Los puntos clave no están disponibles para este artículo en este momento.
Las redes neuronales artificiales (ANN) han atraído la atención de la comunidad académica debido al progreso actual que esta técnica ha brindado en el reconocimiento de voz y en medios digitales como la imagen, el video, el audio y el procesamiento de señales. Algunos campos, como el control de procesos industriales y el desarrollo de productos, pueden beneficiarse enormemente del desarrollo de técnicas basadas en las potencialidades probadas de los modelos ANN, permitiendo simulaciones más precisas, una mejor adaptación a entornos cambiantes y una mayor robustez en el diagnóstico de fallos basado en modelos. Junto con el avance de las ANN, hay una tendencia al uso de software de código abierto para la computación suave, lo que facilita el acceso de los lectores interesados para implementar sus propios códigos y explorar otras aplicaciones. Históricamente, los algoritmos evolutivos como el Algoritmo Genético (GA) se han implementado para evolucionar arquitecturas en busca de soluciones, con el fin de resolver este problema fundamental que sigue siendo un problema abierto en el caso general. Por lo tanto, el presente trabajo investiga la aplicación de ANN para modelar el motor turbojet no lineal de aeronaves a través de un enfoque de caja negra. Para ese propósito se utilizaron mediciones del mundo real de combustible y rotación del motor de aeronaves como entrada y salida, respectivamente. Con el fin de facilitar el diseño, la ANN fue optimizada para determinar la mejor topología de acuerdo con la simulación uno-paso-adelante y de ejecución libre. Los resultados obtenidos fomentan el uso de arquitecturas ANN generadas automáticamente para el modelado de sistemas dinámicos.
Costa et al. (Sat,) estudiaron esta cuestión.