Este artículo explora el diseño y la aplicación de sistemas de control inteligente adaptados a entornos industriales y de producción, con un enfoque particular en la integración de estrategias avanzadas de filtrado digital y reducción de ruido. Los sistemas de control adaptativo tradicionales a menudo luchan por mantener flexibilidad y capacidad de respuesta en condiciones inciertas y dinámicas. En respuesta, el estudio investiga el potencial de arquitecturas de control inteligente, mejoradas por redes neuronales y lógica difusa, para superar estas limitaciones. Se realiza una comparación exhaustiva entre enfoques algorítmicos clásicos y modernos para el filtrado digital, destacando el papel crítico de las soluciones basadas en software para suprimir errores de cuantización y mitigar la influencia del ruido aleatorio en los datos de sensores analógicos. La implementación de modelos de filtros digitales tanto recursivos como no recursivos se aborda mediante técnicas de procesamiento digital de señales, lo que permite la corrección y el análisis en tiempo real de las señales entrantes. Utilizando herramientas matemáticas como transformadas Z y funciones de transferencia, el artículo proporciona una evaluación de rendimiento en profundidad del comportamiento del filtro bajo entradas deterministas y estocásticas. La investigación apoya la integración más amplia de tecnologías impulsadas por IA en sistemas de automatización modernos, allanando el camino para mecanismos de control más adaptativos, eficientes y tolerantes a fallos en entornos complejos.
Shermuradova et al. (Fri,) estudiaron esta cuestión.