APLICACIÓN DE UNA RED NEURONAL FEED-FORWARD BACKPROPAGATION PARA EL DIAGNÓSTICO DE FALLAS MECÁNICAS EN MOTORES DE ENCENDIDO PROVOCADO

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.

Saved in:
Bibliographic Details
Main Authors: Contreras Urgilés,Wilmer, Maldonado Ortega,José, León Japa,Rogelio
Format: Digital revista
Language:Spanish / Castilian
Published: Universidad Politécnica Salesiana 2019
Online Access:http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S1390-860X2019000100032
Tags: Add Tag
No Tags, Be the first to tag this record!