Luận văn dụng cụ đo và cảm biến

Luận văn Dụng cụ đo cảm biến LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Luận văn : Dụng cụ đo cảm biến BẢNG KÝ HIỆU A= [aij ] : Ma trận n x m chiều AT : Ma trận chuyển vị A A-1 : Ma trận nghịch đảo A Rn : Không gian thực n chiều g(.) : Hàm quan hệ phi tuyến vào f-1 : Hàm ngược hàm f W= [wik] : Ma trận trọng số liên kết n x m chiều BẢNG CHỮ VIẾT TẮT VÀ MỘT SỐ THUẬT NGỮ Adaline : Adaptive Linear Element- Phần tử nơron tuyến tính thích nghi, tên loại nơron Windrow đề xuất năm 1960 ART : Adaptive Resonance Theory- Thuyết cộng hưởng thích nghi Một loại mạng xây dựng theo lý thuyết BAM : Bidirection Associative Memory- Một loại mạng Kosko đề xuất năm 1988 BP : Backpropagation - Thuật học lan truyền ngược CAM : Content Addressable Memory- Bộ nhớ nội dung địa hóa LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com LMS : Least Mean Square - Tên 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 MNN : Artificial Neural Networks - Mạng nơron nhân tạo SISO : Single Input Single Output - Hệ đầu vào đầu RBF : Radial Basis Functions - Tên loại mạng Moody Darken đề xuất năm 1989 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com MỞ ĐẦU Mô sinh học tạo thành tựu khoa học kỹ thuật to lớn cho sống công chinh phục giới tự nhiên lồi người Mơ mạng nơron sinh học lĩnh vực phát triển mạnh mẽ để tạo hệ thống thơng minh có khả ghi nhớ kinh nghiệm khứ, nhận dạng, điều khiển, định, dự đoán tương tự não người Việc nghiên cứu phát triển lý thuyết mạng nơron nhân tạo ứng dụng nhiều lĩnh vực đo lường, điều khiển, công nghệ rôbôt, truyền thông, giao thông vận tải, hàng không.v.v Mạng nơron với ưu điểm vượt trội so với hệ thống tính tốn truyền thống như: cho phép xấp xỉ ánh xạ phi tuyến tùy ý; hệ thống xử lý song song làm tăng tốc độ tính tốn cho phép đáp ứng khả tính tốn thời gian thực xác; hệ học thích nghi, mạng huấn luyện từ liệu khứ, đồng thời có khả khái qt hóa liệu vào bị thiếu khơng đầy đủ, phù hợp với hệ thống nhận dạng, chuẩn đoán kỹ thuật Với ưu điểm việc ứng dụng mạng nơron để chế tạo cảm biến thơng minh với độ xác cao điều hồn tồn cần thiết, có khả thúc đẩy phát triển kỹ thuật cơng nghệ nói chung lĩnh vực đo lường nói riêng Nội dung chủ yếu luận văn tập trung nghiên cứu ứng dụng mạng nơron cho khắc độ dụng cụ đo cảm biến thông minh Luận văn bao gồm năm chương, chương phần tổng quan phương pháp khắc độ thiết bị đo bao gồm phương pháp khắc độ cho dụng cụ đo tương tự, dụng cụ đo có sử dụng vi xử lý máy vi tính chuyển đổi đo lường sơ cấp Chương nêu hướng ứng dụng mạng nơron cho việc xử lý số liệu đo hiệu chỉnh đặc tính thang đo cảm biến LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương trình bày phần lý thuyết sở mạng nơron cho việc nghiên cứu ứng dụng việc xử lý số liệu nhằm giảm sai số ngẫu nhiên, khắc độ tự động đặc tính hiệu chỉnh sai số hệ thống cảm biến Ở chương 3, tác giả tập trung vào việc nghiên cứu ứng dụng mạng nơron nhân tạo để xử lý số liệu đo ngẫu nhiên nhằm giảm sai số ngẫu nhiên, từ giá trị lấy mẫu xử lý để giảm sai số ngẫu nhiên mạng nơron đề xuất sử dụng hàm nội suy Lagrange để khắc độ tự động đường đặc tính cảm biến thơng minh Đồng thời chương nghiên cứu việc ứng dụng mạng nơron để khắc độ tự động đặc tính cảm biến đảm bảo độ xác cao Chương nghiên cứu ứng dụng mạng nơron để hiệu chỉnh đặc tính thang đo cảm biến đảm bảo giới hạn sai số cho phép Chương đánh giá kết đạt hướng nghiên cứu dựa kết đề tài LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chương TỔNG QUAN CÁC PHƯƠNG PHÁP KHẮC ĐỘ CỦA DỤNG CỤ ĐO VÀ CẢM BIẾN 1.1 Phương pháp khắc độ dụng cụ đo tương tự Dụng cụ đo tương tự loại dụng cụ đo mà số đại lượng liên tục tỉ lệ với đại lượng đo liên tục Trong dụng cụ đo tương tự người ta thường dùng thị điện, tín hiệu vào dịng điện cịn tín hiệu góc quay phần động (kim chỉ) di chuyển bút ghi giấy (dụng cụ tự ghi) Các cấu thị thường dùng máy đo đại lượng dịng điện, điện áp, cơng suất, tần số, góc pha, điện trở.v.v Những dụng cụ dụng cụ đo chuyển đổi thẳng Tức thực việc biến lượng điện từ thành lượng học làm quay phần động góc α so với phần tĩnh Như α = F(x), với x đại lượng điện ( dịng hay áp tích hai dòng điện) Đối với thị điện ta có phương trình đặc tính thang đo α = dwe , D dα D mơmen cản riêng We lượng điện từ trường Từ phương trình ta biết đặc tính thang đo tính chất cấu thị Do cấu thị điện tồn nhiều mômen mômen ma sát, mômen cản dịu, mômen động lượng nên để xác định dạng thang đo cấu thị thường sử dụng phương pháp đồ thị Bằng thực nghiệm ta xây dựng đường cong mômen quay Md = f(α) với giá trị X khác Ví dụ với cấu thị điện từ ta xây dựng đường cong mômen quay 1, 2, 3, với giá trị X tương ứng 40, 60, 80 100% Xn (Xn- trị số dịng điện định mức làm kim lệch tồn thang) Trong trường hợp đồ thị hình 1.1 Xn =In=50mA Các đường cong mômen quay Mq cắt đường mômen cản Mc điểm A, B, C, D Từ giao điểm A, B, C, D ta có vị trí cân α = 30°, 50°, 70°, 90° tương ứng với giá trị X=20, 30, 40, 50 mA Như ta có thang đo cấu thị điện từ theo đơn vị đại lượng X đầu vào LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Mq X=100%Xn (I= 50 mA) X=80%Xn (I= 40 mA) X=60%Xn (I= 30 mA) X=40%Xn (I= 20 mA) 0° 30° 50° 70° 20 30 40 90° 50 α X(mA) Hình 1.1 : Xác định thang đo phương pháp đồ thị Tuỳ thuộc vào phương trình đặc tính thang đo mà thang đo tuyến tính (ví dụ : cấu thị từ điện) phi tuyến (ví dụ : cấu thị điện từ , điện động, tĩnh điện) Nếu thang đo phi tuyến ta thường để thang đo đạt tương đối Đối với cấu thị từ điện ta có phương trình đặc tính thang đo α= BswI = K.I D Trong [TL3] B- Độ từ cảm nam châm vĩnh cửu s- Diện tích khung dây w- số vịng dây α- góc lệch khung dây so với vị trí ban đầu Góc lệch α tỉ lệ thuận với dòng điện I nên đặc tính thang đo Cơ cấu thị điện từ có phương trình đặc tính α= dL I [TL3] D dα Góc quay tỉ lệ với bình phương dịng điện thang đo khơng Ngoài LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com đặc tính thang đo lại cịn phụ thuộc vào tỉ số dL đại lượng phi dα tuyến Để cho đặc tính thang đo cần phải tính tốn cho góc lệch α thay đổi tỉ số dL thay đổi theo quy luật tỉ lệ nghịch với dòng điện Như dα đường cong tổng hợp đường tuyến tính với độ xác định α dL dα I2 Đặc tính thang đo ~ I Hình 1.2 : Đặc tính thang đo với dL dα dL dα I, L điều chỉnh Cơ cấu thị điện động có phương trình đặc tính thang đo trường hợp dịng chiều I1 I2 : α= dòng xoay chiều ta có α= dM 12 I I [TL3] Trong trường hợp dα dM 12 cos ϕ I I Như góc lệch α phụ thuộc vào dα D tích I1I2 nên thang đo khơng Có thể thay đổi vị trí cuộn dây để thay đổi tỉ số dM 12 theo hàm ngược với I1I2 nhằm đạt thang đo dα (thường từ 20%÷100% thang đo chia cịn 20% đầu thang đo chia không đều) Đối với Lôgômét điện động ta có phương trình đặc tính thang đo α= ⎛ I cos( I , I1 ) ⎞ ⎟⎟ F ⎜⎜ ⎝ I cos( I , I ) ⎠ [TL3] Khi cos(I,I1)=cos(I,I2)=1 tức dòng điện chạy qua LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com ⎛ I1 ⎞ ⎟⎟ Như góc lệch α tỉ lệ với ⎝ I2 ⎠ cuộn động cuộn tĩnh đồng pha α = F ⎜⎜ tỉ số hai dòng điện Cơ cấu thị sắt điện động có phương trình đặc tính thang đo : α=k1s2 w2I1I2cos(I1,I2), góc lệch α tỉ lệ với tích hai dịng điện Đối với cấu thị tĩnh điện ta có phương trình đặc tính thang đo α= U dC [TL3] Như góc lệch α tỉ lệ với bình phương điện áp U Đặc tính dα thang đo không (bậc hai) phụ thuộc vào tỉ số dC đại lượng phi dα tuyến Trong thực tế đặc tính thang đo cần phải tính tốn cho góc lệch α thay đổi tỉ số dC thay đổi tỉ lệ nghịch với điện áp đường dα cong tổng hợp đường tuyến tính với độ xác định Giống trường hợp cấu thị điện từ Đối với cấu thị tự ghi đầu vào thường dòng điện biến thiên theo thời gian i(t) đầu đường quan hệ α(t) Đường ghi băng giấy phối hợp hai chuyển động y=α=f(i) x=Kt Theo cách ghi phân loại cấu tự ghi làm ba loại : loại thứ ghi đường cong liên tục; loại thứ hai ghi đường cong rời rạc; loại thứ ba in số lên băng giấy Nhận xét : dụng cụ đo tương tự thị kim sai số phi tuyến đưa lên thang đo mà khơng thiết phải tuyến tính hóa đặc tính phi tuyến dụng cụ đo số 1.2 Phương pháp khắc độ dụng cụ đo có sử dụng vi xử lý máy vi tính [TL3] Việc sử dụng vi xử lý lĩnh vực đo lường mở hướng phát triển mang lại nhiều ưu điểm cho dụng cụ đo hệ thống thông tin đo lường : LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com - Có thể ghép nối thiết bị đo với bàn phím cho phép nhập thơng tin bàn phím số đặt trước giá trị đo lường hay kiểm tra thơng số - Có thể ghép nối với hình để đọc kết sai số - Có thể gia cơng kết đo theo thuật toán định sẵn đưa hình - Có thể nối với máy in để in kết đo hay tự động vẽ lại đường cong sau gia công kết phép xây dựng đường cong thực nghiệm - Thay đổi toạ độ cách đưa thêm vào hệ số nhân thích hợp - Tiến hành tính tốn thực phép đo gián tiếp hay hợp đo lường thống kê - Hiệu chỉnh sai số phép đo - Bù kết đo bị sai lệch ảnh hưởng biến động thông số nhiệt độ, độ ẩm, tần số… - Điều khiển khâu dụng cụ đo cho phù hợp với đại lượng đo ví dụ : tự động chọn thang đo - Mã hố tín hiệu đo - Ghép nối với kênh liên lạc để truyền số liệu xa - Có thể ghép nối với nhớ để lưu giữ số liệu kết đo hay giá trị tức thời tín hiệu đo Ngồi dụng cụ đo có sử dụng vi xử lý máy vi tính cịn có khả tự động khắc độ Quá trình tự động khắc độ sau : - Đầu tiên người ta đo giá trị tín hiệu chuẩn, ghi vào nhớ, sau đo giá trị đại lượng cần đo cơng cụ tốn học (dưới dạng thuật tốn) so sánh, gia cơng kết đo loại trừ sai số LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 83 Nhận xét : Mạng nơron thiết kế để khắc độ tự động đặc tính cảm biến, dựa giá trị lấy mẫu qua xử lý giảm sai số ngẫu nhiên, cho phép đạt độ xác cao Với yêu cầu sai số học 10-6, sai số tương đối quy đổi đặc tính khắc độ mạng nơron ví dụ 0,025% Tuy nhiên tốn sai số khắc độ mạng nơron (0,025%) lớn sai số khắc độ hàm Lagrange (0,006%) Như việc sử dụng phương pháp nội suy Lagrange để khắc độ tự động đặc tính thiết bị đo cảm biến, dựa giá trị lấy mẫu xử lý giảm sai số ngẫu nhiên mạng nơron, cho độ xác cao Ngồi phương pháp cịn cho phép giảm khối lượng tính tốn dung lượng nhớ chương trình đơn giản, dễ ứng dụng thực tế LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 84 Chương ỨNG DỤNG MẠNG NƠRON ĐỂ HIỆU CHỈNH ĐẶC TÍNH THANG ĐO CỦA CẢM BIẾN 4.1 Đặt vấn đề Đường cong đặc tính cảm biến x=f(y) hàm đơn trị, x y có ánh xạ một-một Ta biểu diễn : y=f-1(x), f-1 hàm ngược f Giả sử đường đặc tính thực tế có phương trình là: x=f1(y) đường đặc tính lý thuyết cảm biến có phương trình : x=f2(y) Ta ký hiệu x1 giá trị đo x2 giá trị đo thực tế cảm biến Sơ đồ cấu trúc đường đặc tính cảm biến hình 4.1 Đối tượng đo x1 CB CĐCH y A/D y x1 =f1(y) Đặc tính thực tế VXL x2 x2=f2(y) hay y= f 2−1 (x2) Đặc tính lý thuyết x1=f1(y)= f1( f 2−1 (x2))=ϕ(x2) Hình 4.1 : Sơ đồ cấu trúc đường đặc tính cảm biến Đường đặc tính thực tế có sai số so với đường đặc tính lý thuyết vượt giới hạn cho phép kết đo cần phải hiệu chỉnh theo phương trình: x1=f1(y)= f1( f 2−1 (x2))=ϕ(x2) LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 85 Đường hiệu chuẩn (Đặc tính lý thuyết) – (2) 100% X X1 Đặc tính thực tế - (1) X Ym= 100% Y Y Hình 4.2: Đường cong đặc tính thực tế lý thuyết Theo lý thuyết mạng nơron ta thực xấp xỉ hoá hàm phi tuyến x1=ϕ(x2) với độ xác tuỳ ý Hàm x1=ϕ(x2) hàm đơn trị, đồng biến nghịch biến để xấp xỉ hàm ta sử dụng mạng nơron hai lớp sigmoid/linear Mạng xấp xỉ hầu hết hàm phi tuyến với độ xác tùy ý có đủ số nơron cần thiết Ta có sơ đồ huấn luyện mạng hình 4.3 Đối tượng đo x1 Cảm biến sai x1=ϕ(x2) {x2 } Cảm biến chuẩn {x1 } MNN W x1 ≈ ϕ(x2) + Hình 4.3: Sơ đồ huấn luyện mạng nơron hiệu chỉnh sai số Ở sơ đồ {x1} {x2} tập giá trị đo cảm biến chuẩn (xem tập giá trị đúng) cảm biến sai tương ứng Tập {x2} tập giá trị đầu LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 86 vào tập {x1} tập giá trị đích dùng để huấn luyện mạng Sau huấn luyện mạng cho hàm xấp xỉ mong muốn x1=ϕ(x2) Mạng nơron đặc biệt hữu hiệu việc hiệu chỉnh sai số tự động khắc độ hệ thống đo gồm nhiều điểm đo Mạng thiết kế với đầu vào nhiều đầu Trong tự động khắc độ nhiều cảm biến đầu thứ i tương ứng với chuyển đổi hàm đặc tính chuyển đổi thứ i: X=fi(Y) X=f1 (Y) Y X=f2 (Y) MNN X=fn (Y) Hình 4.4: Khắc độ cảm biến mạng nơron Để hiệu chỉnh sai số ta sử dụng cấu trúc mạng tương tự, đầu thứ i tương ứng với hàm biến đổi hiệu chỉnh sai số: x1=ϕi (x2) Giả sử hệ thống đo gồm n điểm đo đại lượng, ta có mơ hình mạng nơron dùng để hiệu chỉnh sai số: x1=ϕ1 (x2) x1=ϕ2 (x2) x MNN x1=ϕn (x2) Hình 4.5: Hiệu chỉnh sai số cảm biến mạng nơron Tín hiệu đo thực tế chuyển đổi x2 đưa vào mạng nơron để xấp xỉ hoá hàm x1=ϕi (x2) đồng thời Mạng nơron huấn luyện dùng chung cho nhiều chuyển đổi LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 87 4.2 Hiệu chỉnh đặc tính thang đo cảm biến sử dụng mạng nơron Xét toán thực tế : Đo điện áp xoay chiều từ 0-1000 V đưa thị số kết đo đảm bảo sai số hệ thống nhỏ 0.5% Giả sử chuyển đổi chuẩn hóa có điện áp đầu vào từ 0-500V cho điện áp đầu 0-5VDC Ta cần dùng biến áp có tỉ số biến k (k=2) để biến đổi điện áp 0-1000 V thành 0-500 V để đưa vào biến truyền Thực tế biến áp đạt cấp xác tồn thang đo, tỉ số biến khơng phải số mà hàm số gần k Kết đo tính tốn theo tỉ số biến k mắc phải sai số vượt giới hạn cho phép Ta sử dụng mạng nơron để tiến hành hiệu chuẩn đường cong đặc tính thực tế đường cong đặc tính lý thuyết với độ xác tuỳ ý 0-1000V 0-500V Ur Uv CĐCH VXL A/D 0-5VDC Chỉ thị số Hình 4.6: Sơ đồ đo điện áp Giả sử biến áp thực tế có quan hệ vào/ra : Uv1=0.004 U r2 Với k=2 ta có đường đặc tính lý thuyết : Uv2=2Ur 1000 900 Đặc tính lý thuyết 800 700 600 500 Uv2400 300 200 Uv1 Đặc tính thực tế 100 0 50 100 150 200 250 300 350 400 450 500 Ur Hình 4.7 : Đường đặc tính lý thuyết đặc tính thực tế LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 88 Ta có hàm chuyển đổi để biến đổi đường cong lý thuyết đường cong thực tế: Uv1=0.001 U v22 với Uv2 từ 0÷1000V Hệ thống đo với giả thiết mắc phải sai số 12.5% Sử dụng mạng nơron huấn luyện tập giá trị Uv1 Uv2 tương ứng cho kết xấp xỉ hàm chuyển đổi đảm bảo sai số cho phép + Xây dựng mạng nơron : - Lớp vào : đầu vào số nơron giá trị tự nhiên làm tròn lớn thang đo Hàm truyền sử dụng cho lớp hàm sigmoid : g (n) = 1+ e −n − g (n) = 1 + e−n - Lớp : có đầu ra, nơron với hàm truyền tuyến tính : g (n) = n - Thuật học cho mạng nơron : Dùng thuật học lan truyền ngược Lưu đồ thuật tốn q trình học hình 4.8 Bắt đầu - Nhập số điểm lấy mẫu - Nhập mẫu học - Nhập sai số học ε - Cập nhật trọng theo thuật toán lan truyền ngược - Tính sai lệch Emới Emới≤ ε sai - Mơ kết qua mạng huấn luyện - Vẽ đồ thị - Lưu kết Kết thúc LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 89 Hình 4.8: Lưu đồ thuật tốn q trình học để hiệu chỉnh đường đặc tính Kết mơ : Mạng nơron huấn luyện với yêu cầu sai số học 10-10 Ta có kết sai số tương đối quy đổi giảm dần tăng số điểm lấy mẫu bảng 4.1 hình 4.9 Bảng 4.1 : Kết mơ sai số phụ thuộc số điểm lấy mẫu Số điểm lấy mẫu N Số chu kỳ học Sai số % 606 1.107 724 0.723 1207 0.096 1800 0.029 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 90 1844 0.021 10 1256 0.008 Sai so % N Hình 4.9 : Sai số tương đối quy đổi giảm dần tăng số điểm lấy mẫu Số điểm lấy mẫu cần thiết để đạt sai số yêu cầu 0.5% N=7 Với N =7 ta có kết thể hình 4.10, 4.11 4.12 Performance is 4.34745e-018, Goal is 1e-010 Training-Blue Goal-Black 10 10 10 10 -5 -10 -15 200 400 600 1207 Epochs 800 1000 1200 Hình 4.10 : Sai số học giảm dần tăng số chu kỳ học LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 91 Mạng xấp xỉ gần đường cong chuyển đổi Uv1=0.001 U v22 tạo thành đường cong hình 4.11 sau : + Điểm lấy mẫu Đường chuyển đổi Đường xấp xỉ mạng nơron Uv1 Uv2 Hình 4.11 : Đường cong xấp xỉ hàm mạng nơron đường cong chuyển đổi 1.2 Sai so 0.8 0.6 0.4 0.2 -0.2 100 200 300 400 500 600 Uv2 700 800 900 1000 Hình 4.12 : Đường sai số đường cong xấp xỉ mạng nơron đường cong chuyển đổi LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 92 Nhận xét : Hệ thống đo sử dụng mạng nơron để hiệu chỉnh sai số toán giảm sai số hệ thống từ 12.5% xuống 0.096 % đảm bảo nằm giới hạn sai số 0.5% cho phép với điểm lấy mẫu Như việc ứng dụng mạng nơron để hiệu chỉnh sai số cảm biến, kể cảm biến mắc phải sai số lớn, cho độ xác cao LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 93 Chương KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Nội dung luận văn ứng dụng mạng nơron nhân tạo để khắc độ tự động thiết bị đo cảm biến Luận văn trình bày tổng quan phương pháp khắc độ thiết bị đo cảm biến bao gồm khắc độ dụng cụ đo tương tự, khắc độ dụng cụ đo có sử dụng vi xử lý máy tính khắc độ chuyển đổi đo lường sơ cấp Phần lý thuyết sở mạng nơron trình bày hiểu biết nơron sinh học đến khái niệm mạng nơron nhân tạo, nêu mạng nơron nhân tạo với thuật học làm sở cho nghiên cứu ứng dụng mạng nơron việc chế tạo cảm biến thông minh Luận văn nghiên cứu ứng dụng mạng nơron việc xử lý số liệu nhằm giảm sai số ngẫu nhiên, nêu số lớp mạng, số nơron thuật học ứng dụng cho việc xử lý số liệu đo Từ số liệu xử lý, đề xuất việc sử dụng hàm Lagrange để xây dựng đường đặc tính qua tất điểm lấy mẫu Phưong pháp cho phép giảm khối lượng tính tốn nhớ chương trình đơn giản so với phương pháp thơng thường Với kết thu áp dụng vào công nghệ chế tạo cảm biến thiết bị đo để nâng cao độ xác chúng Khắc độ tự động cảm biến dựa nguyên lý xấp xỉ hàm phi tuyến mạng nơron nghiên cứu luận văn cho kết khả quan Đồng thời luận văn đề cập đến việc hiệu chỉnh đặc tính thang đo cảm biến đảm bảo sai số cho phép Mạng sử dụng mạng hai lớp với hàm truyền Sigmoid/linear cho phép xấp xỉ hầu hết hàm phi tuyến với độ xác tùy ý Do thời gian điều kiện hạn chế nên luận văn dừng lại mức mô phần mềm máy tính, chưa ứng dụng thực tế Nhưng đề xuất hướng nghiên cứu cụ thể cho phép áp dụng vào việc chế tạo cảm biến thông minh tương lai không xa LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 94 Ứng dụng mạng nơron để xử lý số liệu đo nhằm giảm sai số ngẫu nhiên cho phép ứng dụng không cảm biến thơng minh mà cịn ứng dụng cho thiết bị đo tương tự, thiết bị đo số Hướng nghiên cứu từ sở nghiên cứu luận văn ứng dụng mạng nơron để giảm đồng thời sai số ngẫu nhiên sai số hệ thống cảm biến ứng dụng vào việc chế tạo cảm biến thiết bị đo với độ xác cao Như ta biết sai số cảm biến bao gồm sai số hệ thống sai số ngẫu nhiên tính theo cơng thức : Δ = Δ ht + Δ ng Δ ht sai số hệ thống Δ ng sai số ngẫu nhiên Từ nghiên cứu ta xây dựng mạng nơron gồm hai phần để giảm sai số ngẫu nhiên sai số hệ thống Phần thứ mạng nơron dùng để xử lý số liệu giảm sai số ngẫu nhiên, phần thứ hai mạng nơron dùng để xấp xỉ hàm để giảm sai số hệ thống Trong mạng nơron dùng để xử lý số liệu giảm sai số ngẫu nhiên nghiên cứu chương mạng truyền thẳng, có hai lớp với lớp vào sử dụng hàm truyền sigmoid lưỡng cực lớp sử dụng hàm truyền tuyến tính Mạng tổng hợp sử dụng thuật học lan truyền ngược Mạng tổng hợp có cấu trúc sau : {Y} MNN (Y) Y * + {X} MNN (X) Giảm sai số ngẫu nhiên X * MNN (xấp xỉ hàm) * * Y = f (X ) Giảm sai số hệ thống Hình 5.1: Cấu trúc mạng nơron tổng hợp LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 95 Cảm biến chế tạo cài đặt mạng nơron giảm sai số ngẫu nhiên sai số hệ thống (tránh việc sử dụng phương pháp tuyến tính hố gây sai số tuyến tính) để đạt độ xác cao Tuy nhiên phương án cần phải nghiên cứu thêm để có kết cụ thể LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 96 TÀI LIỆU THAM KHẢO [TL1] Bộ Khoa học Công nghệ (2005), Tuyển tập báo cáo khoa học Hội nghị khoa học kỹ thuật đo lường toàn quốc lần thứ 4, NXB Khoa học kỹ thuật [TL2] Bùi Cơng Cường, Nguyễn Dỗn Phước, Hệ mờ, mạng nơron ứng dụng, NXB Khoa học kỹ thuật Hà nội 2001 [TL3] Phạm Thượng Hàn, Nguyễn Trọng Quế, Nguyễn Văn Hòa, Nguyễn Thị Vấn - Kĩ thuật đo lường đại lượng vật lý (trọn hai tập), NXB Giáo dục 2003 [TL4] Phạm Thượng Hàn, Xử lí số tín hiệu, NXB Giáo dục 1993 [TL5] Nguyễn Thanh Hải (2003), Tập giảng mạng nơron nhân tạo, Học Viện Kỹ Thuật Quân Sự [TL6] Nguyễn Hoàng Phương, Nguyễn Doãn Phước, Nguyễn Quang Hoan, Nguyễn Thanh Thủy, Chu Văn Hỷ tác giả khác, Hệ mờ ứng dụng, NXB Khoa học kĩ thuật Hà nội 1998 [TL7] Nguyễn Đình Thúc, Mạng nơron, phương pháp ứng dụng, NXB Giáo dục, 2000 [TL8] Nguyễn Mạnh Tùng (2003), Nghiên cứu ứng dụng mạng nơron nhân tạo cho toán đo lường, Luận án tiến sĩ kỹ thuật, Đại học bách khoa Hà nội [TL9] C.T Lin, G.Lee (1996), Neural Fuzzy Systems, Prentice Hall, Inc [TL10] David M.Skapura (1996), Building Neural Networks, ACM press [TL11] J.-S.R.Jang, C.-T.Sun, E.Mizutani(1997), Neuro-Fuzzy and Soft Computing, Prentice Hall, Inc [TL12] Jacob Fraden (1993), AIP hanbook of modern sensor,American institute of Physics LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 97 [TL13] George A.Rovithakis (1999), Robustifying Nonlinear Systems Using High-Order Neural Network Controllers, IEEE Tran on Automatic Control [TL14] Howard Demuth, Mark Beale, Neural Network Toolbox For Use with Matlab, Version 4, The MathWorks [TL15] Hunt K.J and Others (1992), Neural Networks for Control System-A Survey, Automatica [TL16] Limin Fu, Neural Networks in Computer intellingence, McGrawHill, Inc [TL17] Martin T.Hagan, Howard B.Demuth, Mark Beale MHB (1995), Neural Networks design, An Internation Thomson Publishing Company, Inc [TL18] Madan M.Gupta, Liang Jin, Noriyasu Homma (2003), Static and DynamicNeural Networks, A John Wiley &Sons, Inc., Publication [TL19] Michael A Arbib (2003), The handbook of Brain Theory and Neural Networks, The MIT Press [TL20] D.Michie, D.J.Spiegelhalter,C.C.Taylor(1994), Machine learning, Neural and Statistical Classification, ACM press [TL21] Stuart J Russell, Peter Norvig (1995), Artificial Intelligence A Modern Approach, Prentice Hall, Inc LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com ... KHẮC ĐỘ CỦA DỤNG CỤ ĐO VÀ CẢM BIẾN 1.1 Phương pháp khắc độ dụng cụ đo tương tự Dụng cụ đo tương tự loại dụng cụ đo mà số đại lượng liên tục tỉ lệ với đại lượng đo liên tục Trong dụng cụ đo tương... bị đo bao gồm phương pháp khắc độ cho dụng cụ đo tương tự, dụng cụ đo có sử dụng vi xử lý máy vi tính chuyển đổi đo lường sơ cấp Chương nêu hướng ứng dụng mạng nơron cho việc xử lý số liệu đo. .. công nghệ nói chung lĩnh vực đo lường nói riêng Nội dung chủ yếu luận văn tập trung nghiên cứu ứng dụng mạng nơron cho khắc độ dụng cụ đo cảm biến thông minh Luận văn bao gồm năm chương, chương