Análisis dinámico de atmósferas con matrices de sensores mediante procesado de señal no lineal
- Autores: Antonio Pardo Martínez
- Directores de la Tesis: Santiago Marco Colás (dir. tes.)
- Lectura: En la Universitat de Barcelona ( España ) en 2000
- Idioma: español
- Tribunal Calificador de la Tesis: Javier Gutiérrez (presid.), Josep Samitier Martí (secret.), Fabrizio Davide (voc.), Romà Tauler Ferré (voc.), Alfonso Carlosena García (voc.)
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
El análisis de muestras gaseosas tiene muchas y muy variadas aplciaciones en campos y sectores de trabajo muy heterogéneos, como por ejemplo el sector energético, sector seguridad, industria de alimentación, industria cosmética, etc, En el presente trabajo se trata de analizar mezclas de gas (octano y tolueno) cuyas concentraciones varían rápidamente, mediante una matriz de sensores QMB (microbalanzas de cuarzo).
A partir de los experimentos sobre el sistema, se puede demostrar que su respuesta es no lineal y por tanto, el comportamiento del sistema debe analizarse a través de procesado de señal dinámico y no lineal. Es en este punto donde el trabajo pretende hacer una contribución ya que el análisis de muestras gaseosas mediante procesado dinámico y no lineal es una tarea hasta ahora nunca desarrollada en este campo.
Los modelos del sistema se generan en dos sentidos diferentes:
Modelización directa: desde la entrada hacia la salida destinado a predicción, modelización o control óptimo, por ejemplo.
Modelización inversa: desde las salidas hacia las entradas, constituyendo este último un verdadero problema de medida.
Para cumplir con todos los propósitos se han desarrollado estimaciones estáticas lineales, dinámicas lineales y dinámicas no lineales y se han utilizado y desarrollado también toda una serie de algoritmos lineales y no lineales. Esencialmente, se ha utilizado estimación por correlación, estimación por mínimos cuadrados, desarrollos en serie de Volterra, desarrollos en serie de Wiener, modelos de cajas, y diferentes estructuras de redes neuronales artificiales. Todos ellos muestran un cierto rendimiento que es analizado con detalle mediante el estudio de la potencia de señal no estimada y el análisis de los residuos. En el caso de los desarrollos basados en redes neuronales o en series de Wiener los modelos presentan, tanto en el sentido directo como en el inverso, un rendimiento es
