- Tính sai lệch Emớ
3.3.2 Khắc độ tự động bằng mạng nơron
Phương trình đặc tính của cảm biến y=f(x), là hàm quan hệ giữa đại lượng điện y và giá trị thực của đại lượng cần đo x, được xây dựng từ n điểm lấy mẫu (Xi,Yi), i=1,..n. Đường đặc tính của cảm biến phải nằm trong giới hạn sai số ε0 nhất định tùy vào cấp chính xác của cảm biến.
Gọi đặc tính chuẩn của cảm biến là y=f0(x) và trong trường hợp cảm biến có sai số hệ thống ta ký hiệu đường đặc tính thực tế là y=fs(x). Đường đặc tính thực tế cần phải nằm trong hai đường giới hạn sai số trên và dưới như biểu diễn trên hình 3.14 để đảm bảo cấp chính xác cần thiết của cảm biến.
Khả năng xấp xỉ hàm phi tuyến hoặc tuyến tính với độ chính xác cao của mạng nơron có thể ứng dụng vào việc khắc độ tự động cũng như hiệu chỉnh đường đặc tính của cảm biến khi sai số hệ thống vượt quá giới hạn cho phép.
Hình 3.14 : Đặc tính của cảm biến
100%
Đường giới hạn dưới
Đường giới hạn trên Đặc tính chuẩn y=f0(x)
Đường đặc tính thực tế y=fs(x)
x y
80
Mạng nơron để khắc độ tự động cảm biến có thể được huấn luyện lại để hiệu chỉnh đường đặc tính trong trường hợp sai số hệ thống vượt quá giới hạn cho phép.
Ta có sơ đồ cấu trúc khắc độ tự động đặc tính của cảm biến sử dụng mạng nơron như hình 3.15.
Hình 3.15: Cấu trúc cảm biến sử dụng mạng nơron để khắc độ tựđộng
Trong trường hợp không có sai số hệ thống, mạng nơron khắc độ cảm biến cần phải được huấn luyện để xấp xỉ hàm đặc tính chuẩn x=f0(y). Khi cảm biến có sai số hệ thống vượt quá giới hạn cho phép, mạng nơron cần được huấn luyện lại để thực hiện việc bù sai số bằng cách xấp xỉ theo đường đặc tính thực tế x=fs(y).
Với các giá trị mô phỏng Xk*,Yk*đã tìm được ở bảng 3.2 và bảng 3.3
của mục 3.2.2, sử dụng mạng nơron có cấu trúc như sau để khắc độ tự động đặc tính của cảm biến :
- Chọn mạng nơron truyền thẳng hai lớp.
- Lớp vào : một đầu vào và số nơron bằng giá trị tự nhiên làm tròn lớn nhất của thang đo. Hàm truyền sử dụng cho lớp này là hàm sigmoid :
11 1 2 ) ( − + = −n e n g hoặc n e n g − + = 1 1 ) (
- Lớp ra : có một đầu ra, một nơron với hàm truyền tuyến tính : g(n)=n. - Thuật học cho mạng nơron : Dùng thuật học lan truyền ngược.
Lưu đồ thuật toán quá trình học như hình 3.16.
CĐCH CB A/D VXL MNN Chsốỉ thị