Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
1
/ 96 trang
THÔNG TIN TÀI LIỆU
Thông tin cơ bản
Định dạng
Số trang
96
Dung lượng
4,26 MB
Nội dung
LỜI CẢM ƠN
Trước hết, em xin gửi lời cảm ơn sâu sắc đến thầy giáo PGS.TS Phạm
Thượng Hàn, người đã giúp đỡ em rất nhiều về kiến thức cũng như tài liệu kỹ
thuật và cho em nhiều ý kiến quý báu trong quá trình nghiên cứu đề tài của
luận văn.
Em xin chân thành cảm ơn các thầy cô giáo đã giảng dạy em, đặc biệt
là TSKH. Trần Hoài Linh và các thầy cô giáo trong Bộ môn Đo lường và
THCN - Khoa Điện - Trường Đại học Bách khoa Hà Nội đã tạo điều kiện
giúp đỡ em hoàn thành đề tài tốt nghiệp này. Xin cám ơn tất cả bè bạn đã
nhiệt tình giúp đỡ, động viên và góp ý cho bản luận văn này.
Và cuối cùng, em xin dành tất cả lòng biết ơn và kính trọng sâu sắc
nhất tới bố mẹ em, những người đã sinh thành, nuôi dưỡng em nên người, đã
tạo mọi điều kiện cho em được sống và học tập một cách tốt nhất để vươn tới
những ước mơ, hoài bão của mình.
Trong khoảng thời gian không dài, em đã rất nỗ lực và cố gắng để hoàn
thành luận văn tốt nghiệp này, song chắc chắn không thể tránh khỏi những sai
sót. Vì vậy, em rất mong được sự chỉ bảo của thầy cô giáo để luận văn này
được hoàn thiện hơn.
1
MỤC LỤC
Lời cảm ơn 1
Mục lục 2
Bảng ký hiệu và chữ viết tắt 4
Mở đầu 6
Chương 1: Tổng quan các phương pháp khắcđộ của dụng cụ đo và cảm
biến 8
1.1 Phương pháp khắcđộdụng cụ đo tương tự 8
1.2 Phương pháp khắcđộdụng cụ đo có sử dụng vi xử lý hoặc
máy vi tính 11
1.3 Phương pháp khắcđộ các chuyển đổi đo lường sơ cấp
1.3.1 Chuyển đổi đo lường so cấp
1.3.2 Ứngdụng vi xử lý trong xử lý số liệu đo của cảm biến
1.3.3 Cấu trúc của cảm biến thông minh
13
13
18
19
1.4 Ứngdụngmạngnơron trong cảm biến thông minh
1.4.1 Khắcđộtựđộng cảm biến
20
20
1.4.2 Hiệu chỉnh đặc tính thang đo của cảm biến 22
1.5 Đề xuất phương pháp sử dụngmạngnơronđể giảm sai số
ngẫu nhiên và khắcđộ cảm biến bằng hàm nội suy Lagrange 25
Chương 2: Cơ sở lý thuyết mạngnơron 27
2.1 Nơron sinh vật
2.1.1 Cấu trúc cơ bản của nơron
27
27
2.1.2 Các tín hiệu điện của nơron 30
2.2 Mô hình nơron nhân tạo 31
2.3 Mạngnơron nhân tạo
2.3.1 Cấu trúc mạng nơron
33
33
2.3.2 Phân loại mạngnơron 34
2.3.3 Một số mạngnơron nhân tạo 34
2.4 Học của mạngnơron 49
2.5 Một số ứngdụngmạngnơron nhân tạo 51
2.6 Kết luận 55
Chương 3: Ứngdụngmạngnơronđểkhắcđộtựđộng 57
2
Trang
3.1 Cơ sở lý thuyết xử lý số liệu đo
3.1.1 Tính toán sai số ngẫu nhiên
3.1.2 Gia công kết quả đo
3.2 Giảm sai số ngẫu nhiên bằng mạngnơronđểkhắcđộtự động
thiết bị đo và cảm biến
3.2.1 Đặt vấn đề
3.2.2 Xử lý số liệu đo bằng mạngnơronđể giảm sai số ngẫu
nhiên
3.3 Khắcđộtựđộng thiết bị đo và cảm biến
3.3.1 Sử dụng hàm nội suy Lagrange đểkhắcđộtự động
3.3 2 Khắcđộtựđộng bằng mạng nơron
57
57
61
66
66
68
76
76
78
Chương 4 : Ứngdụngmạngnơronđể hiệu chỉnh đặc tính thang đo của
cảm biến
4.1 Đặt vấn đề
4.2 Hiệu chỉnh đặc tính thang đo của cảm biến sử dụng mạng
nơron
83
83
86
Chương 5: Kết luận và hướng phát triển của đề tài 92
Tài liệu tham khảo 95
Phụ lục 1 P.1
Phụ lục 2 P.6
3
1. BẢNG KÝ HIỆU
A= [a
ij
]
: Ma trận n x m chiều.
A
T
: Ma trận chuyển vị của A.
A
-1
: Ma trận nghịch đảo của A.
R
n
: Không gian thực n chiều.
g(.) : Hàm quan hệ phi tuyến vào ra.
f
-1
: Hàm ngược của hàm f.
W= [w
ik
]
: Ma trận trọng số liên kết n x m chiều.
2. BẢNG CHỮ VIẾT TẮT VÀ MỘT SỐ THUẬT NGỮ
Adaline : Adaptive Linear Element- Phần tửnơron tuyến tính
thích nghi, tên loại nơrondo Windrow đề xuất năm 1960.
ART : Adaptive Resonance Theory- Thuyết cộng hưởng thích
nghi. Một loại mạng được xây dựng theo lý thuyết này.
BAM : Bidirection Associative Memory- Một loại mạng do
Kosko đề xuất năm 1988.
BP : Backpropagation - Thuật học lan truyền ngược.
CAM : Content Addressable Memory- Bộ nhớ nội dung được
địa chỉ hóa.
LMS : Least Mean Square - Tên một thuật học (trung bình bình
phương nhỏ nhất).
LVQ : Learning Vector Quantization - Thuật học lượng hóa
véctơ.
MIMO : Multi Input Multi Output - Hệ nhiều đầu vào nhiều đầu
ra.
MNN : Artificial Neural Networks - Mạngnơron nhân tạo
SISO : Single Input Single Output - Hệ một đầu vào một đầu ra.
RBF : Radial Basis Functions - Tên một loại mạngdo Moody
và Darken đề xuất năm 1989.
4
MỞ ĐẦU
Mô phỏng sinh học đã tạo ra những thành tựu khoa học kỹ thuật to lớn
cho cuộc sống và công cuộc chinh phục thế giới tự nhiên của loài người. Mô
phỏng mạngnơron sinh học là một trong những lĩnh vực đang được phát triển
mạnh mẽ để tạo ra những hệ thống thông minh có những khả năng như ghi
nhớ kinh nghiệm quá khứ, nhận dạng, điều khiển, ra quyết định, dự
đoán tương tự như bộ não người. Việc nghiên cứu và phát triển lý thuyết
mạng nơron nhân tạo đã được ứngdụng trong nhiều lĩnh vực như đo lường,
điều khiển, công nghệ rôbôt, truyền thông, giao thông vận tải, hàng
không.v.v
Mạng nơron với những ưu điểm vượt trội so với các hệ thống tính toán
truyền thống như: cho phép xấp xỉ những ánh xạ phi tuyến tùy ý; là hệ thống
xử lý song song làm tăng tốc độ tính toán cho phép đáp ứng khả năng tính
toán thời gian thực và chính xác; là hệ học và thích nghi, khi mạng được huấn
luyện từ các dữ liệu quá khứ, đồng thời có khả năng khái quát hóa khi dữ liệu
vào bị thiếu hoặc không đầy đủ, phù hợp với các hệ thống nhận dạng, chuẩn
đoán kỹ thuật
Với những ưu điểm trên việc ứngdụngmạngnơronđể chế tạo các cảm
biến thông minh với độ chính xác cao là điều hoàn toàn cần thiết, có khả năng
thúc đẩy sự phát triển của kỹ thuật công nghệ nói chung và lĩnh vực đo lường
nói riêng.
Nội dung chủ yếu của luận văn là tập trung nghiên cứu ứngdụng mạng
nơron cho khắcđộdụng cụ đo và cảm biến thông minh. Luận văn bao gồm
năm chương, trong đó chương 1 là phần tổng quan về các phương pháp khắc
độ thiết bị đo bao gồm các phương pháp khắcđộ cho dụng cụ đo tương tự,
dụng cụ đo có sử dụng vi xử lý hoặc máy vi tính và các chuyển đổi đo lường
sơ cấp. Chương này cũng nêu ra các hướng ứngdụngmạngnơron cho việc xử
lý số liệu đo và hiệu chỉnh đặc tính thang đo của cảm biến.
5
Chương 2 trình bày phần lý thuyết cơ sở của mạngnơron cho việc
nghiên cứu ứngdụng trong việc xử lý số liệu nhằm giảm sai số ngẫu nhiên,
khắc độtựđộng đặc tính và hiệu chỉnh sai số hệ thống của cảm biến.
Ở chương 3, tác giả đã tập trung vào việc nghiên cứu ứngdụng mạng
nơron nhân tạo để xử lý số liệu đo ngẫu nhiên nhằm giảm sai số ngẫu nhiên,
từ các giá trị lấy mẫu đã được xử lý để giảm sai số ngẫu nhiên bằng mạng
nơron chúng tôi đề xuất sử dụng hàm nội suy Lagrange đểkhắcđộtự động
đường đặc tính của cảm biến thông minh. Đồng thời chương này cũng đã
nghiên cứu việc ứngdụngmạngnơronđểkhắcđộtựđộng đặc tính của cảm
biến đảm bảo độ chính xác cao.
Chương 4 nghiên cứu ứngdụngmạngnơronđể hiệu chỉnh đặc tính thang
đo của cảm biến đảm bảo giới hạn sai số cho phép.
Chương 5 đánh giá kết quả đạt được và hướng nghiên cứu tiếp theo dựa
trên những kết quả của đề tài.
6
Chương 1
TỔNG QUAN CÁC PHƯƠNG PHÁP KHẮCĐỘ CỦA DỤNG CỤ ĐO
VÀ CẢM BIẾN
1.1 Phương pháp khắcđộdụng cụ đo tương tự
Dụng cụ đo tương tự là loại dụng cụ đo mà số chỉ của nó là đại lượng
liên tục tỉ lệ với đại lượng đo liên tục. Trong dụng cụ đo tương tự người ta
thường dùng các chỉ thị cơ điện, trong đó tín hiệu vào là dòng điện còn tín
hiệu ra là góc quay của phần động (kim chỉ) hoặc là di chuyển của bút ghi
trên giấy (dụng cụ tự ghi).
Các cơ cấu chỉ thị này thường dùng trong máy đo các đại lượng như
dòng điện, điện áp, công suất, tần số, góc pha, điện trở.v.v . Những dụng cụ
này chính là dụng cụ đo chuyển đổi thẳng. Tức là thực hiện việc biến năng
lượng điện từ thành năng lượng cơ học làm quay phần động một góc α so với
phần tĩnh. Như vậy α = F(x), với x là đại lượng điện ( dòng hay áp hoặc là
tích của hai dòng điện)
Đối với chỉ thị cơ điện ta có phương trình đặc tính thang đo
α
α
d
dw
D
e
1
=
,
trong đó D là mômen cản riêng và W
e
là năng lượng điện từ trường. Từ
phương trình này ta sẽ biết được đặc tính của thang đo và tính chất của cơ cấu
chỉ thị. Do trong cơ cấu chỉ thị cơ điện tồn tại nhiều mômen như mômen ma
sát, mômen cản dịu, mômen động lượng nên để xác định dạng thang đo của
cơ cấu chỉ thị thường sử dụng phương pháp đồ thị. Bằng thực nghiệm ta xây
dựng các đường cong mômen quay M
d
= f(α) với các giá trị X khác nhau. Ví
dụ với cơ cấu chỉ thị điện từ ta xây dựng các đường cong mômen quay 1, 2, 3,
4 với các giá trị X tương ứng bằng 40, 60, 80 và 100% X
n
(X
n
- trị số dòng
điện định mức làm kim lệch toàn thang). Trong trường hợp ở đồ thị hình 1.1
X
n
=I
n
=50mA. Các đường cong mômen quay M
q
cắt đường mômen cản M
c
tại
các điểm A, B, C, D. Từ giao điểm A, B, C, D ta có các vị trí cân bằng α =
30
°
, 50
°
, 70
°
, 90
°
tương ứng với các giá trị X=20, 30, 40, 50 mA. Như vậy ta
có thang đo của cơ cấu chỉ thị điện từ theo đơn vị của đại lượng X đầu vào.
7
Tuỳ thuộc vào phương trình đặc tính thang đo mà thang đo có thể là
tuyến tính (ví dụ : cơ cấu chỉ thị từ điện) hoặc phi tuyến (ví dụ : cơ cấu chỉ thị
điện từ , điện động, tĩnh điện). Nếu thang đo phi tuyến ta thường để thang đo
đạt được tương đối đều.
Đối với cơ cấu chỉ thị từ điện ta có phương trình đặc tính thang đo là α=
BswI
D
1
= K.I [TL3]
Trong đó B- Độtừ cảm của nam châm vĩnh cửu
s- Diện tích khung dây
w- số vòng dây
α- góc lệch của khung dây so với vị trí ban đầu
Góc lệch α tỉ lệ thuận với dòng điện I nên đặc tính của thang đo đều.
Cơ cấu chỉ thị điện từ có phương trình đặc tính là α=
2
2
1
I
d
dL
D
α
[TL3].
Góc quay tỉ lệ với bình phương dòng điện dođó thang đo không đều. Ngoài
8
M
q
α
0
°
30
°
50
°
70
°
90
°
X=40%X
n
(I= 20 mA)
X=60%X
n
(I= 30 mA)
X=80%X
n
(I= 40 mA)
X=100%X
n
(I= 50 mA)
4
3
2
1
0
20
30 40 50
Hình 1.1 : Xác định thang đo bằng phương pháp đồ thị
X(mA)
ra đặc tính thang đo lại còn phụ thuộc vào tỉ số
α
d
dL
là một đại lượng phi
tuyến. Để cho đặc tính thang đo đều cần phải tính toán sao cho khi góc lệch α
thay đổi thì tỉ số
α
d
dL
thay đổi theo quy luật tỉ lệ nghịch với dòng điện. Như
vậy đường cong tổng hợp sẽ là đường tuyến tính với một độ chính xác nhất
định.
Cơ cấu chỉ thị điện động có phương trình đặc tính thang đo đối với
trường hợp dòng một chiều I
1
và I
2
: α=
21
12
II
d
dM
α
[TL3]. Trong trường hợp
dòng xoay chiều ta có α=
21
12
cos
II
Dd
dM
ϕ
α
. Như vậy góc lệch α phụ thuộc vào
tích I
1
I
2
nên thang đo không đều. Có thể thay đổi vị trí của các cuộn dây để
thay đổi tỉ số
α
d
dM
12
theo hàm ngược với I
1
I
2
nhằm đạt được thang đo đều
(thường từ 20%÷100% thang đo có thể chia đều còn 20% đầu thang đo chia
không đều)
Đối với Lôgômét điện động ta có phương trình đặc tính thang đo α=
),cos(
),cos(
22
11
III
III
F
[TL3]. Khi cos(I,I
1
)=cos(I,I
2
)=1 tức là dòng điện chạy qua
9
α
I, L
I
2
α
d
dL
Đặc tính thang đo ~
Hình 1.2 : Đặc tính thang đo với
α
d
dL
đã điều chỉnh
cuộn động và cuộn tĩnh đồng pha thì α =
2
1
I
I
F
. Như vậy góc lệch α tỉ lệ với
tỉ số hai dòng điện.
Cơ cấu chỉ thị sắt điện động có phương trình đặc tính thang đo :
α=k
1
s
2
w
2
I
1
I
2
cos(I
1
,I
2
), góc lệch α tỉ lệ với tích hai dòng điện.
Đối với cơ cấu chỉ thị tĩnh điện ta có phương trình đặc tính thang đo α=
α
d
dCU
2
2
[TL3]. Như vậy góc lệch α tỉ lệ với bình phương điện áp U. Đặc tính
thang đo không đều (bậc hai) và phụ thuộc vào tỉ số
α
d
dC
là một đại lượng phi
tuyến. Trong thực tế để cho đặc tính thang đo đều cần phải tính toán sao cho
khi góc lệch α thay đổi thì tỉ số
α
d
dC
thay đổi tỉ lệ nghịch với điện áp và đường
cong tổng hợp sẽ là đường tuyến tính với một độ chính xác nhất định. Giống
như trường hợp cơ cấu chỉ thị điện từ.
Đối với cơ cấu chỉ thị tự ghi đầu vào thường là dòng điện biến thiên theo
thời gian i(t) và đầu ra là đường quan hệ α(t). Đường ghi trên băng giấy là sự
phối hợp giữa hai chuyển động y=α=f(i) và x=Kt. Theo cách ghi có thể phân
loại cơ cấu tự ghi làm ba loại : loại thứ nhất là ghi các đường cong liên tục;
loại thứ hai là ghi các đường cong rời rạc; loại thứ ba là in số lên băng giấy.
Nhận xét : trong dụng cụ đo tương tự chỉ thị kim thì sai số phi tuyến
được đưa lên thang đo mà không nhất thiết phải tuyến tính hóa đặc tính phi
tuyến như dụng cụ đo số.
1.2 Phương pháp khắcđộdụng cụ đo có sử dụng vi xử lý hoặc máy
vi tính [TL3]
Việc sử dụng vi xử lý trong lĩnh vực đo lường mở ra những hướng phát
triển và mang lại nhiều ưu điểm cho dụng cụ đo và hệ thống thông tin đo
lường như :
10
[...]... mẫu được đưa vào để huấn luyện mạng cho ra quan hệ hàm X=f(Y) như sơ đồ sau : {Yi } X=f(Y) MNN W Chỉ thị {Xi } Hình 1.9 : Sơ đồkhắcđộtựđộng bằng mạng nơronMạngnơron được cài vào vi xử lý để xử lý khắcđộtựđộng đặc tính của cảm biến thông minh Đối tượng đo x CB CĐCH A/D y VXL y MNN xđo Hiển thị số Hình 1.10 : Cảm biến thông minh sử dụng mạngnơron để khắcđộtựđộng đường đặc tính 21 1.4.2 Hiệu... trước 33 2.3.2 Phân loại mạngnơron Có nhiều cách để phân loại mạngnơron - Dựa vào số lớp có trong mạngnơron ta có thể phân loại thành : mạngnơron một lớp; mạngnơron nhiều lớp - Dựa vào đường truyền tín hiệu trong mạngnơron ta phân loại thành: Mạngnơron truyền thẳng; mạngnơron phản hồi; mạngnơrontự tổ chức Một kiểu phân loại điển hình được biểu diễn như hình 2.8 Mạngnơron nhân tạo Truyền thẳng... biến động các thông số như nhiệt độ, độ ẩm, tần số… Điều khiển các khâu của dụng cụ đo cho phù hợp với đại lượng đo ví dụ : tựđộng chọn thang đo - Mã hoá các tín hiệu đo - Ghép nối với kênh liên lạc để truyền số liệu đi xa Có thể ghép nối với bộ nhớ để lưu giữ số liệu của kết quả đo hay các giá trị tức thời của tín hiệu đo Ngoài ra dụng cụ đo có sử dụng vi xử lý hoặc máy vi tính còn có khả năng tự động. .. và một lớp đầu ra riêng biệt Mạngnơron nhiều lớp: Mạngnơron nhiều lớp gồm một lớp đầu vào và một lớp đầu ra riêng biệt Các lớp nằm giữa lớp đầu vào và lớp đầu ra gọi là các lớp ẩn (Hidden layers) Mạngnơron truyền thẳng: Mạngnơron truyền thẳng là mạng hai hay nhiều lớp mà tín hiệu truyền theo một hướng từ đầu vào đến đầu ra Mạngnơron phản hồi: Mạngnơron phản hồi là mạng mà trong đó một hoặc nhiều... nơron là xử lý song song cho khả năng dung lượng tính toán lớn, tính toán cho đáp ứng thời gian thực đảm bảo độ chính xác cũng như tốc độ đáp ứng của hệ thống đo có một hoặc nhiều cảm biến Tiếp theo ta sẽ xem xét một số khía cạnh thông minh hoá cảm biến 1.4 Ứng dụngmạngnơron trong cảm biến thông minh 1.4.1 Khắcđộtựđộng cảm biến Cảm biến cho ra giá trị đo X thông qua phương trình đặc tính : X=f(Y)... phát triển mạnh mẽ của lĩnh vực mạngnơron nhân tạo, các giải pháp nơron đã được ứngdụng vào nhiều lĩnh vực nhằm thông minh hoá thiết bị như các hệ thống điều khiển, robot, các thiết bị gia dụng, phân loại sản phẩn, các hệ thống nhận dạng, phân tích tài chính v.v và ta có thể ứng dụngmạngnơron trong lĩnh vực đo lường để thông minh hoá cảm biến Tính chất ưu việt của mạngnơron là xử lý song song cho... ∆X k Từ tập các giá trị đo ngẫu nhiên ta sẽ sử dụng mạngnơron để tìm được * giá trị X k * sao cho X k − X k < ε < X k − X k với ε nhỏ tuỳ ý cho trước Khi mạngnơron được huấn luyện để giá trị đầu ra của mạng X k * hội tụ về giá trị thực Xk thì đó là kết quả ước lượng tốt hơn giá trị trung bình X k Sau khi đã có mạngnơron được huấn luyện để có đáp ứng gần với giá trị thực nhất thì với một tập đầu... vai trò bộ biến đổi hóa học để truyền tín hiệu qua ranh giới của khớp nối Điện thế hoạt động dọc theo dây thần kinh ra của nơron này được khớp thần kinh chuyển thành điện áp trên dây thần kinh vào của nơronkhácNơron được xem là hoạt động khi nó tạo ra chuỗi các điện thế hoạt động Khi xung thần kinh truyền tới khớp thần kinh giải phóng chất trong khớp tạo ra đáp ứng điện Đáp ứng điện này có thể là kích... thẳng Nhiều lớp Một lớp BackPropa gation Percept ron Tự tổ chức Phản hồi Brain Statein Box Adaline Hopfield Mc Culloch Pitts Máy BoltzMan BAM Cohen Grossberg Ánh xạ đặc trưng RBF Hình2.8: Phân loại mạngnơron nhân tạo 2.3.3 Một số mạngnơron nhân tạo 2.3.3.1 Mạngnơron truyền thẳng + Mạng truyền thẳng một lớp Mạngnơron truyền thẳng một lớp là mạng mà các nơron tạo thành một lớp và tín hiệu truyền theo... bất kỳ với độ chính xác tuỳ ý bằng mạngnơron với số nơron và số lớp ẩn thích hợp [TL14], [TL18] Tương tự ta cũng có thể hiệu chỉnh đường cong đặc tính lý thuyết theo giá trị đo X Hàm biến đổi có dạng X 1=ϕ(X2) cũng có thể xấp xỉ chính xác bằng mạngnơron 24 Do các hàm Y1= φ(Y2) và X1=ϕ(X2) đều là hàm đơn trị, đồng biến hoặc nghịch biến nên ta có thể sử dụng những mạngnơron khá đơn giản đủ để thoã mãn . ngẫu
nhiên
3.3 Khắc độ tự động thiết bị đo và cảm biến
3.3.1 Sử dụng hàm nội suy Lagrange để khắc độ tự động
3.3 2 Khắc độ tự động bằng mạng nơron
57
57
61
66
66
68
76
76
78
Chương. đã
nghiên cứu việc ứng dụng mạng nơron để khắc độ tự động đặc tính của cảm
biến đảm bảo độ chính xác cao.
Chương 4 nghiên cứu ứng dụng mạng nơron để hiệu chỉnh