Compartir
Título
Sensor virtual de caudal basado en técnicas de deep learning
Autor
Facultad/Centro
Área de conocimiento
Asignaturas
Domínguez González, M., Cabrera Santana, P. J., Irigoyen Gordo, E. (eds.) (2022). XVII Simposio CEA de Control Inteligente: Reunión anual del grupo de Control Inteligente del comité español de automática (CEA). Libro de Actas, León, 27-29 de junio de 2022
Datos de la obra
Rodríguez Ossorio, J.R., González Herbón, R., González Mateos, G., Morán, A., Prada, M. A., Díaz, I., Domínguez, M. (2022). Sensor virtual de caudal basado en técnicas de deep learning = Flow virtual sensor based on deep learning techniques. ). XVII Simposio CEA de Control Inteligente: Reunión anual del grupo de Control Inteligente del comité español de automática (CEA). Libro de Actas, León, 27-29 de junio de 2022. 81-86
Editor
Universidad de León
Fecha
2022
Abstract
[ES] En el contexto de la digitalización de la industria, los sensores virtuales resultan muy útiles
tanto para construir gemelos digitales, que permiten simular comportamientos que ayudan a optimizar
el proceso productivo y prevenir errores, como para ser utilizados en las situaciones en las que un
sensor real es muy costoso o directamente no puede ser instalado. En este artículo se propone un
método para implementar sensores virtuales utilizando tres de las técnicas de deep learning más
comunes: redes convolucionales, redes neuronales densas y redes recurrentes. El método se ha
utilizado para construir un sensor virtual de caudal en una maqueta de control de procesos que dispone de instrumentación industrial real. [EN] In the context of industry digitalization, virtual sensors are very useful both to develop digital twins, which simulate behaviors that help us to optimize the process and prevent faults, such as to be used on the cases where a real sensor is very expensive or cannot be installed. In this paper, it is proposed a method to develop virtual sensors using three of the most common deep learning techniques: convolutional networks, dense neural networks and recurrent neural networks. The method has been used to develop a flow virtual sensor for a pilot plant that has real industrial instrumentation.
Materia
Palabras clave
URI
Collections
- Untitled [29]
Files in this item
Tamaño:
23.31
xmlui.dri2xhtml.METS-1.0.size-megabytes
Formato:
Adobe PDF