Made available in DSpace on 2014-12-17T14:55:04Z (GMT). No. of bitstreams: 1
DavidRVP.pdf: 788434 bytes, checksum: 3db1ba91e4c50e4b70d788e4a7a31de2 (MD5)
Previous issue date: 2006-05-19 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / This work presents a set of intelligent algorithms with the purpose of correcting calibration errors in sensors and reducting the periodicity of their calibrations. Such
algorithms were designed using Artificial Neural Networks due to its great capacity of learning, adaptation and function approximation. Two approaches willbe shown, the firstone uses Multilayer Perceptron Networks to approximate the many shapes of the calibration curve of a sensor which
discalibrates in different time points. This approach requires the knowledge of the sensor s functioning time, but this information is not always available. To overcome
this need, another approach using Recurrent Neural Networks was proposed. The Recurrent Neural Networks have a great capacity of learning the dynamics of a system to which it was trained, so they can learn the dynamics of a sensor s
discalibration. Knowingthe sensor s functioning time or its discalibration dynamics, it is possible to determine how much a sensor is discalibrated and correct its measured value, providing then, a more exact measurement. The algorithms proposed in this work can be implemented in a Foundation Fieldbus industrial network environment, which has a good capacity of device programming through its function blocks, making it possible to have them applied to the measurement process / Neste trabalho ? apresentado um conjunto de algoritmos inteligentes que t?m como objetivo a corre??o de erros de calibra??o em sensores e a diminui??o da periodicidade de suas calibra??es. Tais algoritmos foram desenvolvidos utilizando Redes Neurais Artificiais devido a sua grande capacidade de aprendizado, adapta??o e aproxima??o de fun??es. Ser?o mostradas duas abordagens, a primeira utiliza redes Perceptron de M?ltiplas Camadas para aproximar as diversas formas da curva de calibra??o do sensor que se descalibra em diferentes instantes do tempo. Tal abordagem exige o conhecimento do tempo de funcionamento do sensor, informa??o que nem sempre est? dispon?vel. Para superar essa necessidade, uma outra abordagem utilizando
Redes Neurais Recorrentes foiproposta. As Redes Recorrentes possuem uma grande capacidade de aprender a din?mica do sistema para o qual ela foi treinada e, assim, podem aprender a din?mica de descalibra??o do sensor. Conhecendo o tempo de funcionamento do sensor ou a sua din?mica de descalibra??o, ? poss?vel determinar o quanto um sensor est? descalibrado e corrigir o valor medido, proporcionando uma medi??o mais exata. Os algoritmos aqui propostos podem ser implementados em ambientes de redes industriais Foundation Fieldbus, que possuem uma boa capacidade de programa??o de dispositivos atrav?s dos blocos funcionais, possibilitando aplica??es nos processos de medi??o
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/15181 |
| Date | 19 May 2006 |
| Creators | Pereira, David Ricardo do Vale |
| Contributors | CPF:10749896434, http://lattes.cnpq.br/1987295209521433, Melo, Jorge Dantas de, CPF:09463097449, http://lattes.cnpq.br/7325007451912598, D?ria Neto, Adri?o Duarte |
| Publisher | Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Engenharia El?trica, UFRN, BR, Automa??o e Sistemas; Engenharia de Computa??o; Telecomunica??es |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds