All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

Signature Analysis for MEMS Pseudorandom Testing Using Neural Networks

The result's identifiers

  • Result code in IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23220%2F08%3A00500550" target="_blank" >RIV/49777513:23220/08:00500550 - isvavai.cz</a>

  • Result on the web

  • DOI - Digital Object Identifier

Alternative languages

  • Result language

    angličtina

  • Original language name

    Signature Analysis for MEMS Pseudorandom Testing Using Neural Networks

  • Original language description

    The aim of this work is to develop a low-overhead, low-cost built-in test for Micro Electro Mechanical Systems (MEMS). The proposed method relies on processing the Impulse Response (IR) through trained neural networks, in order to predict a set of MEMS performances, which are otherwise very expensive to measure using the conventional test approach. The use of neural networks allows us to employ a low-dimensional IR signature, which results in a compact built-in test. A MEMS structure combining electro-thermal excitation and piezoresistive sensing was chosen as our case study. A behavioral model of this structure was built using Matlab for the purpose of the experiment. The results demonstrate that the neural network predictions are in excellent agreement with the simulation results of the behavioral model.

  • Czech name

    Analýza signálu pro MEMS pseudonáhodné testování použitím neuronových sítí

  • Czech description

    Zaměření tohoto příspěvku je ve vyvinutí přídavného a levného integrovaného testu pro MEMS systémy. Předložená metoda je založena na zpracování Impulsové Odezvy (IR) pomocí natrénované neuronové sítě pro předpovídání souboru MEMS parametrů, které jsou vsoučasnosti konvenčně zjišťovány drahým měřením. Použití neuronových sítí nám dovoluje použít nízkodimenzionální IR signaturu. MEMS struktura kombinuje elektro-termální vybuzení a piezorezistivní snímání. Tento model chování byl nasimulován pomocí Matlabu pro účely experimentu. Výsledky ukazují, že predikce neuronových sítí jsou v excelentní shodě s výsledky simulace chování modelu.

Classification

  • Type

    D - Article in proceedings

  • CEP classification

    JB - Sensors, detecting elements, measurement and regulation

  • OECD FORD branch

Result continuities

  • Project

  • Continuities

    Z - Vyzkumny zamer (s odkazem do CEZ)

Others

  • Publication year

    2008

  • Confidentiality

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Data specific for result type

  • Article name in the collection

    Proceedings of the 12th IMEKO TC1-TC7 joint Symposium on Man, Science & Measurement

  • ISBN

    2-9516453-8-4

  • ISSN

  • e-ISSN

  • Number of pages

    5

  • Pages from-to

  • Publisher name

    Université de Savoie

  • Place of publication

    Annecy

  • Event location

    Annecy, Francie

  • Event date

    Sep 5, 2008

  • Type of event by nationality

    WRD - Celosvětová akce

  • UT code for WoS article