Neuroidentificación de la dinámica de una incubadora neonatal mediante redes neuronales y filtros de kalman

Abstract

En el presente trabajo se describe el desarrollo de algoritmos para la identificación de la temperatura central en un prototipo de una incubadora neonatal, ya que esta variable es imprescindible para proveer un ambiente óptimo para la supervivencia del recién nacido prematuro. Para la identificación de la temperatura central, se utilizó el concepto de Gradiente de Temperatura Externo (GTE), ya que es un parámetro muy importante para la evaluación del desarrollo metabólico del recién nacido prematuro. Para la identificación de la temperatura central en el microambiente de la incubadora, se utilizaron técnicas avanzadas, como son las redes neuronales, que tienen la capacidad de aprender por medio de un entrenamiento, a través de un set de entradas que son proporcionadas por las variables que son medibles, y los sistemas neurodifusos, que son una combinación de los sistemas difusos y las redes neuronales. De este modo, con los dos sistemas propuestos se realizará una comparación para observar el comportamiento y la velocidad de convergencia entre el sistema neurodifuso y la red neuronal, utilizando como ley de aprendizaje de los pesos y de los parámetros de las funciones de membresía, la Extensión de los Filtros de Kalman (EKF), para la identificación de la temperatura central. Para observar el comportamiento del sistema neurodifuso y de la red neuronal, se realizaron simulaciones de las dos técnicas y posteriormente se realizaron pruebas en tiempo real en un prototipo de una incubadora neonatal construida en base a la norma oficial (NOM-066-SSA1-1993), para equipos médicos en el cuidado de recién nacidos prematuros llamado "Sistemas de soporte de vida neonatal".