Đang tải... (xem toàn văn)
Đề tài Thiết kế cảm biến mềm dùng mạng Nơ Ron nhân tạo dùng cho cảm biến cặp nhiệt được nghiên cứu với mục đích: Ứng dụng trong công nghiệp nhằm thay thế các phương pháp tuyến tính hóa cảm biến trước đây, giúp giảm chi phí thiết kế cũng như tăng độ tin cậy của cảm biến, đảm bảo cho quá trình vận hành các thiết bị trong công nghiệp ổn định.
TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC SINH VIÊN “THIẾT KẾ CẢM BIẾN MỀM DÙNG MẠNG NƠ RON NHÂN TẠO DÙNG CHO CẢM BIẾN CẶP NHIỆT” Thuộc nhóm nghành khoa học: Điện – Điện Tử TP.Hồ Chí Minh, tháng năm 2016 TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN THIẾT KẾ CẢM BIẾN MỀM DÙNG MẠNG NƠ RON NHÂN TẠO DÙNG CHO CẢM BIẾN CẶP NHIỆT Thuộc nhóm nghành khoa học: Sinh viên thực hiện: Nguyễn Văn Tuấn Dân tộc: Kinh Lớp: Tự Động Hóa Khoa: Điện – Điện Tử Ngành học: Tự Động Hóa Điều Khiển GVHD: Ks Lê Mạnh Tuấn Giới tính: Nam Năm thứ: 3/4,5 MỤC LỤC DANH MỤC HÌNH ẢNH v DANH MỤC BẢNG BIỂU .vi DANH MỤC NHỮNG TỪ VIẾT TẮT vi LỜI GIỚI THIỆU CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI 1.1 Giới thiệu đề tài 1.1.1 Tính cấp thiết 1.1.2 Mục tiêu nghiên cứu đề tài 1.2 Giới thiệu cảm biến 1.2.1 Cảm biến mềm 1.2.2 So sánh giửa cảm biến thô cảm biến mềm 1.3 Ứng dụng cảm biến mềm 1.4 Đối tượng nghiên cứu CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Mạng nơ ron nhân tạo 2.1.1 Giới thiệu mạng nơ ron nhân tạo 2.1.2 Tế bào nơ ron mạng nơ ron nhân tạo 2.1.2.1 Tế bào nơ ron 2.1.2.2 Mạng nơ ron nhân tạo 2.1.3 Mạng truyền thẳng lớp 2.1.3.1 Thuật toán học Perceptron 2.1.3.2 Adaline mạng tuyến tính 11 2.1.3.3 Perceptron với hàm tác động bán tuyến tính 12 2.1.3.4 So sánh perceptron với Adaline 13 2.1.4 Mạng truyền thẳng nhiều lớp 14 2.1.5 Các phương pháp huấn luyện mạng 15 2.1.5.1 Học có giám sát 15 2.1.5.2 Học cố 16 2.1.5.3 Học giám sát 16 2.1.6 Thuật toán huấn luyện 17 2.1.6.1 Thuật toán Gradient Descent 17 2.1.6.2 Thuật toán Newton 18 iii 2.1.6.3 Thuật toán Gauss – Newton 19 2.1.6.4 Thuật toán Levenberg Marquardt 20 2.2 Cảm biến 21 2.2.1 Cấu tạo nguyên lý hoạt động thermocouple 21 2.2.2 Phân tích khâu điều hòa tín hiệu 22 2.2.2.1 Khuếch đại 22 2.2.2.2 Tuyến tính hóa 22 2.2.2.3 Cách ly 22 2.2.2.4 Mạch lọc 23 2.2.3 Các bước xây dựng cảm biến mềm 24 2.2.3.1 Chọn liệu lọc 24 2.2.3.2 Chọn kiểu hồi quy cấu trúc mô hình 25 2.2.3.3 Thành lập mô hình.(ước lượng mô hình chuẩn hóa mô hình) 26 CHƯƠNG 3: XÂY DỰNG ĐỀ TÀI 27 3.1 Thu thập liệu 27 3.2 Tiền xử lý liệu 27 3.3 Xây dựng mạng nơ ron 27 3.3.1 Chọn số lớp cho mạng nơ ron 27 3.3.2 Chọn số nơ ron lớp ẩn mạng lớp 28 CHƯƠNG 4: TỔNG KẾT 29 4.1 Kết đề tài 29 4.2 Hạn chế đề tài 29 4.3 Hướng phát triển 29 TÀI LIỆU THAM KHẢO 30 iv DANH MỤC HÌNH ẢNH Hình 2.1: Tế bào nơ ron nhân tạo .6 Hình 2.2: Hàm nấc Hình 2.3: Hàm dấu .7 Hình 2.4: Hàm tuyến tính Hình 2.5: Hàm dốc bảo hòa Hình 2.6: Hàm tuyến tính bảo hòa Hình 2.7: Hàm dạng S đơn cực .9 Hình 2.8: Hàm dạng S lưỡng cực .9 Hình 2.9: Mạng Perceptron 10 Hình 2.10: Mạng tuyến tính (a) Adaline (b) .11 Hình 2.11: Học có giám sát 16 Hình 2.12: Học cố 16 Hình 2.13: Học giám sát 17 Hình 2.14: Mô tả thuật toán Gradient Descent 17 Hình 2.15: Mô tả hình học phương pháp Newton 18 Hình 2.16: Cấu tạo thermocouple 21 Hình 2.17: Cách ly Opto 23 Hình 2.18: Cách ly biến áp 23 Hình 2.19: Tổng quan bước thiết kế cảm biến mềm .24 Hình 3.1: Cấu trúc mạng lớp 28 Hình 3.2: Cấu trúc mạng lớp 28 Hình 3.3: Chọn số lớp ẩn 28 v DANH MỤC BẢNG BIỂU Bảng thay đổi giá trị điện áp thermocouple 32 DANH MỤC NHỮNG TỪ VIẾT TẮT ADC: Analog – to Digital – Converter DAQ: Data Acquisition LMS: Least Mean Squares PC: Personal Computer SNR: Signal – to Noise Ratio vi TRƯỜNG ĐẠI HỌC GTVT THÔNG TIN KẾT QUẢ NGHIÊN CỨU CỦA ĐỀ TÀI Thông tin chung: - Tên đề tài: Thiết kế cảm biến mềm dùng mạng nơ ron nhân tạo dùng cho cảm biến cặp nhiệt - Sinh viên thực hiện: Nguyễn Văn Tuấn Phạm Minh Đức Nguyễn Huy Hiệu Nguyễn Ngọc Hải Trần Vũ Lớp: TĐH & ĐK K54 - Khoa Điện – Điện Tử Năm thứ / 4,5 Mục tiêu đề tài: Thiết kế cảm biến mềm(cảm biến kết hợp với xử lý tín hiệu) dùng mạng nơ ron nhân tạo ứng dụng điều khiển giám sát trình công nghiệp Tính tính khoa học: - Tính mới: Ứng dụng mạng nơ ron nhân tạo thiết kế cảm biến mềm cho cặp nhiệt - Tính khoa học: Ứng dụng mạng nơ ron nhân tạo nhận dạng hệ phi tuyến NMA, NARX… Kết nghiên cứu: Phần mềm mô cảm biến mềm Đóng góp mặt kinh tế - xã hội, giáo dục đào tạo, an ninh, quốc phòng khả áp dụng đề tài: ứng dụng công nghiệp nhằm thay phương pháp tuyến tính hóa cảm biến trước đây, giúp giảm chi phí thiết kế tăng độ tin cậy cảm biến, đảm bảo cho trình vận hành thiết bị công nghiệp ổn định Công bố khoa học sinh viên từ kết nghiên cứu đề tài: vii Ngày 09 tháng 05 năm 2016 Sinh viên chịu trách nhiệm thực đề tài (ký, họ tên) Nguyễn Văn Tuấn Nhận xét người hướng dẫn đóng góp khoa học sinh viên thực đề tài: Ngày tháng năm 2016 Người hướng dẫn (ký, họ tên) Ks Lê Mạnh Tuấn viii TRƯỜNG ĐẠI HỌC GTVT THÔNG TIN VỀ SINH VIÊN CHỊU TRÁCH NHIỆM CHÍNH THỰC HIỆN ĐỀ TÀI I SƠ LƯỢC VỀ SINH VIÊN: Họ tên: Nguyễn Văn Tuấn Sinh ngày: 20 tháng 09 năm 1994 Nơi sinh: Quảng Lộc – Quảng Trạch – Quảng Bình Lớp: Tự Động Hóa Điều Khiển Khóa: 54 Bộ môn: Điều Khiển Học Khoa : Điện – điện tử Địa liên hệ: C11/8 Đường Lê Văn Việt, Quận 9, TP Hồ Chí Minh Điện thoại: 0969562272 II Email: nguyenvantuan.tdh@gmail.com QUÁ TRÌNH HỌC TẬP Năm thứ 1: Ngành học: Tự Động Hóa Điều Khiển Khoa: Điện – Điện Tử Kết xếp loại học tập: Trung Bình Sơ lược thành tích: Năm thứ 2: Ngành học: Tự Động Hóa Điều Khiển Khoa: Điện – Điện Tử Kết xếp loại học tập: Khá Sơ lược thành tích: Giải ba hội thi mô hình chuyên nghành lần Tham gia NCKHSV năm 2014 – 2015 ix Ngày 09 tháng 05 năm 2016 Sinh viên chịu trách nhiệm thực đề tài (ký, họ tên ) Nguyễn Văn Tuấn x Báo cáo NCKH GVHD: Ks Lê Mạnh Tuấn yêu cầu đạt đến trạng thái ổn định kiểu tuyến tính lựa chọn tốt tính đơn giản Khi sử dụng mô hình có nhiều vấn đề mà cần phải bàn tới, tùy thuộc vào đối tượng yêu cầu cảm biến thông minh Chẳng hạn, lấy ví dụ việc thiết kế cảm biến để kiểm tra lưu phần cứng thiết bị dùng tập mẫu liệu cũ Đơn giản liệu thiết bị máy tính bảng điện thoại thay đổi cập nhật Do sử dụng khối thứ cấu hình thiết kế, tức “Chọn kiều hồi quy cấu trúc mô hình” nhằm cập nhật giá trị liệu để lưu cho thích hợp Trong thực tế tập mẫu liệu cũ sử dụng đề xuất trình thiết kế Ở tính hồi tiếp lần kết liệu ngõ phần liệu chọn phân tích Việc phân tích nhằm để thay đổi thông số hệ thống cho phù hợp với yêu cầu 2.2.3.3 Thành lập mô hình.(ước lượng mô hình chuẩn hóa mô hình) Bước cuối mô hình thiết kế cảm biến thông minh thành lập mô hình Thành lập mô hình giai đoạn yêu cầu để kiểm tra liệu cảm biến có tương thích phù hợp với môi trường hoạt động hay không Trong giai đoạn kiểm tra mô hình cảm biến thông minh có nguyên tắc mà phải ý đến liệu dùng cho tính giới hạn phải với liệu dùng cho tính nhận dạng Trong thực tế kiểu mô hình phải có đặc tính thỏa mãn việc học liệu, đặc tính giúp mô hình hoạt động hiệu tránh lỗi làm giảm hiệu mô hình Những lỗi kiểm tra đếm trình hoạt động Trang | 26 Báo cáo NCKH GVHD: Ks Lê Mạnh Tuấn CHƯƠNG 3: XÂY DỰNG ĐỀ TÀI 3.1 Thu thập liệu Dữ liệu để huấn luyện cho mạng lấy từ datasheet thermocouple type K, cách độ ta lấy mẫu Tổng cộng ta có 329 mẫu với dải nhiệt độ từ 270℃ đến 1370℃ Toàn tập mẫu để huấn luyện trình bày phụ lục báo cáo 3.2 Tiền xử lý liệu Tiền xử lý liệu liên quan đến việc phân tích chuyển đổi giá trị tham số đầu vào, đầu mạng để tối thiểu hóa nhiễu, nhấn mạnh đặc trưng quan trọng, phát xu hướng cân phân bố liệu Bởi vì, mạng neural dùng để học mẫu từ tập liệu, biểu diễn liệu có vai trò định việc học mẫu thích hợp Các liệu dùng cho đầu vào, đầu mạng nơron đưa trực tiếp vào mạng dạng liệu thô Chúng thường chuẩn hóa vào khoảng cận cận hàm chuyển (thường đoạn [0;1] [-1;1]) Trong việc chuyển đổi liệu, liệu chuyển đổi hợp thành dạng phù hợp cho việc huấn luyện Chuyển đồi liệu gồm việc sau: - Làm mịn: khử nhiễu cho liệu Có thể dùng kỹ thuật binning, regression, clustering - Tập hợp liệu: tóm tắt, xây dựng khối liệu (data cube) - Tổng quát hóa liệu: liệu thô cấp thấp thay khái niệm cao thông qua việc sử dụng hệ thống phân cấp khái niệm - Chuẩn hóa liệu: liệu thuộc tính đưa khoảng nhỏ, -1 đến 1, đến - Xây dựng thuộc tính mới: xây dựng thuộc tính đưa vào tập thuộc tính nhằm phục vụ trình huấn luyện 3.3 Xây dựng mạng nơ ron 3.3.1 Chọn số lớp cho mạng nơ ron Số lớp mạng nơ-ron phụ thuộc vào số lượng tập liệu đầu vào Do phải thực nghiệm (tăng giảm số lớp, chọn số lớp ẩn cho phù hợp) để xác định số lớp, số nơ-ron lớp ẩn tối ưu Trang | 27 Báo cáo NCKH GVHD: Ks Lê Mạnh Tuấn Cấu trúc mạng lớp: gồm lớp ẩn lớp Hình 3.1: Cấu trúc mạng lớp Cấu trúc mạng lớp: gồm lớp ẩn lớp Hình 3.2: Cấu trúc mạng lớp 3.3.2 Chọn số nơ ron lớp ẩn mạng lớp Số nơ ron lớp ảnh hưởng không nhỏ tới trình huấn luyện, trường hợp nhiều nơ ron lớp dẫn đến tượng khớp(overfitting) Hình 3.3: Chọn số lớp ẩn Trang | 28 Báo cáo NCKH GVHD: Ks Lê Mạnh Tuấn CHƯƠNG 4: TỔNG KẾT 4.1 Kết đề tài Kết báo cáo tìm trọng số W xây dựng phần mềm để huấn luyện cho mạng nơ-ron Giá trị W xem kết đạt việc huấn luyện từ giá trị W huấn luyện theo yêu cầu ngõ mong muốn 4.2 Hạn chế đề tài Do thời gian kinh phí không đủ nên chưa đóng gói thiết bị thực tế 4.3 Hướng phát triển Tiếp tục hoàn thiện cảm biến thông minh hoàn chỉnh mở rộng mạng huấn luyện cho nhiều cảm biến có ngõ phi tuyến Trang | 29 Báo cáo NCKH GVHD: Ks Lê Mạnh Tuấn TÀI LIỆU THAM KHẢO [1] – Huỳnh Thái Hoàng, “Hệ Thống Điều Khiển Thông Minh”, NXB ĐHQGTPHCM, năm 2006 [2] – Jon Wilson, SenSor Technology HandBook [3] – Luigi Fortura, Salvatore Graziani, Alessandro Rizzo and M.Gabriella Xibilia, Soft Sensor for Monitoring and Control of Industrial Processes Trang | 30 Báo cáo NCKH GVHD: Ks Lê Mạnh Tuấn PHỤ LỤC Code huấn luyện Huấn luyện mạng lớp close all, clear all clc, format compact inputs = xlsread('input')'/50 % input vector (6dimensional pattern) outputs = xlsread('output')'/50 % corresponding target output vector % create network net = network( 1, % numInputs, number of inputs, 3, % numLayers, number of layers [1; 0; 0], % biasConnect, numLayers-by-1 Boolean vector, [1; 0; 0], % inputConnect, numLayers-by-numInputs Boolean matrix, [0 0 ; 0; 0], % layerConnect, numLayersby-numLayers Boolean matrix [0 1] % outputConnect, 1-by-numLayers Boolean vector ); % View network structure %view(net); % number of hidden layer neurons net.layers{1}.size =5; % number of hidden layer neurons net.layers{2}.size = 5; % hidden layer transfer function net.layers{1}.transferFcn = 'logsig'; net.layers{2}.transferFcn = 'logsig'; %view(net); net = configure(net,inputs,outputs); view(net); % initial network response without training initial_output = net(inputs) % network training net.trainFcn = 'trainlm'; net.performFcn = 'mse'; net = train(net,inputs,outputs); % network response after training final_output = net(inputs) Trang | 31 Báo cáo NCKH GVHD: Ks Lê Mạnh Tuấn plot(inputs,outputs,'r',final_output,outputs) Huấn luyện mạng lớp close all, clear all clc, format compact inputs = xlsread('input')'/50 % input vector (6dimensional pattern) outputs = xlsread('output')'/50 % corresponding target output vector % create network net = network( 1, % numInputs, number of inputs, 2, % numLayers, number of layers [1; 0], % biasConnect, numLayers-by-1 Boolean vector, [1; 0], % inputConnect, numLayers-by-numInputs Boolean matrix, [0 ; 0], % layerConnect, numLayers-bynumLayers Boolean matrix [0 1] % outputConnect, 1-by-numLayers Boolean vector ); % View network structure %view(net); % number of hidden layer neurons net.layers{1}.size =5; % number of hidden layer neurons net.layers{2}.size = 5; % hidden layer transfer function net.layers{1}.transferFcn = 'logsig'; net.layers{2}.transferFcn = 'logsig'; %view(net); net = configure(net,inputs,outputs); view(net); % initial network response without training initial_output = net(inputs) % network training net.trainFcn = 'trainlm'; net.performFcn = 'mse'; net = train(net,inputs,outputs); % network response after training final_output = net(inputs) plot(inputs,outputs,'r',final_output,outputs) Bảng thay đổi giá trị điện áp thermocouple Trang | 32 Báo cáo NCKH STT 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 GVHD: Ks Lê Mạnh Tuấn Nhiệt độ -270 -265 -260 -255 -250 -245 -240 -235 -230 -225 -220 -215 -210 -205 -200 -195 -190 -185 -180 -175 -170 -165 -160 -155 -150 -145 -140 -135 -130 -125 -120 -115 -110 -105 -100 -95 -90 -85 -80 -75 -70 -65 -60 Giá trị điện áp thermocouple -6.458 -6.452 -6.441 -6.425 -6.404 -6.377 -6.344 -6.306 -6.262 -6.213 -6.158 -6.099 -6.035 -5.965 -5.891 -5.813 -5.73 -5.642 -5.55 -5.454 -5.354 -5.25 -5.141 -5.029 -4.913 -4.793 -4.669 -4.542 -4.411 -4.276 -4.138 -3.997 -3.852 -3.705 -3.554 -3.4 -3.243 -3.083 -2.92 -2.755 -2.587 -2.416 -2.243 Trang | 33 Báo cáo NCKH 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 GVHD: Ks Lê Mạnh Tuấn -55 -50 -45 -40 -35 -30 -25 -20 -15 -10 -5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135 140 145 150 155 160 165 170 -2.067 -1.889 -1.709 -1.527 -1.343 -1.156 -0.968 -0.778 -0.586 -0.392 -0.197 0.198 0.397 0.597 0.798 1.203 1.407 1.612 1.817 2.023 2.23 2.436 2.644 2.851 3.059 3.267 3.474 3.682 3.889 4.096 4.303 4.509 4.715 4.92 5.124 5.328 5.532 5.735 5.937 6.138 6.339 6.54 6.741 6.941 Trang | 34 Báo cáo NCKH 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 GVHD: Ks Lê Mạnh Tuấn 175 180 185 190 195 200 205 210 215 220 225 230 235 240 245 250 255 260 265 270 275 280 285 290 295 300 305 310 315 320 325 330 335 340 345 350 355 360 365 370 375 380 385 390 395 400 7.14 7.34 7.54 7.739 7.939 8.138 8.338 8.53 8.739 8.94 9.141 9.343 9.545 9.747 9.95 10.153 10.357 10.561 10.766 10.971 11.176 11.382 11.588 11.795 12.001 12.209 12.416 12.624 12.831 13.04 13.248 13.457 13.665 13.874 14.084 14.293 14.503 14.713 14.923 15.133 15.343 15.554 15.764 15.975 16.186 16.397 Trang | 35 Báo cáo NCKH 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 GVHD: Ks Lê Mạnh Tuấn 405 410 415 420 425 430 435 440 445 450 455 460 465 470 475 480 485 490 495 500 505 510 515 520 525 530 535 540 545 550 555 560 565 570 575 580 585 590 595 600 605 610 615 620 625 630 16.608 16.82 17.031 17.243 17.455 17.667 17.87 18.091 18.303 18.516 18.728 18.941 19.154 19.366 19.579 19.792 20.005 20.218 20.431 20.644 20.857 21.071 21.284 21.497 21.71 21.924 22.137 22.35 22.563 22.776 22.99 23.203 23.416 23.629 23.842 24.055 24.267 24.48 24.693 24.905 25.118 25.33 25.543 25.755 25.967 26.179 Trang | 36 Báo cáo NCKH 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 GVHD: Ks Lê Mạnh Tuấn 635 640 645 650 655 660 665 670 675 680 685 690 695 700 705 710 715 720 725 730 735 740 745 750 755 760 765 770 775 780 785 790 795 800 805 810 815 820 825 830 835 840 845 850 855 860 26.39 26.602 26.814 27.025 27.236 27.447 27.658 27.869 28.079 28.289 28.5 28.71 28.919 29.129 29.338 29.548 29.757 29.965 30.174 30.382 30.59 30.798 31.006 31.213 31.421 31.628 31.834 32.041 32.247 32.453 32.659 32.865 33.07 33.275 33.48 33.685 33.889 34.093 34.297 34.501 34.704 34.908 35.11 35.313 35.516 35.718 Trang | 37 Báo cáo NCKH 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 GVHD: Ks Lê Mạnh Tuấn 865 870 875 880 885 890 895 900 905 910 915 920 925 930 935 940 945 950 955 960 965 970 975 980 985 990 995 1000 1005 1010 1015 1020 1025 1030 1035 1040 1045 1050 1055 1060 1065 1070 1075 1080 1085 1090 35.92 36.121 36.323 36.524 36.725 36.925 37.126 37.326 37.526 37.725 37.925 38.124 38.323 38.522 38.72 38.918 39.116 39.314 39.511 39.708 39.905 40.101 40.298 40.494 40.69 40.885 41.081 41.276 41.47 41.665 41.859 42.053 42.247 42.44 42.633 42.826 43.019 43.211 43.403 43.595 43.787 43.987 44.169 44.359 44.45 44.74 Trang | 38 Báo cáo NCKH 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 GVHD: Ks Lê Mạnh Tuấn 1095 1100 1105 1110 1115 1120 1125 1130 1135 1140 1145 1150 1155 1160 1165 1170 1175 1180 1185 1190 1195 1200 1205 1210 1215 1220 1225 1230 1235 1240 1245 1250 1255 1260 1265 1270 1275 1280 1285 1290 1295 1300 1305 1310 1315 1320 44.929 45.119 45.308 45.497 45.685 45.873 46.061 46.249 46.436 46.623 46.809 46.995 47.181 47.367 47.552 47.737 47.921 48.105 48.289 48.473 48.656 48.838 49.021 49.202 49.384 49.565 49.746 49.926 50.106 50.286 50.465 50.644 50.822 51 51.178 51.355 51.532 51.708 51.885 52.06 52.235 52.41 52.585 52.759 52.932 53.106 Trang | 39 Báo cáo NCKH 320 321 322 323 324 325 326 327 328 329 GVHD: Ks Lê Mạnh Tuấn 1325 1330 1335 1340 1345 1350 1355 1360 1365 1370 53.279 53.451 53.623 53.795 53.967 54.138 54.308 54.479 54.649 54.819 Trang | 40 [...]... hóa trong công nghiệp thì không thể thiếu cảm biến được Xuất phát từ thực tế, nhóm đã chọn đề tài: Thiết kế cảm biến mềm dùng mạng nơ ron nhân tạo dùng cho cảm biến cặp nhiệt Trang | 1 Báo cáo NCKH GVHD: Ks Lê Mạnh Tuấn CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI 1.1 Giới thiệu về đề tài 1.1.1 Tính cấp thiết Hiện nay trong công nghiệp thì việc sử dụng các cảm biến trong các dây chuyền sản xuất đã trở nên rất phổ biến. .. vài loại cảm biến thông minh điển hình như: - Cảm biến gia tốc kế: Cảm biến gia tốc kế bao gồm phần tử cảm biến và phần tử thiết bị điện - Cảm biến quang học: Cảm biến quang học là 1 trong những ví dụ cơ bản của cảm biến thông minh dùng để phát hiện vật Trên đây là một vài loại cảm biến thông minh mà chúng ta thường hay sử dụng Còn rất nhiều loại cảm biến thông minh khác mà chúng ta không thể đề cập... những năm 1950, Rosenblatt đưa ra mạng Perceptron Nghiên cứu về mạng thần kinh nhân tạo chỉ phát triển mạnh từ sau những năm 1980 2.1.2 Tế bào nơ ron và mạng nơ ron nhân tạo 2.1.2.1 Tế bào nơ ron Tế bào nơ ron kết nối với nhau bởi các liên kết Mỗi liên kết kèm theo một trọng số, đặc trưng cho tính kích thích hay ức chế giữa các tế bào nơ ron Các tế bào thần kinh được kết nối với nhau và nhận truyền các... lý 1.1.2 Mục tiêu nghiên cứu của đề tài Mục tiêu của nhóm là xây dựng một bộ cảm biến kết hợp với một bộ xử lý tín hiệu gọi là bộ cảm biến mềm trước khi đưa kết quả đo vào bộ xử lý ứng dụng trong quá điều khiển và giám sát quá trình công nghiệp 1.2 Giới thiệu về cảm biến 1.2.1 Cảm biến mềm Cảm biến mềm hay còn được gọi là cảm biến thông minh là một loại cảm biến có kết hợp với bộ xử lý tín hiệu trước... ra một tiến bộ vượt bậc trong kỹ thuật đo 1.2.2 So sánh giửa cảm biến thô và cảm biến mềm Chúng ta biết rằng cảm biến mềm thì với ngõ ra có thể tuyến tính hóa hoặc dùng phần mềm để thay đổi theo yêu cầu Đây cũng chính là sự khác biệt lớn giữa cảm biến thô và cảm biến mềm Cảm biến mềm cung cấp 1 vài tiện ích như sau: - Thay thế các thiết bị phần cứng có chi phí cao, thực hiện mạng lưới giám sát toàn... lưỡng cực 2.1.2.2 Mạng nơ ron nhân tạo Là mạng gồm nhiều tế bào thần kinh liên kết chặt chẻ với nhau, tùy theo cấu trúc người ta chia thành cá loại mạng sau: - Mạng 1 lớp: chỉ có 1 lớp tế bào nơ ron xử lý - Mạng nhiều lớp: có nhiều lớp tế bào thần kinh xử lý - Mạng truyền thẳng: là mạng mà trong đó tín hiệu chỉ truyền theo một chiều từ ngõ vào đến ngõ ra - Mạng hồi quy: là mạng mà trong đó có tín hiệu... nhiều loại cảm biến và hầu hết các cảm biến trên thị trường thì ngõ ra của cảm biến thường là không tuyến tính nên gây khó khăn trong việc xử lý kết quả của bộ xử lý Trên thực tế đó, sau một thời gian tìm hiểu và nghiên cứu nhóm đã đưa ra giải pháp là thiết kế một bộ cảm biến mềm nhằm xử lý các kết quả của ngõ ra cảm biến trước khi đưa vào bộ xử lý với mục đích giảm khối lượng tính toán cho bộ xử lý... bộ cảm biến mềm Tổng quan các bước xây dựng nên một cảm biến mềm Hình 2.19: Tổng quan các bước thiết kế bộ cảm biến mềm 2.2.3.1 Chọn dữ liệu và lọc Trang | 24 Báo cáo NCKH GVHD: Ks Lê Mạnh Tuấn Bước này là bước cơ bản để thiết kế nên 1 cảm biến thông minh Vì cần có tập dữ liệu mẫu hoặc thông tin của đối tượng cần hướng đến thì chúng ta mới có thể định hướng được chức năng, mục đích sử dụng của cảm biến. .. minh lại được dùng trong từng hệ thống tương ứng với chức năng của chúng Cảm biến thông minh đặc biệt dùng nhiều trong lĩnh lực thu thập dữ liệu Sử dụng vi xử lý có khả năng phát hiện những vị trí hỏng hóc trong thiết bị đo và đưa ra thông tin, chuẩn đoán kĩ thuật về sự làm việc của thiết bị đo Các cảm biến thông minh, với sự kết hợp giữa vi xử lý và các bộ cảm biến thông thường thực sự đã tạo ra một... kế, cảm biến mềm giúp làm giảm tài nguyên phần cứng, cải thiện hệ thống, cải thiện độ tin cậy và kiểm soát chặt chẽ hệ thống Cảm biến mềm hay cảm biến thông minh (tiếng Anh là soft sensor hay intelligent sensor) là tên thường dùng cho những thiết bị có chức năng nhận biết những đại lượng vật lý như âm thanh, nhiệt độ, giọng nói, hình ảnh…vv, ngõ ra của cảm biến có thể được tuyến tính hóa hoặc dùng