Analýza signálu pro MEMS pseudonáhodné testování použitím neuronových sítí

Kód výsledku v 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>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Signature Analysis for MEMS Pseudorandom Testing Using Neural Networks

Popis výsledku v původním jazyce

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.

Název v anglickém jazyce

Signature Analysis for MEMS Pseudorandom Testing Using Neural Networks

Popis výsledku anglicky

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.

Druh

D - Stať ve sborníku

CEP obor

JB - Senzory, čidla, měření a regulace

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2008

Kód důvěrnosti údajů

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

Název statě ve sborníku

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

ISBN

2-9516453-8-4

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

—

Název nakladatele

Université de Savoie

Místo vydání

Annecy

Místo konání akce

Annecy, Francie

Datum konání akce

5. 9. 2008

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—