Algoritmos para reconocimiento de patrones en matrices de sensores

Abstract

La caracterización de sensores para gases basados en nano materiales es un proceso complejo. Esto se complica todavía más cuando se utilizan varios sensores en un dispositivo, lo que se conoce como matrices de sensores. Para tratar con este problema, en este trabajo, se propone una solución basada en redes neuronales artificiales, que permite realizar la caracterización para distintos arreglos en matrices de sensores, de manera general. Se desarrollaron y compararon dos algoritmos con redes neuronales artificiales, un perceptrón simple y un perceptrón multicapa. Además, se realizaron diversas pruebas de fiabilidad y convergencia. Se introdujeron perturbaciones para verificar la robustez de los algoritmos propuestos. Se incluyeron perturbaciones externas, en este caso, ruido en las mediciones, con diversos porcentajes. También se incorporaron perturbaciones internas, como variaciones en la amplitud de uno o dos sensores y falla crítica en sensores, que deriva en la ausencia total de la señal de estos. Los resultados muestran que los algoritmos propuestos, bajo ciertas condiciones, son capaces de realizar la caracterización de una matriz de sensores, pudiendo determinar la presencia de amoniaco en el ambiente, siendo el algoritmo más fiable el perceptrón multicapa.