Resumen
En la presente investigación se explica la metodología para la creación de un sistema de diagnóstico aplicado a la detección de fallas mecánicas en vehículos con motores a gasolina mediante redes neuronales artificiales, el sistema se basa en el estudio de la fase de admisión del ciclo Otto, el cual es registrado a través de la implementación física de un sensor MAP (Manifold Absolute Pressure). Se emplea un estricto protocolo de muestreo y su correspondiente análisis estadístico. Los valores estadísticos de la señal del sensor MAP: área, energía, entropía, máximo, media, mínimo, potencia y RMS se seleccionaron en función al mayor aporte de información y diferencia significativa. Los datos se obtuvieron con la aplicación de 3 métodos estadísticos (ANOVA, matriz de correlación y Random Forest) para tener una base de datos que permita el entrenamiento de una red neuronal feedforward backpropagation, con la cual se obtiene un error de clasificación de 1.89e−11. La validación del sistema de diagnóstico se llevó a cabo mediante la provocación de fallas supervisadas en diferentes motores de encendido provocado.
Título traducido de la contribución | Application of a Feed-forward Backpropagation Neural Network for the Diagnosis of Mechanical Faults in Spark Engines |
---|---|
Idioma original | Español (Ecuador) |
Páginas (desde-hasta) | 1-9 |
Publicación | Ingenius |
Volumen | 20 |
N.º | 20 |
DOI | |
Estado | Publicada - 30 jun. 2018 |
Palabras clave
- Anova
- Correlation matrix
- Diagnosis
- Mechanical failures
- Random forest
- Red feed-forward backpropagation
Areas de Conocimiento del CACES
- 617A Diseño y construcción de vehículos, barcos y aeronaves motorizadas