839X.
W., Brian. et al. El lenguaje de programacin C. Segunda edicin. Mxico: Pearson
educacin, 1991. Pp 40-59
YU HEN HU. et al. Handbook of neural network signal processing. Ao 2002. Ed.
CRC Press. USA. Pp 2-9

124

Anexo
1. Cdigo Perceptrn en Arduino
UNO
int tiempo=500;
// Tiempo de activacin

de las salidas.
float pesos[4][10]={{-11.5001,-15.7452,-7.4925,-13.983,-67.9435,-8.7101,6.4905,-4.0076,1.7622,2.4829},
{0.082906,-0.0085693,0.053608,0.076982,0.091475,-0.038107,-0.023375,0.029298,0.03514,0.031422},
{-28.1126,24.5423,-9.7275,12.601,43.1398,-44.5121,-22.3285,10.5712,61.2436,-26.7147},
{3.3675,-1.7911,-11.2652,-0.69619,5.1195,4.0475,-10.5691,12.1426,-1.1453,4.0637}};
// Arreglo de pesos sinpticos.
float umbrales[4]={-0.70711,0,-0.85711,-0.20711};
// Valores umbral para la funcin escaln.
float temporal;
double lectura[10];
int contador=4;
int salidas[4]={2,3,4,5};
int salidas1[4]={0,0,0,0};
int x;
int y;
float z;
int w;
void setup() {
// Se inicializa cada pin como salida:
for (int estasalida = 0; estasalida < contador; estasalida++) {
pinMode(salidas[estasalida], OUTPUT);
}
/* configura la conexin y la velocidad */
Serial.begin(9600);
}
void loop() {
for(w=1;w<13;w++)
{
/* leemos el valor de los sensores y lo almacenamos */
for(contador=0;contador<4;contador++)
{
lectura[contador] = analogRead(contador);}
/* Se calcula la diferencia entre los sensores y se almacena */
lectura[4]=lectura[0]-lectura[1];
lectura[5]=lectura[1]-lectura[2];
lectura[6]=lectura[2]-lectura[3];
lectura[7]=lectura[0]-lectura[2];
lectura[8]=lectura[1]-lectura[3];
lectura[9]=lectura[0]-lectura[3];
/* Se procesan los valores de entrada y determinan las salidas */
for(x=0;x<4;x++)
{temporal=0;
for(y=0;y<10;y++)
{z=lectura[y]*pesos[x][y];
temporal=temporal+z;}
if(temporal<umbrales[x])
{salidas1[x]=0;}
else{salidas1[x]=1;}
}
/* Se activan las salidas correspondientes */
for (x=0;x<4;x++) {
// turn the pin on:
if(salidas1[x]<1)
{digitalWrite(x+2, LOW);}
// turn the pin off:
else{digitalWrite(x+2, HIGH);}
}
delay(tiempo/w);
for(x=2;x<6;x++)
digitalWrite(x, LOW);
delay(tiempo);
}
delay(20*tiempo);
}

125