CỐ TỤC I b1T UNIVERSITY OF TECHNOLOGY PROCEEDINGS
THE 1ồ" STUDENTSỖ WORKSHOP ON SCIENTIFIC RESEARCH OF THE DEPARTMENT OF ELECTRICAL POWER - ELECTRONICS -
COMPUTER ENGINEERING
at tanner ete ane natant te een wa
Trang 4EE HỘI NGHỊ KHOA HỌC SINH VIÊN KHOA ĐIỆN - ĐIỆN TỬ - MÁY TÍNH LẦN] 28 Tháng 12 1999 HỘI ĐỒNG KHOA HỌC PGS TS Nguyễn Đức Phong , Chú tịch TS Nguyễn Dũng _, P Chứ tịch, Thư ký
ThS Trần Vĩnh An, Thậ Văn Như Bắch B, TS Lê Hoài Bac, TS Trương Mỹ Dung,
ThS Trần Thanh Mai, PGS Trịnh Phôi, GVC Phan Kế Phúc, GS.TSKH Nguyễn Kim Sách,
TS Vũ Đình Thành, TS Lê Tiến Thường
BAN TỔ CHỨC
Nguyễn Dũng, 7rưởng ban
Bùi Tá Hoàng Vũ, P.trưởng ban
Nguyễn Thị Ngọc Anh, Đồn Cơng Hùng, Nguyễn Thị Ngọc Mai, Huỳnh Hữu Thuận,
Châu Văn Thưởng
Trang 57
THE 1ồ STUDENTSỖ WORKSHOP ON SCIENTIFIC RESEARCH OF THE DEPARTMENT OF ELECTRICAL POWER - ELECTRONICS -
COMPUTER ENGINEERING
SCIENTIFIC COMMITTEE
Prof.Dr Nguyén Đức Phong , Head of the committee
MSc Tran Vinh An, MSc Van Nhu Bich B, Dr Lé Hoai Bac, Dr Nguyén Ding , Dr Trương Mỹ Dung, MSc Trần Thanh Mai, Prof Trinh Phéi, Senior Lecturer Phan KẠ Phúc, Prơặ D.Sc Nguyễn Kim Sách, Dr Vũ Đình Thanh, Dr Lé Tiến Thường
ORGANIZING COMMITTEE
Nguyén Ding , Head of the committee
Nguyễn Thị Ngọc Anh, Đoàn Công Hùng, Nguyễn Thị Ngọc Mai, Huỳnh Hữu Thuận,
Châu Văn Thưởng, Bài Tá Hoàng Vũ
Trang 6
STT 10 11 12 13 14 MUCLUC Tén Dé Tai
PHAN I : DIEN TU VIỄN THONG
Nhận dang ký tự tiếng Việt dùng Neural Networks
Thiết kế và thi công cánh tay Robot
Mô phỏng mạch siêu cao tần dạng Macro trong PUFF
Xây dựng hệ thống tắnh cước điện thoại công cộng cho 8
Cabin giao tiếp với máy tắnh
Giới thiệu phần mềm mô phỏng mạng ATM
Công nghệ ghép kênh đồng bộ số SDH (Synchonous
Digital Hierarchy)
Nghiên cứu hệ thống đa truy cập phân chia mã CDMA ứng dụng Wavelets nâng cao chất lượng hệ thống
Nghiên cứu ứng dụng công nghệ trải phổ CDMA ở Việt
Nam
Ứng dụng điểu khiển bằng máy tắnh
Thiết kế hệ thống thu CATV
PHAN I: TIN HOC - KY THUAT MAY TINH
Ho tén SV thuchién Lớp
TRUONG NGOC BAO 95PTO1
NGUYEN TAN LY 96THOL
HUYNH NG BAO PHUC LE QUOC TUAN VU QUOC HUNG 95ĐT0I HUỲNH LÊ HÀ DUY TRÚC PHAN THỊ TÚ VÂN NGUYỄNXUÂNVINH 95ĐĐT03 TRẦN ANH TUẤN 95ĐT04 VŨ LÊ HUY 95ĐT0I1 TRẦN DUY CƯỜNG
LÊ VĂN PHO 95ĐĐT03
NGUYỄN MINH KHẢI 95TH0I HƯỲNH MINH THÁI
CAO KINH THAO 95DT04
Xây dựng mạng Intranet Khoa Điện - Điện Tử - Máy Tắnh NGUYEN VAN KHIEM 95TH0OI
trén hé diéu hanh Windows NT SERVER Quan ly Thu vién
Quan lý việc giảng dạy của giáo viên Trường ĐHDLKTCN
Áp dụng phương pháp HEURICTIC trong thiết kế Game
Af
ỔNGUYEN THANH ĐIỄỂN
Trang 721 20
Bảo mật bằng phương pháp RSA LÊ THANH SƠN
Tan trình giảng dạy Tìn học căn bản và thi trắc NGUYỄN KIỀU OANH PANG THI GIAU
Mô phỏng và trợ giúp giảng dạy môn lý thuyết đồ thị KIỂU CÔNGTRƯỜNG 95TH02
"TRAN ANH THI
Tim hiéu chudn MPI va hién thyc van dé xi ly song song PHAM MINH DUNG 95TH0I
lên một bài toán khoa học
Quản lý CONTAINEER NGUYEN T.PHUONG THAO
LE THANH TUYEN Tìm hiểu mô hình lập trình song song hién thyc bing MPI NGUYEN VĂN HIẾU
(MEESSAGE PASSING INTERFACE)
TRƯƠNG ĐỨC HUỲNH
Công nghệ Internet Telephony DƯƠNG THỊ THUHẰNG 95CNO1
NGUYỄN THỊ UYÊN HẠNH PHẦN II : ĐIỆN CÔNG NGHIỆP
Nghiên cứu ảnh hưởng của độ sâu đối với điện trở của các NGÔ MINH HOÀNG 95DC1 cọc tiếp địa
TRAN TRUNG HAI 95DC2
Trang 9
NHAN DANG KY TU TIENG VIET DUNG NEURAL NETWORKS
Thây hướng dẫn : TS Lê Tiến Thường Sinh viên thựchiện : Trương Ngọc Bảo Lớp: 95SĐTI, MSSV: 95DT0014
TÓM TẮT BÁO CÁO NGHIÊN CỨU KHOA HỌC
Mạng Neural Networks đã được soạn thảo từ những yếu tố đơn giản của phép tắnh được xử lý song song Những yếu tố này đã được truyền bằng một hệ thống thần
kinh sinh vật Như trong tự nhiên, chức năng của mạng đã được xác định một cách rộng lớn bằng việc kết nối giữa các thành phần trong mạng Chúng ta có thể huấn luyện mạng để thực hiện các chức năng đặc thù bằng cách điều chỉnh những giá trị (hay trọng số) của những kết nối giữa các thành phần
Thông thường, mạng Neural Networks đã được điều chỉnh hay huấn luyện vì thế những ngõ vào đặc thù qua những bước để có được ngõ ra theo mục đắch đặc biệt Ở đó, mạng đã được điều chỉnh và làm nền tảng trên việc so sánh giữa ngõ ra so với đắch, cho đến khi ngõ ra của mạng hợp với đắch Một cách điển hình nhiều ngõ vào và đắch là một cặp đã được dùng để huấn luyện cho mạng
Mạng Neural Networks đã được huấn luyện để thực hiện những chức năng phức tạp
trong những lĩnh vực ứng dụng bao gồm nhận dạng mẫu, nhận diện, phân loại, nhận
dạng tiếng nói, hình ảnh và kỹ thuật điểu khiển
Đề tài nhằm sử dụng mô hình của neural networks để nhận dạng ký tự tiếng việt trên kênh truyền trong trường hợp bị nhiễu xâm lấn Bằng phương pháp chọn lựa những lớp (layer), những hàm số dùng trong mạng tưởng thắch, hệ thống có khả năng nhận dạng hay làm sạch nhiễu khi các ký tự tuyển qua kênh truyền có nhiễu Nội dung bao gồm các phần chắnh: tìm hiểu các mô hình mang neural, thiét ké những kiễu mẫu dùng cho việc mã hóa các ký tự tiếng Việt (bao gồm chữ thường , hoa và các dấu), và mô phỏng trên máy tắnh cho hệ thống dùng chương trình Matlab; đánh giá kết quả
TỪ KHÓA
Trang 10ABSTRACT |
Neural networks are composed of simple elements operating in
Ổparallel These elements are inspired by biological nervous systems |
As in nature, the networks function is largely determined by the | connections between elements in the networks We can train a neural
networks to perform a particular function by adjusting the values (or weights) of the connections between elements
Commonly neural networks are adjusted, or trained, so that a
particular input leads to a specific target output There, the networks is
adjusted, based on a comparison of the output and the target, until the network output matches the target Typically many such input/target pairs are used to train a network
Neural networks have been trained to perform complex functions in various fields of application including pattern recognition, identification, classification, speech, vision and control engineering Ở The model of neural networks is used in this thesis to recognize Vietnamese character for the case of noisy channel communications By layer selection methods, the functions are used in adaptive
networks, the system can identify or denoise when the letters are
embeded in noise The content consists of main parts: researching
neural network models; designing pattern for encoding Vietnamese
characters (including letter upper, letter lower, mark letter); and computer simulation for systems used Matlab program; evaluation of the results
KEY WORDS
Neural networks, Matlab, Vietnamese characters, perceptron, least means squared (LMS), back propagation algorithm
Trang 11
1 GIỚI THIỆU
Sự phát triển của các công trình nghiên cứu về tắnh tốn theo mơ hình Neural đã được phát triển ban đầu theo sự nhận định của trắ óc con người Mục đắch của sự tắnh toán Neural là để hiểu được những qui luật dùng làm cơ sở cho sự hiểu biết
những lời giải của trắ óc về các lãnh vực như nhận dạng hình ảnh, ký tự, tiếng nói và
áp dụng những qui luật đó vào trong lĩnh vực máy tắnh
Một điểu cần chú ý ở đây là việc xử lý những thông tin theo kiểu xử lý song song
của bộ não chứ không phải tốc độ tắnh toán của nó
Mạng Neural là một ngành kỹ thuật mới Kỹ thuật này cố gắng đạt được thi hành tốt bằng sự kết nối những phân tử tắnh toán với nhau Ở đây nhiều giả thiết được xử
lý song song, và tốc độ tắnh toán của máy tắnh phải rất cao Thay vì xử lý những lệnh của chương trình theo trình tự trước sau nhưng với mạng Neural thì xử lý song song những giả thiết khác nhau hoặc thậm trắ cạnh tranh với nhau Mạng neural
gồm có nhiều phần tử tắnh toán và chúng được kết nối với nhau, và sự liên hệ đó
được biểu điển bởi trọng lượng của một phần tử đối với các phần tử tắnh toán khác trong mạng
Mạng Neural được diển tả bởi cơ cấu tổ chức của mạng, những đặc tắnh của từng nút
mạng và những qui luật học tập Những qui luật cung cấp lúc ban đầu một tập trọng lượng và đồng thời chỉ dẩn cách biến đổi trọng lượng để tăng cường sự liên hệ của những phần tử tắnh toán và qua đó tăng hiệu lực thi hành của mạng
Những lợi ắch của mạng Neural rất to lớn, đặc biệt là nó cung cấp độ chắnh xác cao, đồng thời nó cũng chấp nhận một lỗi sai sót cho phép Tuy nhiên, mạng Neural
gồm nhiều nút mạng và những nút mạng được xử lý đông thời Nếu một trong vài
nút mạng.bị hư hỏng thì mạng vẫn tiếp tục vận hành đúng và kết quả bài toán không
bị ảnh hướng bao nhiêu
Sau đây, mạng Neural sẽ được xem xét ở khắa cạnh xây dựng mạng và kiếm giải
thuật hay còn gọi là thuật toán để thực hiện mạng
2 MO HINH MANG NEURAL NETWORKS:
Target
Neural Networks bao gồm các
kết nối (gọi là trọng số) giữa
Trang 122-1 MẠNG NEURAL ĐƠN GIẢN
Input Neuron w Vector input | | Where Ở R= # Elements }Ộ_Ừ in input vector a= f(Wp +6) Neural là một đơn vị xử lý thông tin cơ bản cho sự vận hành của Neural, mô hình bao gồm có ba phần chắnh:
1 Một tập Ộnối kếtỢ được biểu diển bằng trọng lượng (weight) của nó
2 Một bộ ỘcộngỢ để cộng những tắn hiệu input, nhân với trọng lượng tương
ứng của neural Phép toán này gọi là phép toán tổ hợp tuyến tắnh Ộlinear combinerỢ
3 Một hàm số ọ để hạn chế biên độ của biên độ tắn hiệu ngõ ra của một
Neural Hàm số đó cũng được gọi là Ộsquashing functionỢ, nghĩa là hạn chế cự ly của biên độ Đặc biệt biên độ dải chuẩn xuất của neural là [0, 1] hoặc [-1, 1] Một neural k được diển tả như sau: Ủy = > Wipi iz] Ye =O (Uy - Oy )
R thành phan vector ng6 vao p),p2,P3, PR
Nhân với trọng sỐ: Wi,W2,W, WR
Biểu thức trước khi qua hàm Ặ: n= W*p +b
2.2 HAM TRUYEN TRONG MANG
Có nhiều loại hàm truyền hoạt động trên mạng như: hard limit, linear, Nhung d6i
với ứng dụng của để tài thì hàm truyền chủ yếu là hàm Sigmoid, hàm số này thông
Trang 13Hàm truyền này dùng để lan truyền ngược trong mạng Hàm số sigmoid là hàm số logarich: 1 0) 1+exp(Ởav)
a la hằng số dốc của ham s6 sigmoid, néu a tién dẠn +0 thi @(v) =1
3 NHIEU LỚP CỦA MANG NEURAL:
Một mạng có thể có nhiều lớp Mỗi lớp có ma trận trọng số W, vector độ lệch b và
vector ngõ ra a, để phân biệt giữa các ma trận trọng số và vector ngõ ra cho mỗi lớp trong hình của chúng, chúng ta sẽ viết thêm vào số của lớp bên trên để quan
tâm sự thay đỗi
Input First Layer Second Layer Third Layer Ở 2 a a ỞỞA A a twa Wh @ twa nm @ ểỮ 3712 iF 1 bề l HH Lửi2 ' + in * 2 3 2 ằ Ala , 2 ' "21 Eỏz bi $ ba 8 $ WY \ } ` A a! = f! (Wiip +b!) a2 = ặ2(L Waa +b2) a3 =f3 (LW32 a2 +bs) a3 = 23 (LW32 ặ2 (LW2:f! (IW ip +b1)+ b2)+ba) 4 MO HINH PERCEPTRON
M6 hinh perceptron 14 một mang Neural dién tả dưới hình thức giản dị nhất Nó chỉ có một neural duy nhất Mô hình perceptron chỉ được sử dụng cho việc phân loại mẫu (pattern) ra hai loại mà thôi
Nếu wị, wƯ, w;, w, chỉ định những trọng lượng của một tầng duy nhất, những tắn
hiệu input tương ứng là Xj, xXỪ, Xp và b là độ ngưỡng bên ngoài
Trang 14XI X2 mi bo Vị ọ(Vj) output Input ị 2 W2 > Hard b=-l Limiter WR Threshold Từ mô hình trên chúng ta kiếm ra output tổ hợp tuyến tắnh là: V= Wixi -b i=]
Mục đắch của mô hình là để phân loại tổ hợp kắch thắch bên ngoài xị, Xạ, ẤXp Tâ
thành hai loại C¡ hoặc CƯ Xị, XƯ, Xp thuộc loại C¡ nếu tắn hiệu output của perceptron là +1, và ngược lại nếu xạ, xạ, .x; thuộc loại CƯ nếu tắn hiệu output của
perceptron là Ở1 Trong trường hợp đó chúng ta vẽ biểu đồ những vùng quyết định trong không gian p chiều dựa trên nền tảng p biến số input Xị, Xa, Xp,
Trong trường hợp của một mô hình cơ bản chúng ta có hai vùng quyết định được phân chia bởi một vùng siêu phẳng (hyperplane) định nghĩa bởi: ỲWixi -b=0 i=l xy class Cl elass C2 ZL > xa=-Milxi+ & < WỈ VWWỈ
Trong trường hợp của biến số x¡ và x; có vùng quyết định là một đường thẳng Một
điểm (x¡,xạ) nằm trên đường phân tách là thuộc C¡ và một điểm (x¡, x;) nằm dưới
đường phân tách thì thuộc Cạ Tác dụng của b là dời đường phân tách ra xa điểm
gốc Trọng lượng W¡, WƯ, Wa, Wp của percepfron có thể là cố định hoặc thay đổi
theo tắnh toán lặp Trọng lượng này có thể thay đổi theo giải thuật hội tụ của
perceptron
Trang 15
4.1 HỌC HỎI CỦA NEURAL
Chúng ta.xem xét làm sao để diễn tả khái niệm học hỏi trong mô trình perceptron
Néu perceptron cho ra mét tinh hiéu output sai, chúng ta phải giảm bớt xác suất
neural cho ra output sai ấy đừng trở lại, ngược lại nếu neural cho ra output đúng, thì chúng ta không cần làm gì hết Qui luật chắnh là cho phép neurel học hỏi từ chắnh
sai lầm của nó
Thắ dụ, diển tả trạng thái đầu của neural, chúng ta cấp cho nó lúc ban đâu tắn hiệu
input với những trọng lượng ngẫu nhiên Đó là trạng thái mà neural không biết gì hết Bây giờ ta cho vô một vật thuộc loại C1 Neural cộng tất cả các input rồi nhân
với trọng lượng tương ứng và so sánh tổng cộng trị số đó với trị số ngưỡng Nếu trị số của input lớn hơn trị số ngưỡng, output của neural có trị số 1, nếu không nó cho
_ra output với trị số 0 Lúc ban đầu, sác xuất có kết quả đúng là 50:50, vì input cia neural chỉ có một xác suất ngẫu nhiên lớn hơn độ ngưỡng Chúng ta giả thiết, nó cho ra kết quả đúng, như vậy chúng ta không cần làm gì thêm hết Nhưng nếu
output của neural là 0 khi mà ta cho vô vật thuộc loại Cụ Như vậy chúng ta phải thay đổi trọng lượng tương đương của input hầu để tổng số của trị số nhập lớn hơn trị số ngưỡng và cho ra kết quả đúng, nghĩa là cho ra trị số 1
Nếu input của vật thuộc loại C2, chúng ta muốn output của neural là 0 Nghĩa là
chúng ta muốn tổng số của trị số input nhỏ hơn trị số ngưỡng Như vậy mỗi lần
chúng ta cho vô vật thuộc loại C;, chúng ta làm giảm trị số của trọng lượng để bắt
buộc output của neural là 0 ở lần tới
Hai loại này còn được gọi là khả tách tuyến tắnh (linearly separable) nếu chúng ta tìm ra một tập hợp Ủ Mặc khác, nếu chúng ta có một vector trọng lượng Ủ thì hai
loại vật C¡ và CƯ là khả tách tuyến tắnh
Thủ tục học (learning procedure) mà chúng ta vừa trình bày ở trên có thể được tóm tắt như sau:
Giải thuật hội tụ học của perceptron: 1 Khởi tạo trọng lượng và trị ngưỡng
Gọi Wi() (0< ¡ <p), là trọng lượng từ input ¡ ở thời điểm t, và b là trị ngưỡng
trong nút output
Lấy W, = -b gọi là độ lệch và xạ = 1
Khởi tạo W,(0) là các giá trị nhỏ ngẫu nhiên và giá trị ngưỡng 2 Trình bày output và input mong muốn
Trình bày input Xị, X2, Xp Và oufput mong muốn d()
3 Tinh output hiện hành
Trang 16Y(t) = 9 ( À,i0)xi() -b) 4, Hiéu chỉnh trong lượng Cập nhật vector trọng lượng W¡(+L) = W¡@) + n(đ@) Ở y())x;(Đ) Với đáp ứng mong muốn d(t) được định nghĩa như sau DỂ) = 1 nếu x; thuộc lớp C¡ = -1 néu x; thuộc lớp C;
và rị = thông số tỉ lệ học, là hằng số dương nhỏ hơn 1
5 Tăng thời gian t lên một và quay lại bước 2
6 GIẢI THUẬT TRUNG BÌNH BÌNH PHƯƠNG TỐI THIẾU (LMS) Giải thuật LMS: 1 Khởi tạo Đặt w,() =0 với k = 1,2, p 2 Lọc _ Với thời gian t = 1, 2, giá trị tắnh toán p, y(t) = 5 w,0x,Ể) j=l e(t) = d(t)- y@) w,(t)=w,(t)+ne(t)x,(@) véik = 1,2, ,p Hướng dẩn cách chọn lựa trị sé 1:
Xét hội tụ của giải thuật LMS
Trang 17
7, THUAT GIAI LAN TRUYEN NGUOC (Back propagation)
Thuật giải huấn luyện lan truyền ngược là một thuật giải gradient lặp có mục đắch cực tiểu hóa sai số bình phương, trung bình giữa output thực sự của một perceptron nhiều tầng và output mong muốn Ta nhớ lại, tắnh chất phi tuyến của hàm logsig- moid:
1 #G0))= '1+expCv)
(1) Khởi tạo trọng lượng và độ đời: đặt tất cả trọng lượng và mức ngưỡng của mạng với giá trị ngẫu nhiên bé
(2) Trình bày input và output mong muốn: giới thiệu một vector input liên tỤC Po, P1,P2,P3, PRre-1 Va x4c dinh cdc output mong muén do, dị, dƯ, đạy.¡
(3) Sự tắnh toán tiến: đối với mỗi [p(n), d(n)], tắnh thế năng hoạt động và tắn
hiệu hoạt động của mạng bằng cách tiến về phắa trước xuyên qua mạng
từng tầng một Cấp hoạt động bên trong lưới v(n) d6i véi neural j trong
tầng ¡ là:
Ney
vO(n) = VPP My?)
i=Q
với Nị¡ là số nút trong lớp 1 ~ 1, y'Ộ2) là tắn hiệu hàm của neural i trong
lớp trước l - 1 tại lần lặp n và w/-Đ() là trọng lượng của neural j trong lớp
1 mà được cấp từ neural ¡ trong lớp I~ 1 Đối với ¡ = 0 ta có Vệ Đứa) = Ở1
và
we =A)
ửỘ)(n) là ngưỡng được áp dụng vào neural j trong tầng 1 Giả sử rằng, việc sử dụng một hàm phi tuyến, tắn hiệu (outpuĐ) hoạt động của neural j trong lớp I là:
4) ]
1; 0= 1+exp(Ởv)(n))
néu neural j trong tang ẩn dau tién (nghia 14 1 = 1) dat y(n) = p,(n)
,(n) là thành phần thứ j của vector input x(n) Néu neural j 6 trong tang
output (nghia 1a 1 = L), ta dat y(n) =0,(n) Vi vay tắnh tắn hiệu lỗi
e;(n) = dj(n) _ Oo¡(n)
với di(n) là phần tử thứ j của vector đáp ứng mong muốn d(n)
Trang 18mh=ễạạDDD 2525666
(4) Sự tắnh toán lùi: tắnh 5 (nghia 1a gradient cuc bộ) của mạng bằng cách tiến hành lùi, từ lớp này qua lớp khác
(90) = et2()ụ,(ệ[L~o,(9] cho neural j trong mot tang output L
J (n) = YOM - yẶ Oy 6ồ? (n)wi"(n) cho neural j trong lớp ẩn l
Vì vậy hiệu chỉnh trọng lượng của mạng trong lớp l theo quy luật delta
tổng quát hóa:
w(n +l)= w(n) + alw O(n) - w(n + 1)| + 50 (n) ye? (n)
với rị là thông số tỉ lệ học tập và Ủ là moment với 0< Ủơ< I1
(5) Lặp: lặp lại việc tắnh toán bằng cách trình bày những thời kỳ của các thắ dụ huấn luyện mới cho mạng tới khi các thông số tự do của mạng ổn định giá trị của chúng và sai số bình phương trung bình E;, được tắnh trên toàn bộ tập huấn luyện có giá trị nhỏ chấp nhận được hoặc cực tiểu
Trang 208.2 CHƯƠNG TRINH MO PHONG eerie ena
Đây là màn hình giao diện chắnh của chương trình mô phỏng
Close: đùng để thốt hồn tồn chương trình khi không muốn chạy tiếp
Run Program: dùng để mô phỏng tiếp và chạy chương trình giao diện tiếp như sau
SARC fe Ge Cen habe a)
Màn hình giao diện trên cho phép thiết lập chế độ mô phỏng:
Trang 21
ERE EE IIE ISS
* Demo: chay chuong trinh demo
* Close: déng giao dién, trở lại giao diện trước
* Run program: vao chuong trinh tng dung nhan dang ky ty Tiéng Viét va xuat
hiện giao diện như sau:
NHAÀPF DU LIEU
Chúng ta gõ ký tự cần truyền vào vùng soạn thảo (khung trắng), sau đó nhấn nút Transfer để thực hiện công việc truyền và nhận dữ liệu
8.3 QUÁ TRÌNH VÀ KẾT QUẢ NHẬN ĐƯỢC
i Ổ# Ket.qua nhan duoc sau khi qua 0à
La Fc es bì nhieu t tai rijo xao
Đầu tiên dữ liệu được nhận trực tiếp từ người dùng bằng cách gõ ký tự vào khoảng trống soạn thảo (edit) ở glao diện Ộnhập đữ liệuỢ bên trên Sau đó tắn hiệu sẽ được
Trang 22cấy nhiễu vào, nghĩa là làm cho dữ liệu bị sai lệch để mô phỏng dữ liệu bị nhiễu trên đường truyền Dữ liệu này sẽ được đưa vào tại ngõ vào của mạng neural, để thấy được dữ liệu nhiễu như thế nào ta quan sát giao diện Ộdata bị nhiễu tại ngõ vàoỢ Tiếp theo dữ liệu bị nhiễu đi qua mạng, sẽ được mạng triệt nhiễu và nhận dạng để so sánh với đắch Cuối cùng dữ liệu nhận được ở ngõ ra sẽ tốt nhất và được
hiển thị ở giao diện ỘKết quả nhận được sau khi qua mạngỢ
Procees dùng để xem lại quá trình học tập của mạng và đánh giá mạng
9 ĐÁNH GIÁ MẠNG NEURAL
Độ tin cậy của mạng Neural Network trong hệ thống nhận dạng ký tự thì đã được kiểm tra bằng cách kiểm tra mạng với hàng trăm vector ngõ vào với những lượng nhiễu khác nhau Điều này đã được mô phỏng trong chương trình Chúng sẽ kiểm tra mạng với những mức độ nhiễu khác nhau và sau đó vẽ đồ thị theo tỉ lệ phần trăm của nhiễu trên tắn hiệu, hay còn gọi là ti 1é S/N Nhiễu với mức độ từ 0 đến giá trị
tiêu chuẩn thì được chia nhỏ thành từ 0 đến 0.5 và được cộng vào vector ngõ vào Tại mỗi vạch nhiễu trên đồ thị, mức độ phần trăm khác nhau của nhiễu tại mỗi ký tự
thì được làm và ngõ ra của mạng đã được tắnh toán Ngõ ra sau đó được cho qua hàm truyền so sánh vì thế chỉ có một trong 203 ngõ ra, đại điện cho các ký tự trong bảng Alphabet, là có giá trị bằng 1 còn các ngõ ra còn lại có giá trắ 0
Phần trăm xảy ra lỗi kh nhận dạng 100 paswswerTecewslecccccToccccepescvodencesedecs sẪe.ehecotồo6GU505066206 457025565 80 70 Networks 1.- - Networks 2 Ở- 50 Ậ Z 20 Lo ra tn 0 cermin - 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 9.4 0.45 0.5 Noise Level
Như để thị ta có: nhiễu đã được tác động ở mức độ từ 0 đến 0.5 và xác suất xảy ra lỗi của mạng 1 (đường chấm chấm) cao hơn của mạng 2 (đường liền nét) Bởi vì
mạng 1 chưa được huấn luyện (chưa train) và mạng 2 đã được huấn luyện (training)
Trong khoảng nhiễu từ 0 đến 0.15 mạng 2 coi như hoàn toàn chắnh xác (không có lỗi) trong quá trình nhận dạng, tuy nhiên trong khoảng nhiễu từ 0.2 đến 0.5 lỗi sẽ
Trang 23
rước me TT TT TTTỢmỢTT>Tt7ệ?ệ?ỏ đ đủđệ2ôãủIãynynnnAợnAỹAỹAợợỹýỹ-nẹrẽrẽrẽTẽarẽsraasassssmssesas
xuất hiện và xác suất xảy ra lỗi sẽ tăng dân, do đó mạng coi như làm việc tốt ở điều
kiện nhiễu được thiết kế theo yêu cầu ban đầu
10 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI
101 KẾT LUẬN
Trong luận văn này em không có ý bao hàm hấu hết các tiến bộ trong mạng Neural đã được thực hiện trong vòng 10 năm gần đây trong lĩnh vực nhận dạng mẫu Đề tài đã trình bày những khái niệm cơ bản về mạng neural nhân tạo, những nguyên tắc thiết kế mạng và những nguyên tắc học tập nhằm mục tiêu sử dụng mô hình của mạng neural để nhận dạng ký tự tiếng Việt trên kênh truyền trong trường hợp bị nhiễu xâm lấn Ở đây, mạng được xây dựng dựa trên những hiểu biết của chúng ta về những hệ thống thần kinh thực chẳng hạn như khả năng thu thập phán đoán, xử lý, phân loại và nhận dạng thông tin Nhờ vào những đặc điểm này, mạng neural có thể áp dụng trong nhiều lĩnh vực xử lý tắn hiệu đặc biệt trong những mô hình nhận dạng và phân loại tắn hiệu Tóm lại, những lợi ắch của mạng rất to lớn Nó được áp dụng trong nhiều lĩnh vực khác nhau như nhận dạng tiếng nói, xử lý hình anh, diéu khiển, Chiểu hướng thay đổi từ việc chỉ nhận dạng mẫu sang hiểu biết giữa ngữ cảnh và ngôn ngữ đan chéo nhau hơn là chỉ nhận dạng mẫu, do đó vấn để không chỉ nhận dạng mẫu mà còn hơn thế nữa là hiểu ngôn ngữ
Cơ chế xử lý Song song của mạng là một yếu tố mà mạng có được, nhưng còn nhiều vấn đề còn phải xem xét, vắ như về tốc độ xử lý của mạng so với hệ thống thần kinh của sinh vật, và những yếu tố phụ thuộc vào tốc độ của máy tắnh mà mạng thực thi
trên nó, và đây cũng chắnh là nhược điểm của mạng Tuy nhiên, những nhược điểm trên và những ưu điểm chưa được khai thác hết của
mạng đã là nguồn cảm hứng cho các kỹ sư tiếp tục nghiên cứu và cải tiến sau này
10.2 HƯỚNG PHÁT TRIỂN ĐỀ TÀI
Do những yếu tố khác quan nên trong luận văn này vẫn chưa đề cập việc ảnh hưởng của mạng đến các hệ thống khác Chương trình phần mềm còn phải viết thêm hoặc dịch sang ngôn ngữ C để có thể xử lý theo thời gian thực
Ngoài ra trong việc nhận dạng ký tự vấn để còn lại là dù từ ngữ của bất kỳ ngôn ngữ được mã hóa hoàn hảo bởi một sự nhận dạng tiếng nói, hoặc thực sự được đánh trên bàn phắm đều có thể nhận dạng và hiển thị theo một ngôn ngữ của người đang sử dụng Những ý tưởng trên cũng chắnh là hướng mở của luận văn này
Lĩnh vực nhận dạng tắn hiệu vẫn còn là để tài nóng bỏng và thiết thực trong cuộc sống nói chung và nhất là trong lĩnh vực viễn thông, quân sự
Trang 24
TÀI LIỆU THAM KHẢO
[1] ẹ1995 by the MathWorks, Inc Published by Prentice Hall,Inc A Simon
&Schuster company Englewood Cliffs, NJ 07632 ỘThe student Edition of MatlabỢ [2] ẹ 1992-1997 by the MathWorks, inc All right reserved ỘNeural Networks Toolbox UserỖs GuideỢ
[3] Rosenblatt,F.,1958 ỘThe Perceptron: Aprobabilistic model for information
storage and organization in brainỢ Psychological Review 65, 386-408
[4] Bernard Widrow and Rodney Winter ỘNeural Nets for adaptive filtering and
adaptive pattern recognition.Ợ Computer, 21(3), 25-39, march 1988
[5] McCulloch, W.S., and Pitts,1943 ỘA logical Calculus of the ideas immanent in
nervous activity.Ợ Bulletin of mathematical Biophysics 5, 115-133 [6] Minsky, M, & parpert, S ỘPerceptronsỢ MIT Press 1969
[7] Rumelhart, D.E.,G.E Hinton, and R.J Williams, 1986 ỘLearning presentations by back-propagation errors.Ợ Nature, 325, 533-536
Trang 25
THIET KE VA THI CONG CANH TAY ROBOT
Nguyễn Tấn Lý, Huỳnh Nguyễn Bảo Phúc, Lê Quéc Tudn - Lép: 967]
Giáo Viên Hướng Dẫn: Trân Thanh Mai, Trần Vĩnh An, Trương Quang Thảo Tóm Tắt
Mục đắch hướng nghiên cứu của chúng tôi là ứng dụng kỹ thuật Vi Xử Lý vào lĩnh
vực điều khiển tự động Ý tưởng chắnh của để tài nghiên cứu là thiết kế và thi công thử
nghiệm một mô hình mô phỏng một cánh tay robot nhằm thực hiện việc di chuyển một vật
thể từ một vị trắ đã được ấn định này sang một vị trắ đã được ấn định khác Hình thức điều khiển của hệ thống được thực hiện dưới 2 hình thức : đi chuyển tự động theo tọa độ đã qui
định hoặc đi chuyển bằng tay (điều khiển bằng bàn phắm) Mở đầu:
Ở Để thực hiện các vấn để vừa nêu trên đây, nhóm nghiên cứu đã tiến hành các bước
sau đây :
a) Thiết kế và thi công một card giao tiếp giữa máy tắnh PC và hệ cánh tay robot thông
qua khe cắm mở rộng ISA Bus 8bit
b) Phân tắch bài toán điểu khiển để xây dựng thuật giải và thiết kế chương trình điều khiển (dùng ngôn ngữ C)
ẹ) Thiết kế và thi công phần động lực : cánh tay robot -
1 Thiết kế và thi công một card giao tiếp giữa máy tắnh PC và hệ cánh tay robot
thông qua khe cắm mở rộng ISA Bus 8bit
Để cánh tay Robot có thể làm việc được chúng tôi viết chương trình phần mềm và
thiết kế một card giao tiếp (Hình 1) phần cứng gắn vào máy tắnh thông qua Vi Xử Lý để điểu khiển Như vậy ta mới có thể điểu khiển mỗi động tác hoạt động của cánh tay Để giao tiếp với máy tắnh ở Card này ta dùng vi mạch 8255A làm linh kiện chắnh để tạo ra các Port điều khiển Khe cắm mở rộng 8 Bit chuẩn ISA BUS trên máy PC là chuẩn dùng giao
tiếp với những Card của người sử dụng thiết kế gắn vào máy tắnh, Card này chỉ dùng được
địa chỉ hợp lệ là 300H đến 307H Các đường địa chỉ A0 đến A9 để định địa chỉ các cổng ƯO và chỉ có địa chỉ trong đãi 200H đến 3FF là hợp lệ trên Bus hệ thống PC,
Các đường di liẠu tY DO ~ D7 1a cdc tin hiệu song hướng (D0 là bit LSB và D7 là
MSB) Khi ta cắm Card giao tiếp vào máy tắnh thì các đường tắn hiệu này được truyền đến
các chân dữ liệu của vi mạch 8255A, kết hợp với các chan /CS, /RD,/WR va AO, Al.Ng6 ra
ctia vi mach 8255A cho cdc Port A, Port B, Port C oe
17
Trang 26
* Port A và Port B có thể dùng làm Port vào, ra 8 bit
* Port C có thé ding 1am Port vao, ra 8 bit hay có thể dùng làm hai Port nhập xuất 4
bit
Ngoài vi mạch 8255A còn có các linh kiện khác:
Vi mach 74LS245 ta chi quan tam chân E (Enable) va DIR Néu chân E ở mức thấp
(LOW), chân DIR ở mức cao (HIGH) thì lúc này đữ liệu từ Bus A đổ sang Bus B, và ngược lại khi chân E và chan DIR déu ở mức thấp Ngoài ra còn có vi mạch 74LS688 và công tắc
SW DIP Vi mach 74LS688 là linh kiện có 8 bộ so sánh, một bên của vi mạch được đưa vào
địa chỉ từ A3-A9 và tắn hiệu AEN, bên kia của vi mạch nối với công tắc SW DIP khi trùng
với giá trị trên Bus địa chỉ thì tắn hiệu đó báo so sánh bằng (P=Q) lúc này mạch sẽ được hoạt động Khi công tắc mở hay đóng nó sẽ tương ứng với mức 0 hay 1, với mạch này ta thiết lập công tắc SWDIP tương ứng với địa chỉ của máy tắnh là 300H, để xác định vị trắ cho
các công tắc trên DỊP SW ta lập bảng sau : Dia chi | Au | Aso | Ao | As | A7 | As | As | Aa | Az | Ag | Ai | Ao DIP SW D; | Dé | Ds | Ds | Dz | D2 | Di | Do 0300H 0 |0 |1|110|1L0 101010101010 0301 0 0111010 10)00|0]0|11 0302 00 |1|1|00 010001110 0303 0 |0 |1|1190| 01010101011] 1 0304 0 |0 |11110) 010101019] 0 0305 0 |0 1110/10 10901011101 1 0306 0 0111110101000 111110 0307H 0 |0 111101 010101011111] 1
Từ đó ta thấy với địa chỉ đầu là 300H tức khi đó các giá trị của các đường địa chỉ không dùng để chọn ( từ A2 tới A0) sẽ là 000B và tại địa chỉ cuối tức là (từ A2 tới A0 ) sẽ
là 111B từ bảng ta có giá trị DIP SW là Dạ = Ds = 1 còn các giá trị còn lại bằng 0
Từ các Port lấy ra của vi mạch 8255A kết hợp với phần mềm điều khiển để chọn
từng Port tương ứng,lúc này chân ngồ ra của các Port có thể lập trình được thông thường chỉ cung cấp khoảng vài chục mA với điện áp 5V Nên ta không thể đùng mức điện áp này
_ cung cấp trực tiếp cho động cơ được, vì vậy để động cơ có thể chạy được bằng sự điều
khiển của máy tắnh Khi đó ta cần phải giao tiếp giữa các Port với thiết bị công suất lớn Mà nguồn cung cấp cho động cơ là 24V nên ta dùng transistor H1061 để đệm Cực B của transistor được đấu vào Port ra của vi mạch 8255A, cực C được đấu lên động cơ và cực E
đấu xuống GND (pha 2 của động cơ được đấu vào nguồn 24V) Vậy Port ra của 8255A có
tắn hiệu, lúc này transistor hoạt động thì cực E và cực C được nối tắt nên pha một và pha hai của động cơ bước được cấp nguồn Vì vậy động cơ được hoạt động Khi động cơ quay thì lực được truyền qua các bánh răng trung chuyển và làm cho cánh tay thay đ đổi VỊ trắ theo
._ hướng cân thiết
Trang 27Nguyên tắc và hoạt động của động cơ bước: STEP-MOTOR SƠ BỒ ĐIỀU KHIỂN ĐỘNG CƠ BƯỚC
Cấu tạo động cơ bước 4 pha dùng 5 đường Port
Motor duy nhất hữu dụng trong việc di chuyển các vật với sự dịch chuyển nhỏ, chắnh xác nhất chỉ là động cơ bước (Stepper Motor) Thay vì quay mịn và đều đều nhự động cơ DC Động cơ bước thường địch chuyển theo từng bước mỗi bước tùy theo cấu tạo của loại động cơ từ 0,9Ợ tới 30Ợ (Cụ thể ở động cơ này là 7.5Ợ) Nó dịch chuyển từ vị trắ này đến vị trắ khác là khi ta cấp dòng điện cho từng cuộn dây tương ứng ta có thể chọn được Vì cuộn
dây được quấn quanh lõi sắt, nó tạo ra một từ trường, với cấu tạo của motor thì tỪ trường
này sẽ đẩy rotot làm cho trục motor quay, bằng cách thay đổi dong qua cuộn dây trong Motor thì ta thấy trục quay nhanh hay chậm Ta khảo sát loại 4 pha vì nó đơn giản hơn động
cơ 2 pha 7
Gia sử CDI , CD2 và CD4 bật lên 1 làm cho động cơ bước xoay một góc 7.5Ợ theo chiểu kim đồng hô Kế tiếp CD4 , CD3 ,CD2 bật lên 1 và CDI xuống 0 làm cho Motor quay tiếp một góc 7.5ồ theo chiều kim đồng hồ.Tiếp theo CD1,CD2,CD3 lên mức 1 và CD4 xuống 0 làm Motor quay tiếp một góc 7.5ồ, CD1, CD3 ,CD4 bật lên 1 và CD2 xuống 0 làm cho động cơ quay bước kế tiếp sau đó lập lại như ban đầu (điều này do hần mềm điều khiển) Lặp lại tuần tự như vậy cho đến khi động cơ quay theo chiều kim đồng hổ đử số bước cần thiết Để động cơ quay ngược lại ta chỉ cần chuyển mạch theo hướng ngược lại Động cơ được giữ ở vị trắ giữa các bước nhờ dòng qua cuộn dây Cách chuyển mạch tuần tự
để có thể quay động cơ một bước tức là 7.5 theo chiều kim đồng hổ hay ngược lại
19
Trang 28
1 ] 0 1 1 2 1 1 1 0 3 0 1 1 1 4 l 1 0 1 1 1 0 1 1
Mẫu chuyển mạch tuần tự điều khiển động cơ bước kiểu FULL-STEP
Ta sử dụng Diode mắc song song với cuộn dây để bảo vệ Transistor khỏi bị đánh thủng do điện áp ngược Động cơ ta dùng ở đây là loại 24V tức là ta phải thiết kế mạch hoạt động với điện áp 25V trên cực E của Transistor điều khiển (24V cho động cơ cộng với 1 Volt rơi trên Transistor) Với loại có tỷ số dịch chuyển bước /giây thấp thì mạch hoạt động
rất tốt Tuy nhiên với loại có tỷ số địch cao và Moment xoắn lớn khi dịch các bước ta phải
dùng nguồn cung cấp cao hơn và tắnh các trở hạn dòng như sau Ở đây ta mắc thêm các
điện trở nối tiếp để tăng thời hằng IL⁄R Điều này cho phép dòng trong cuộn dây có thể thay đổi nhanh hơn.Với động cơ này dòng qua mỗi cuộn là 0.6A Do tại mỗi thời điểm chỉ
có một cuộn dây nối với trở R nên 24V/0.6 cho ta giá trị R là 40Q Các Transistor chuyển
mạch qua Diode mắc lên nguồn ÂM Trước khi gởi ra mã dịch bước ta bật Transistor để
nối với nguồn +24V tạo dòng lớn cho động cơ dịch bước Khi bước dịch đã được thực hiện
thì Transistor nối với nguồn +24V sẽ hở ra lúc này nguồn cấp cho cuộn dây bằng 0 (do phần
mềm điều khiển) Ta làm công việc này để tránh tổn hao công suất nguồn cung cấp
Trong các ứng đụng cần dịch bước nhỏ hơn thì người ta dùng phương pháp dịch nữa
Trang 29Đối với các ứng dụng mà mỗi bước là 3,75Ợ thì vẫn chưa đử nhỏ , lúc này ta đùng
một kỹ thuật gọi là vi bước để tạo ra 25000bước/Ivòng.Với kỹ thuật vi bước mỗi cuộn sẽ được điều khiến từ một bộ chuyển mạch D/A thay vì đùng Transistor chuyển mạch Tức là - dòng qua cuộn sẽ thay đổi trong một phạm vi rộng thay vì là 0 hay1 Nếu tỷ số đòng điện qua cuộn đây thay đổi mịn thì Motor sẽ có các bước cực nhỏ Kỹ thuật vi bước phúc tạp hơn nhưng nó tạo ra sự dịch chuyển trơn nhấn và chắnh xác hơn
Để hạn chế góc quay của cánh tay ta dùng linh kiện senso Senso được bố trắ ở góc trái phải và trên dưới, khi cánh tay đi chuyển về cuối góc đó sẽ làm che senso (bình thường
ở mức thấp) lúc này senso tác động ở mức tắch cực cao,từ mức cao này, ta đưa vào Port nhập của vi mạch 8255A (do ta quy định từ điểu khiển xuất nhập) tác động vào phần mềm
sẽ làm ngưng hoạt động của cánh tay hướng về phắa mà nó đang tới, tương tự như trên đối với ba góc còn lại
2, Phân tắch bài toán điều khiển để xây dựng thuật giải và thiết kế chương trình điều khiển (dùng ngôn ngữ C)
LƯU ĐỒ THUẬT TOÁN ĐIỀU KHIỂN CÁNH TAY (Hình 2) 3 Thiết kế và thi công phần động lực : cánh tay robot
Sự hoạt động của cánh tay (Hình 3) được dựa trên nguyên tắc Khi động cơ quay thì nó sinh ra lực, lực này tách động và truyền trực tiếp đến bánh răng trung chuyển, với bánh
răng trung chuyển được cấu tạo hai tầng nên tốc độ truyền (quay) chậm hơn so với động cơ,
nhưng lực tác động lúc này lại càng lớn và lực này càng lớn khi được truyền qua một bánh
răng khác, bánh răng cuối cùng được gắn cố định vào cánh tay Để cánh tay quay được khi
động cơ hoạt thì động cơ điều khiển và bánh răng cuối cùng được bố trắ gián tiếp qua một chốt quay Như vậy khi động cơ điều khiển quay thì cánh tay hoạt tốt
Bộ phận gắp hoạt động thông qua sự hút nhả của nam châm điện, hai thanh nhôm gắp được thiết kế chéo nhau với một trục ở giữa, một thanh được gắn vào lỗi nam châm
điện và thanh kia được gắn cố định vào vỏ nam châm điện Hai thanh nhôm được tách ra
nhờ một loxo, khi có dòng điện chạy qua cuộn dây sẽ tạo ra một từ trường, lúc này lỗi sắt bị hút vào, tác động lên thanh nhôm làm cho hai thanh nhôm kẹp lại Vậy với sự điều khiển nam châm điện ta sẽ gắp được vật cố định với trọng lượng 250g
Với sự hoạt động như trên, ta sẽ điều khiển cánh tay gắp một vật ở điểm A đi chuến
sang bổ ở điểm B Như vậy phân mềm dễ dàng điều khiển cánh tay robot hoạt động theo ý muốn của con người
KẾT LUẬN: _
Đây là mô hình vừa có tắnh lý thuyết vừa có tắnh thực tiễn, được áp dụng rộng rãi
trong các lĩnh vực: khoa học công nghệ, môi trường, điều khiến tự động, dây chuyển sản xuất v.v Tuy nhiên đây chỉ là một mô hình nhỏ, trong tương lai nhóm chúng tôi sẽ xây dựng một robot có thể đi chuyển được, mà trong đó mô hình này vẫn được áp dụng
Trang 32
Hình 2: LƯU ĐỒ THUẬT TOÁN ĐIỀU KHIỂN CÁNH TAY Port A Xuất Port B Nhập Port C Xuất
Lấy 4 bịt thấp của port
B.Sau đó and với 0x01 Goi mer
,đặt kết quả vào biến quay phat
ternp]
Xuất ra port A
0x00
Lấy 4 bịt thấp của port
B.Sau 46 and với 0x02 ,đặt Temp2= YES , Goi ham
kết quả vào biến temp2 0x02 quay trái
NO
Xuét ra port A
0x00
Lấy 4 bịt thấp của port
B.Sau đó and với 0x04 ,đặt ồ Temp3= YES Ở Gọi hàm ;
kết quả vào biến temp3 ~." quay lên
+ NO
Xuất ra port A Lấy 4 bịt thấp của poft 0x00
B.Sau đó and với 0x08 ,đặt
kết quả vào biến temp4 Temp4= YES
Trang 33Hình 3: CẤU TẠO CÁNH TAY Động cơ bước thứ nhất
Nguồn cung cấp và điều
Trang 34MO PHONG MACH SIEU CAO TAN DANG MACRO TRONG PUFF
Sinh viên thực hiện : YŨ QUỐC HƯNG ~ Lớp 95ĐT1
Giáo viên hướng dẫn : Tiến sĩ VŨ ĐÌNH THÀNH
Tóm tắt nội dung
Thiết kế mạch siêu cao tan với sự trợ giáp của máy tắnh là một phương pháp đơn giản và hấu
hiệu đối với các nhà thiết kế mạch
Phần mền PUFF là phần mên cho phép người sử dụng thiết kế Layout và mô phỏng đáp ứng của mạch nhưng giới hạn về độ lớn và độ phúc tạp của mạch Mô phỏng trên PuẶ bằng cách
tạo macro là phương pháp thắch hợp khi số phần tử của mạch quá nhiều Nội dung của báo
cáo là đề xuất một phương án thiết kế mạch dùng macro, được kiểm chứng trên kết quả mô
phỏng
Abstract
CAD applied in microwave circuit design is a simple and useful process for the designers The software PUFF allows the layout design and circuit simulation but it is limited in size and the complexness of the circuit Macro simulation in PUFF is a suitable method for large circuits The paper presents a designing method using macro on complex circuits verified by
simulating results
Trang 35
1) GIGI THIEU PHAN MEM MO PHONG MACH SIEU CAO TAN PUFF 1) Gidi thiệu chung
Puff do Scott W.Wedge, Richard Compton va David Rutledge lap trinh bing ngôn ngữ Pascal, là một công cụ tắnh toán các sơ để bố trắ linh kiện (layout)
và các thông số tán xạ cho các mạch điện siêu cao tân dựa vào các thông số vật lý của mạch Giao diện giữa người sử dụng và phần mềm được thiết kế đơn giản Phần mềm này rất phổ biến đối với các kỹ sư thực hành các nhà
khoa học và những nhà vô tuyến nghiệp dư ca
Các chức năng của PUFF
Ở Mô phỏng các đáp ứng của một mạch điện siêu cao tân
~ Tắnh toán và tìm các giá trị tối ưu của linh kiện cho mạch điện (the component Sweep)
~ Tao mat na (mask) dang dé ché tao mach in
2) Làm việc với PUFE Puff cung cấp cho ta 4 vùng (cửa số) làm việc và | hộp thông báo (message box) a) Cila sé Part
Nhấn phắm F để vào cửa sổ này Cửa sổ này dùng để khai báo các thành
phân (linh kiện) của mạch bao gồm :
Ở Bộ suy hao (atten)
Ở Biến áp lý tưởng (xformer)
Trang 36b) d) - Cac phần tử R, L va C (lumped) : Ở Các loại đường truyền sóng : lý tưởng (tline), suy hao (gline), ghép (cline) Ở Các phần tử tắch cực : transisitor, diod được mô tả qua các ma trận tán xạ và nhiều cửa Cửa sổ này cũng được dùng để đọc các tập tin : puf và dev có sẵn Cita sé Layout
Bam F, dé vao ving làm việc này Vùng này dùng để bố trắ sơ đồ mạch điện (sơ đồ bố trắ linh kiện : Layout) Mỗi linh kiện xuất hiện trong cửa sổ
Part sẽ có 1 kắch thước tương ứng trong layout kắch thước này được tắnh toán từ các thông số của mạch in hoặc từ giá trị của các linh kiện hoặc ta có thể áp đặt cho chúng (kắch thước manhattan)
Kắch thước trên layout cũng là các kắch thước thực tế trên board mạch thật
Nội dung cửa sổ này có thể in ra làm thành mặt nạ chế tạo mạch in
Puff cho phép ta làm việc với một mạng có tối đa là 4 cửa, do đó trên cửa
sổ luôn có sẩn 4 ngõ nối với mạng (được đáng số từ ¡ đến 4 Tùy vào mạch điện mà ta sử dụng 1, 2, 3 hay 4 ngõ nối) |
Cita sé Board
Vào cửa sổ này bằng phắm Fạ Cửa sổ này dùng để khai báo các thông số
cấu tạo hoặc ảnh hưởng đến cấu tạo của mạch in như :
- Zd : Trở kháng hoặc dẫn nạp đặc tắnh hoặc chuẩn hóa Dùng để tắnh tốn các thơng số tấn xạ
- fd : Tần số thiết kế mạch Dùng để tắnh toán chiều cao điện cho các thành phần trong cửa sổ Part Tân số này cũng là tân số dùng
cho chế độ tìm giá trị của linh kiện (the component Sweep)
- er : hằng số điện môi tương đối của bản đế mạch in, dùng để tắnh
toán kắch thước cho các thành phần mạch dùng công nghệ mạch dải (Stripline) hoặc vi đải (Microstrip)
- =h : bể đày bản đế mạch in là một trong ba thông số để xác định
kắch thước tương đương trong cửa số layout và rất có ý nghĩa trong việc tắnh toán đường truyền sóng
- s : kắch cở board mạch dùng để xác định chiểu dài tương ứng của mỗi cạnh của board mạch hình vuông trong cửa sổ Layout
- ằ : chiểu dài phân cách giữa cửa 1 và 3, 2 và 4 Nếu C = 0 thì ta có một board mạch có 2 cửa
Của sổ Plot
Ấn phắm F;Ư để vào cửa sổ Cửa sổ này dùng để phân tắch mạch điện được vẽ trong Layout, cung cấp các kết quả mô phỏng như :
Ở Các hệ số tán xạ Sij (Lj = 1+4) với biên độ (tắnh bằng đB) và góc pha (tắnh bằng độ) của mạng nhiều cửa tại các điểm tần số ố (tối đa là 500
điểm) trong dải tần xác định trên đồ thị
Ở Các đáp ứng trong miễn tân số và thời gian như : đáp ứng tần số, đáp
ứng xung và đáp ứng bước nhảy
Trang 37
EEE EE OEESSSỖ'ềSSo ss sa
~ Quan hé giita hé s6 phan xa va rd kháng / dẫn nạp đường đây (đô thị Smith)
na
ẹ)_ Hộp thông báo (Mcssage box).biển thị các lỗi trong quá trình thao tác trên
các cửa sổ, tọa độ con trỏ trên cửa sổ Layout, kắch thước đường truyền
-sOng ể
3) Chế độ phân tắch chắnh xác / mở rộng (advanced Modeling)
Trong chế độ này Puff sẽ xét đến ảnh hưởng của của các yếu tố như : Bề dày đường mạch in, suy hao điện dẫn và điện môi của vật liệu, độ nhám (gỗ ghé)
của bể mạch mạch in, sự méo dang trong quá trình tắnh toán các đường
truyền sóng (tine và cline) Ở các phân trên, tline va cline dudc xem 1A ly tưởng, độc lập với tân số và không có suy hao do đó kết quả không chắnh xác bằng phân tắch mở rộng
4) Chế độ tìm giá trị của linh kiện (the component Sweep)
Trong quá trình thiết kế mach in (vắ dụ : phối hợp trở kháng), đôi khi ta cân
phải tìm một giá trị tối ưu nào đó cho linh kiện Puff đã cung cấp cho ta một
công cụ để làm điều này, đó là công cụ tìm giá trị tối ưu (The component
Sweep), ding dé tìm giá trị của các thành phân riêng lẻ trong mạch với một
số yêu cầu định trước
5) Các bước mô phỏng một mạch điện siêu cao tân dang Puff
a) Khai báo các thành phân (linh kiện) được sử dụng trong mạch ở cửa sổ
Parts
b) Khai báo các thông số vật lý của mạch in ở cửa sổ Board c) Bé tri mạch điện ở cửa sổ layout
d) Xem đáp ứng của mạch ở cửa sổ Plot 6) In layout dé làm mạch in
Dé in layout chắnh xác cho mạch, ta thực hiện các bước sau :
a) Xác định chắnh xác các thông số vật lý của mạch in trong tập tin Setup.Puf (t4p tin xác định các thành phần dùng để tắnh toán mạch in) và trong cửa sổ Board
b) Chạy chương trình điểu khiển máy in phù hợp với máy in và Card màn
hình của máy tắnh (tốt nhất là máy in HP Laser jet)
c) M6 phéng mach
d) Trong cửa sổ Plot, bấm Ctrl Ở A dé in Layout
Il) PHUONG PHAP MO PHONG DANG MACRO TRONG PUFF
Như đã trình bày ở phần giới thiệu, Puff cho phép ta mô phỏng một mạch điện
siêu cao tần và xem các đáp ứng của mạch Nhưng với một mạng siêu cao tân phức tạp gồm rất nhiều phần tử thì việc mô phỏng bình thường như ở phân I.5 là không thể thực hiện được Do đó cân phải có một giải pháp khác để thực hiện
được điều này
Trang 38Pn
Phương pháp mô phỏng dùng macro là phương pháp giải quyết được vấn đề trên, trong đó ta chia một mạng siêu cao tần phức tạp thành các mạng nhỏ hơn (mạng
Trang 39
1) Chia nhé mang
Việc chỉ nhỏ này tùy thuộc vào người thiết kế sao cho
Ở Mỗi mạng con có thể mô phỏng được trén Puff
Ở Số mạng con trong một mạng lớn là ắt nhất
2) Mô phỏng các mạng con
Thực hiện việc mô phỏng cho từng mạng con với bước như ở phần I.5 và tương
ứng thập các ma trận tán xạ ở những điểm tần số mong muốn Số điểm tần số này càng nhiều thì việc nội suy để vẽ các đáp tuyến càng chắnh xác
3) Tạo macro cho từng mạng cơn
Với các ma trận tán xạ thu thập được của các mạng con ta xây dựng thành các
tap tin dev, mdi tập tin chứa các ma trận tán xạ [S] theo mẫu (format) sau :
(hoặc xem phục lục tập tin ATF10736.dev)
{ Thông báo }
f Si Sại tin
f, Biéndd gócpha Biênđộ góc pha
Ặn Biênđộ gócpha Biênđộ góc pha
Các chú ý khi tạo tập tin dey :
Ở Tập tin tạo trên nên DOS và không có các ký tự đặc biệt Ở _ Phải có dòng thông báo với nội dung tùy ý nằm giữa dấu {va}
Ở Cột Ặ: gồm các điểm tấn số từ Ặ Ặ Ấ với n là số điểm tần số mà ta thu thập khi mô phỏng Nếu không có cột Ặ thì Puff sẽ xem như các hệ số Sij G, j = 1 + 4) là độc lập đối với tần số Đơn vị của tân số trong tập tin.dev phải giống với đơn vị tân số sử dụng trong mạng cần mô phỏng
Ở Các hệ số Sij (1, j = 1 + 4 tay thuộc vào mạng con có mấy cửa) : là các hệ số tần xạ thu thập được tại điểm tân số fx (K=1 +n) Sij dude biểu điễn bằng biên độ (tuyến tắnh) và góc pha (tắnh bằng độ) trong tập tin, nhưng Sij ở cửa sổ Plot có biên độ là đB nên ta cần phải đổi về dạng biên độ tuyến tắnh bằng công thức sau :
SilẤ =20log,s|Sij
4) Mô phỏng mạng siêu cao tần với các macro
Lúc này ta kết nối các macro (mạng con) lại theo đúng vị trắ của các mạng
con Các bước mô phỏng tương tự như phần 1.5, ta khai báo các tập tin này như
sau trong Parts
Device tên tap tin.dev
Trang 405) Xem kết quả
Kết quả mô phông của các đáp tuyến phụ thuộc rất nhiều vào số điểm tân số mà ta thu thập, số điểm càng nhiều thì đáp ứng thu được càng giống với đáp
ứng thực tế của mạch
HD MỘT SỐ KẾT QUA CUA MO PHONG
Để hiểu rõ các bước thực hiện trong phương pháp dùng macro, ta thực hiện việc mô phỏng đối với mạch khuếch đại siêu cao tần sau :
C; =C3= 15,924 (pF) C2 = 8,846 (fF)
L, = Ly = 44,232 (pH) Lạ=79,618 (nH)
ặ,, ặ0, ặ3, Ạ4 déu c6 trd kháng đặc tắnh là 50O và các chiều dài pha lần lượt là
23,95ồ ; 119,6ồ ; 68,6ồ ; 144ồ
Mach được thiết kế với băng thông là 200MHz ở tần số trung tâm là 6GHz, điện trd nguén Rs va tai Rp déu 1a 50Q Transistor ATF 10736 có các thông số tán xạ như sau (xem phụ lục)
La
ATF10736
R1
eee ewe wee eee ee eee ee wwe me eee eee ee ee
Mang con 1 Mang con 2 Mang con 3
Sơ đỗ mạch khuếch đại xét về mặt xoay chiều (AC) Các bước thực hiện 1 Ta chia mạng trên thành 3 mạng c0n e Mang l1 và 3 : là các mạch lọc dai bac 3 hình II ngõ vào và ngõ ra (giống nhau) e Mạng2 : 'Transisitor khuếch đại đã được phối hợp trở kháng vào và ra 2 Mô phỏng Thực hiện các bước như phần I.5 đối với mạng con Ì và 2 ta được các kết quả mô phỏng ở hình 1 và 2 (Xem phụ lục)
3 Xây dựng macro (tạo tập tin.dev)
Để thấy rõ ảnh hưởng của một số mẫu tần số đối đáp tuyến của mạch, ta lấy
mẫu theo 2 trường hợp đối với mỗi mạng con :