Motores lineales de imanes permanentes: principios de funcionamiento y optimización
Gabriel González Palomino
Licencia de minería de texto y datos
Declarado por la editorial el 22 julio 2026 a las 22:02:58 UTC
El titular de derechos se reserva expresamente sus derechos de reproducción, extracción y reutilización para fines de minería de textos y datos (TDM) y de entrenamiento de modelos de inteligencia artificial, de conformidad con el Art. 4(3) de la Directiva (UE) 2019/790, el Art. 53(1)(c) del Reglamento (UE) 2024/1689 (AI Act), el Art. 13 del Acuerdo ADPIC/TRIPS de la OMC, la Decisión Andina 351 de 1993 y las leyes nacionales aplicables en los territorios de residencia del titular, de realización de la reproducción y/o comercialización del Large Language Model u otro tipo de IA resultante.
Esta reserva cubre toda reproducción digital de la obra con independencia del soporte de la copia de origen (impreso o digital) y es efectiva desde la fecha certificada de esta declaración.
En América Latina, donde no existe excepción legal para el entrenamiento de IA, esta declaración constituye evidencia pública de que el titular no ha otorgado autorización. En la Unión Europea, activa la reserva máquina-legible exigida por el Art. 4(3) CDSM y el Art. 53(1)(c) AI Act. En Estados Unidos, señaliza la existencia de un mercado de licencias TDM a efectos del factor 4 del análisis de fair use.
Cualquier uso de la obra para los fines aquí reservados requiere autorización previa y expresa del titular de derechos.
Sello de integridad
Declaración selladaLa declaración fue sellada ante una autoridad de sellado de tiempo independiente (RFC 3161) y su contenido identificado con ISCC (ISO 24138): cualquier tercero puede verificar que existía en esa fecha y que no ha sido alterada. Descargar evidencia criptográfica (.tsr) · ¿Cómo se verifica?
Formatos
| Formato | ISBN | Recordreference | DOI | Año |
|---|---|---|---|---|
| Impreso | 9789588713991 | SIMEHPRINT96A6E5E7D9172J6C061I | — | 2016 |
Sobre esta obra
Posteriormente se abordan fenómenos que afectan la calidad de las fuerzas de empuje del motor y las técnicas que se utilizan para reducir dichos fenómenos. También se abordan temas de optimización que se pueden aplicar al diseño del motor lineal. Incluyendo los métodos de inteligencia artificial. Al final se aplica un ejemplo de utilización de redes neuronales en combinación con un sencillo método de optimización multi-objetivo para lograr el mejor desempeño de dos modelos de motores lineales síncronos de imanes permanentes.
Los dos modelos de motores analizados son simulados con un software de elementos finitos de aplicaciones electromagnéticas. Para obtener las características de fuerzas de empuje y las fuerzas indeseables que producen rizado en dicha fuerza de empuje. Luego se aplica una técnica .de diseño para reducir el rizado y se establece. por medio de redes neuronales y la técnica de optimización multi-objetivo.el mejor caso para obtener el máximo desempeño de los motores.