Resumen

El presente trabajo de investigación se enfoca en desarrollar un sistema inteligente para establecer la relación de entrada-salida utilizando mapeos hacia adelante y hacia atrás de redes neuronales artificiales. El mapeo hacia adelante tiene como objetivo predecir la densidad y el espaciado de brazos de dendrita secundarios (SDAS) a partir de un conjunto conocido de parámetros del proceso de colada a presión, como el retardo de tiempo, la duración de la presión, la presión de colada, la temperatura de vertido y la temperatura del troquel. También se intenta satisfacer los requisitos industriales desarrollando un modelo inverso para predecir los parámetros recomendados de colada a presión para la densidad y SDAS deseados. Se han propuesto dos enfoques basados en redes neuronales diferentes para llevar a cabo dicha tarea, a saber, la red neuronal de retropropagación (BPNN) y la red neuronal de algoritmo genético (GA-NN). Se emplea el modo de entrenamiento por lotes para ambas redes de aprendizaje supervisado y requiere una gran

• Materias:Diagnóstico de fallas Automatización de programas Programador de colas Modelo de descomposición Agentes de fusión
• Subjects:Fault diagnosis Program automation Queue scheduler Decomposition model Fusion Agents
• Palabras claves:Desarrollo de sistemas inteligentes; Relación de entrada-salida; Redes neuronales artificiales; Parámetros del proceso de colada a presión; Red neuronal de retropropagación; Red neuronal de algoritmo genético
• Keywords:Developing intelligent system; Input-output relationship; Artificial neural networks; Squeeze cast process parameters; Back propagation neural network; Genetic algorithm neural network