Abstract
Esta investigaciòn presenta el diseño de un sistema de control inteligente basado en modelos autoregresivos con redes neuronales (NNAR) para optimizar la generación de especies reactivas en dispositivos de plasma frío tipo descarga por barrera dieléctrica (DBD). Esta tecnología ha logrado una alta eficacia en procesos antimicrobianos y de descontaminación, pero su comportamiento no lineal y altamente dinámico dificulta el control con métodos tradicionales. Se plantea un diseño arquitectura de control que combina un modelo fenomenológico con un predictor NNAR entrenado con datos simulados y validados en laboratorio, consiguiendo un nivel de madurez tecnológica TRL 4. El método aprueba predecir y ajustar en tiempo real variables como voltaje, frecuencia y caudal de gas, optimizando la eficiencia y estabilidad en la reproducción de especies reactivas. Los resultados experimentales muestran que el modelo NNAR resalta en precisión y robustez al control proporcional clásico.

This publication has 13 references indexed in Scilit: