%0 Journal Article
%T Aplicaci車n de una red neuronal feed-forward backpropagation para el diagn車stico de fallas mec芍nicas en motores de encendido provocado
%A Jos谷 Maldonado Ortega
%A Rogelio Le車n Japa
%A Wilmer Rafael Contreras Urgiles
%J -
%D 2019
%R https://doi.org/10.17163/ings.n21.2019.03
%X En la presente investigaci車n se explica la metodolog赤a para la creaci車n de un sistema de diagn車stico aplicado a la detecci車n de fallas mec芍nicas en veh赤culos con motores a gasolina mediante redes neuronales artificiales, el sistema se basa en el estudio de la fase de admisi車n del ciclo Otto, el cual es registrado a trav谷s de la implementaci車n f赤sica de un sensor MAP (Manifold Absolute Pressure). Se emplea un estricto protocolo de muestreo y su correspondiente an芍lisis estad赤stico. Los valores estad赤sticos de la seˋal del sensor MAP: 芍rea, energ赤a, entrop赤a, m芍ximo, media, m赤nimo, potencia y RMS se seleccionaron en funci車n al mayor aporte de informaci車n y diferencia significativa. Los datos se obtuvieron con la aplicaci車n de 3 m谷todos estad赤sticos (ANOVA, matriz de correlaci車n y Random Forest) para tener una base de datos que permita el entrenamiento de una red neuronal feed-forward backpropagation, con la cual se obtiene un error de clasificaci車n de 1.89e-11. La validaci車n del sistema de diagn車stico se llev車 a cabo mediante la provocaci車n de fallas supervisadas en diferentes motores de encendido provocado
%K diagn車stico
%K fallos mec芍nicos
%K red feed-forward backpropagation
%K ANOVA
%K matriz de correlaci車n
%K Random Forest
%U https://revistas.ups.edu.ec/index.php/ingenius/article/view/21.2019.03