Resumen

Este trabajo presenta un nuevo método de diagnóstico de fallos para circuitos analógicos utilizando la descomposición empírica de modos (EEMD), la entropía relativa y la máquina de aprendizaje extremo (ELM). En primer lugar, se miden las formas de onda de respuesta nominal y defectuosa de un circuito, respectivamente, y luego se descomponen en funciones de modo intrínseco (IMFs) con el método EEMD. En segundo lugar, mediante la comparación de las FMI nominales con las FMI defectuosas, se calcula la curtosis y la entropía relativa de cada FMI. A continuación, se obtiene un vector de características para cada circuito defectuoso. Por último, se entrena un clasificador ELM con estos vectores de características para el diagnóstico de fallos. Mediante la validación con dos circuitos de referencia, los resultados muestran que el método propuesto es aplicable para el diagnóstico de fallos analógicos con niveles aceptables de precisión y coste de tiempo.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:vector de características, nivel de precisión, máquina de aprendizaje extremo, función de modo intrínseco, descomposición de modo empírico, diagnóstico de fallos analógicos, métodos de diagnóstico de fallos, forma de onda de respuesta defectuosa, circuito analógico, imf defectuoso
• Keywords:features vector, level of accuracy, extreme learning machine, intrinsic mode function, empirical mode decomposition, analog fault diagnosis, fault diagnosis methods, faulty response waveform, analog circuit, faulty imf