Resumen

Un receptor superheterodino es un tipo de dispositivo utilizado universalmente en una variedad de electrónicos y sistemas de información. La detección de fallas y el diagnóstico para receptores superheterodinos son, por lo tanto, de vital importancia, especialmente en entornos ruidosos. En este estudio se propuso un esquema de detección de fallas y diagnóstico de propósito general basado en observadores y análisis de errores residuales. En el esquema, se utilizan dos redes neuronales de regresión generalizadas (GRNNs) para la detección de fallas, con una como observador y la otra como generador de umbral adaptativo; las fallas se detectan comparando el error residual y el umbral. Luego, se extraen características en el dominio del tiempo y la frecuencia del error residual para el diagnóstico. Una red neuronal probabilística (PNN) actúa como clasificador para realizar el diagnóstico de fallas. Finalmente, para simular ambientes electromagnéticos con interferencia de ruido, se establece un modelo de simulación bajo diferentes condiciones de falla

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Receptor superheterodino; Detección de fallas; Diagnóstico; Observadores; Análisis de error residual; Redes neuronales
• Keywords:Superheterodyne receiver; Fault detection; Diagnosis; Observers; Residual error analysis; Neural networks