Estabilidad al vuelco de vehículos de carretera mediante técnicas de Machine Learning

Abstract

Este proyecto nace con la intención de continuar con el estudio del vuelco de vehículos, tras la realización del proyecto fin de grado “Sistema Predictivo Anti-vuelco de Vehículos”. Anteriormente el estudio se centró en la física de este tipo de maniobras y en las variables que juegan un papel fundamental, para ser capaces de realizar estimaciones cercanas a la realidad. En este proyecto, yendo un paso más lejos, se va a intentar implementar la metodología Machine Learning al problema del vuelco de vehículos. El Machine Learning es una rama de la inteligencia artificial la cual, mediante el tratamiento de datos, es capaz de enseñar a un programa a predecir valores discretos o continuos. La aplicación de esta metodología se realiza inicialmente con una breve introducción al vuelco y a las variables mecánicas más significativas. Posteriormente, se realiza una explicación del Machine Learning con sus diferentes variaciones como son los árboles de decisión y las redes neuronales. A continuación, se realizan diferentes pruebas para determinar que metodología dentro del Machine Learning se adapta mejor a este problema, comparando los algoritmos típicos como son SVM (Máquinas de vectores soporte) y los árboles de decisión con las redes neuronales. Una vez realizada esta comparación, el proyecto se centra en la optimización del proceso para la predicción del índice de vuelco en diferentes situaciones y con diferentes vehículos, donde se verá la importancia de los datos y su obtención. En la fase final del proyecto, se realizan dos hipótesis para la generalización del problema. Además, se realiza un estudio de la viabilidad de ambas y de cómo se podrían aplicar a los diferentes tipos de vehículos. Se concluye que la aplicación del Machine Learning, en concreto las redes neuronales, son una herramienta con un gran potencial en la predicción del vuelco de vehículo. Las redes neuronales son capaces de predecir valores de parámetros que, en condiciones normales y con dispositivos que se puedan incorporar a un vehículo cualquiera, serían difíciles de obtener. Además, no solo son capaces de obtener parámetros o directamente el valor del índice de vuelco, sino que también son capaces de diferenciar entre distintos tipos de vehículos y obtener una buena respuesta para cualquiera de ellos.