logo móvil
Contáctanos

Un clasificador de red neuronal con neuronas de valores múltiples para el diagnóstico de fallas en circuitos analógicos

Autores: Aizenberg, Igor; Belardi, Riccardo; Bindi, Marco; Grasso, Francesco; Manetti, Stefano; Luchetta, Antonio; Piccirilli, Maria Cristina

Idioma: Inglés

Editor: MDPI

Año: 2021

Descargar PDF

Acceso abierto

Artículo científico
2021

Un clasificador de red neuronal con neuronas de valores múltiples para el diagnóstico de fallas en circuitos analógicos


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Nuevo método
Circuitos analógicos
Fallas paramétricas
Técnicas de aprendizaje automático
Análisis de testabilidad
Clase de falla

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 43

Citaciones: Sin citaciones


Descripción
En este documento, presentamos un nuevo método diseñado para reconocer fallas paramétricas individuales en circuitos analógicos. La técnica sigue un enfoque riguroso constituido por tres pasos secuenciales: calcular la testabilidad y extraer los grupos de ambigüedad del circuito bajo prueba (CUT); localizar la falla y colocarla en la clase de falla correcta (FC) a través de mediciones o simulaciones multifrecuencia; y (opcional) estimar el valor del componente defectuoso. Las tolerancias de fabricación de los componentes sanos se tienen en cuenta en cada paso del procedimiento. El trabajo combina técnicas de aprendizaje automático, utilizadas para clasificación y aproximación, con procedimientos de análisis de testabilidad para circuitos analógicos.

Otros recursos que podrían interesarte

Temas Virtualpro