Diagns̤tico de fallas con redes neuronales. Parte 1, Reconocimiento de trayectorias
La investigacin̤ realizada tuvo como objetivo la formulacin̤ de un mťodo para el diseǫ de un sistema de diagns̤tico de fallas para plantas qum̕icas utilizando redes neuronales artificiales. El diagns̤tico de fallas tiene como misin̤ identificar la falla que est ̀afectando a un proceso dado a travs...
Saved in:
| Format: | Book |
|---|---|
| Language: | Spanish |
| Subjects: | |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
MARC
| LEADER | 00000nam a22000004a 4500 | ||
|---|---|---|---|
| 001 | vpro22049 | ||
| 005 | 20201223000000.0 | ||
| 008 | 200724s2020 ck # g## #001 0#spa#d | ||
| 020 | |a 2248-8723 (Versin̤ electrn̤ica); 0120-5609 (Versin̤ impresa) | ||
| 022 | |||
| 040 | |a CO-BoINGC | ||
| 041 | 0 | |a spa | |
| 245 | 1 | 0 | |a Diagns̤tico de fallas con redes neuronales. Parte 1, Reconocimiento de trayectorias |
| 246 | |a Fault diagnosis with neural networks. Part 1: Trajectory recognition | ||
| 264 | |a Bogot ̀(Colombia) : |b Revista VirtualPRO, |c 2020 | ||
| 520 | 3 | |a La investigacin̤ realizada tuvo como objetivo la formulacin̤ de un mťodo para el diseǫ de un sistema de diagns̤tico de fallas para plantas qum̕icas utilizando redes neuronales artificiales. El diagns̤tico de fallas tiene como misin̤ identificar la falla que est ̀afectando a un proceso dado a travš del anl̀isis de las seąles suministradas por los sensores del proceso. Las redes neuronales son modelos matemt̀icos que intentan reproducir la actividad cognoscitiva del cerebro humano. Estas se caracterizan por su estructura y el mťodo de aprendizaje utilizado. El problema del diagns̤tico de fallas se aborda a partir de la perspectiva de la identificacin̤ de las trayectorias (secuencias temporales de datos) que describen las variables del proceso al ser afectado por una falla. De esta forma, reconocidas las trayectorias, se habr ̀identificado la falla asociada. El desarrollo ter̤ico realizado recomienda una estructura y un mťodo de entrenamiento optimizado para las redes neuronales a emplear. Tanto la estructura como el mťodo de entrenamiento propuesto fueron evaluados realizando estudios comparativos con estructuras y un mťodo de entrenamiento tradicionales. Los resultados as ̕obtenidos mostraron la superioridad de las redes neuronales diseądas y entrenadas con el mťodo propuesto en este trabajo. Salvo en procesos simples, el diagns̤tico de fallas es ms̀ completo que el reconocimiento de trayectorias porque cada falla puede provocar un conjunto infinito de trayectorias (flujo). Por ese motivo, los fundamentos establecidos en el trabajo son utilizados en la parte II, donde el anl̀isis se extiende al reconocimiento de flujos. | |
| 650 | \ | \ | |a Redes neuronales (Computadores) |
| 650 | \ | \ | |a Localizacin̤ de fallas (Ingeniera̕) |
| 650 | \ | \ | |a Neural networks (Computer science) |
| 650 | \ | \ | |a Troubleshooting (Engineering) |
| 650 | \ | \ | |a Diagns̤tico de fallas; Redes neuronales; Reconocimiento de trayectorias; Optimizacin̤; Tolerancia al ruido |