ứng dụng mạng nơron để khắc độ tự động

LỜI CẢM ƠN
Trước hết, em xin gửi lời cảm ơn sâu sắc đến thầy giáo PGS.TS Phạm
Thượng Hàn, người đã giúp đỡ em rất nhiều về kiến thức cũng như tài liệu kỹ
thuật và cho em nhiều ý kiến quý báu trong quá trình nghiên cứu đề tài của
luận văn.
Em xin chân thành cảm ơn các thầy cô giáo đã giảng dạy em, đặc biệt
là TSKH. Trần Hoài Linh và các thầy cô giáo trong Bộ môn Đo lường và
THCN - Khoa Điện - Trường Đại học Bách khoa Hà Nội đã tạo điều kiện
giúp đỡ em hoàn thành đề tài tốt nghiệp này. Xin cám ơn tất cả bè bạn đã
nhiệt tình giúp đỡ, động viên và góp ý cho bản luận văn này.
Và cuối cùng, em xin dành tất cả lòng biết ơn và kính trọng sâu sắc
nhất tới bố mẹ em, những người đã sinh thành, nuôi dưỡng em nên người, đã
tạo mọi điều kiện cho em được sống và học tập một cách tốt nhất để vươn tới
những ước mơ, hoài bão của mình.
Trong khoảng thời gian không dài, em đã rất nỗ lực và cố gắng để hoàn
thành luận văn tốt nghiệp này, song chắc chắn không thể tránh khỏi những sai
sót. Vì vậy, em rất mong được sự chỉ bảo của thầy cô giáo để luận văn này
được hoàn thiện hơn.
1
MỤC LỤC
Lời cảm ơn 1
Mục lục 2
Bảng ký hiệu và chữ viết tắt 4
Mở đầu 6
Chương 1: Tổng quan các phương pháp khắc độ của dụng cụ đo và cảm
biến 8
1.1 Phương pháp khắc độ dụng cụ đo tương tự 8
1.2 Phương pháp khắc độ dụng cụ đo có sử dụng vi xử lý hoặc
máy vi tính 11
1.3 Phương pháp khắc độ các chuyển đổi đo lường sơ cấp
1.3.1 Chuyển đổi đo lường so cấp

1.3.2 Ứng dụng vi xử lý trong xử lý số liệu đo của cảm biến
1.3.3 Cấu trúc của cảm biến thông minh
13
13
18
19
1.4 Ứng dụng mạng nơron trong cảm biến thông minh
1.4.1 Khắc độ tự động cảm biến
20
20
1.4.2 Hiệu chỉnh đặc tính thang đo của cảm biến 22
1.5 Đề xuất phương pháp sử dụng mạng nơron để giảm sai số
ngẫu nhiên và khắc độ cảm biến bằng hàm nội suy Lagrange 25
Chương 2: Cơ sở lý thuyết mạng nơron 27
2.1 Nơron sinh vật
2.1.1 Cấu trúc cơ bản của nơron
27
27
2.1.2 Các tín hiệu điện của nơron 30
2.2 Mô hình nơron nhân tạo 31
2.3 Mạng nơron nhân tạo
2.3.1 Cấu trúc mạng nơron
33
33
2.3.2 Phân loại mạng nơron 34
2.3.3 Một số mạng nơron nhân tạo 34
2.4 Học của mạng nơron 49
2.5 Một số ứng dụng mạng nơron nhân tạo 51
2.6 Kết luận 55
Chương 3: Ứng dụng mạng nơron để khắc độ tự động 57

2
Trang
3.1 Cơ sở lý thuyết xử lý số liệu đo
3.1.1 Tính toán sai số ngẫu nhiên
3.1.2 Gia công kết quả đo
3.2 Giảm sai số ngẫu nhiên bằng mạng nơron để khắc độ tự động
thiết bị đo và cảm biến
3.2.1 Đặt vấn đề
3.2.2 Xử lý số liệu đo bằng mạng nơron để giảm sai số ngẫu
nhiên
3.3 Khắc độ tự động thiết bị đo và cảm biến
3.3.1 Sử dụng hàm nội suy Lagrange để khắc độ tự động
3.3 2 Khắc độ tự động bằng mạng nơron
57
57
61
66
66
68
76
76
78
Chương 4 : Ứng dụng mạng nơron để hiệu chỉnh đặc tính thang đo của
cảm biến
4.1 Đặt vấn đề
4.2 Hiệu chỉnh đặc tính thang đo của cảm biến sử dụng mạng
nơron
83
83
86

Chương 5: Kết luận và hướng phát triển của đề tài 92
Tài liệu tham khảo 95
Phụ lục 1 P.1
Phụ lục 2 P.6
3
1. BẢNG KÝ HIỆU
A= [a
ij
]

: Ma trận n x m chiều.
A
T
: Ma trận chuyển vị của A.
A
-1
: Ma trận nghịch đảo của A.
R
n
: Không gian thực n chiều.
g(.) : Hàm quan hệ phi tuyến vào ra.
f
-1
: Hàm ngược của hàm f.
W= [w
ik
]

: Ma trận trọng số liên kết n x m chiều.
2. BẢNG CHỮ VIẾT TẮT VÀ MỘT SỐ THUẬT NGỮ

Adaline : Adaptive Linear Element- Phần tử nơron tuyến tính
thích nghi, tên loại nơron do Windrow đề xuất năm 1960.
ART : Adaptive Resonance Theory- Thuyết cộng hưởng thích
nghi. Một loại mạng được xây dựng theo lý thuyết này.
BAM : Bidirection Associative Memory- Một loại mạng do
Kosko đề xuất năm 1988.
BP : Backpropagation - Thuật học lan truyền ngược.
CAM : Content Addressable Memory- Bộ nhớ nội dung được
địa chỉ hóa.
LMS : Least Mean Square - Tên một 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
ra.
MNN : Artificial Neural Networks - Mạng nơron nhân tạo
SISO : Single Input Single Output - Hệ một đầu vào một đầu ra.
RBF : Radial Basis Functions - Tên một loại mạng do Moody
và Darken đề xuất năm 1989.
4
MỞ ĐẦU
Mô phỏng sinh học đã tạo ra những thành tựu khoa học kỹ thuật to lớn
cho cuộc sống và công cuộc chinh phục thế giới tự nhiên của loài người. Mô
phỏng mạng nơron sinh học là một trong những lĩnh vực đang được phát triển
mạnh mẽ để tạo ra những hệ thống thông minh có những khả năng như ghi
nhớ kinh nghiệm quá khứ, nhận dạng, điều khiển, ra quyết định, dự
đoán tương tự như bộ não người. Việc nghiên cứu và phát triển lý thuyết
mạng nơron nhân tạo đã được ứng dụng trong nhiều lĩnh vực như đo lường,
điều khiển, công nghệ rôbôt, truyền thông, giao thông vận tải, hàng
không.v.v

Mạng nơron với những ưu điểm vượt trội so với các hệ thống tính toán
truyền thống như: cho phép xấp xỉ những ánh xạ phi tuyến tùy ý; là hệ thống
xử lý song song làm tăng tốc độ tính toán cho phép đáp ứng khả năng tính
toán thời gian thực và chính xác; là hệ học và thích nghi, khi mạng được huấn
luyện từ các dữ liệu quá khứ, đồng thời có khả năng khái quát hóa khi dữ liệu
vào bị thiếu hoặc không đầy đủ, phù hợp với các hệ thống nhận dạng, chuẩn
đoán kỹ thuật
Với những ưu điểm trên việc ứng dụng mạng nơron để chế tạo các cảm
biến thông minh với độ chính xác cao là điều hoàn toàn cần thiết, có khả năng
thúc đẩy sự phát triển của kỹ thuật công nghệ nói chung và lĩnh vực đo lường
nói riêng.
Nội dung chủ yếu của luận văn là tập trung nghiên cứu ứng dụng mạng
nơron cho khắc độ dụng cụ đo và cảm biến thông minh. Luận văn bao gồm
năm chương, trong đó chương 1 là phần tổng quan về các phương pháp khắc
độ thiết bị đo bao gồm các phương pháp khắc độ cho dụng cụ đo tương tự,
dụng cụ đo có sử dụng vi xử lý hoặc máy vi tính và các chuyển đổi đo lường
sơ cấp. Chương này cũng nêu ra các hướng ứng dụng mạng nơron cho việc xử
lý số liệu đo và hiệu chỉnh đặc tính thang đo của cảm biến.
5
Chương 2 trình bày phần lý thuyết cơ sở của mạng nơron cho việc
nghiên cứu ứng dụng trong việc xử lý số liệu nhằm giảm sai số ngẫu nhiên,
khắc độ tự động đặc tính và hiệu chỉnh sai số hệ thống của cảm biến.
Ở chương 3, tác giả đã 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 các giá trị lấy mẫu đã được xử lý để giảm sai số ngẫu nhiên bằng mạng
nơron chúng tôi đề xuất sử dụng hàm nội suy Lagrange để khắc độ tự động
đường đặc tính của cảm biến thông minh. Đồng thời chương này cũng đã
nghiên cứu việc ứng dụng mạng nơron để khắc độ tự động đặc tính của cảm
biến đảm bảo độ chính xác cao.
Chương 4 nghiên cứu ứng dụng mạng nơron để hiệu chỉnh đặc tính thang

đo của cảm biến đảm bảo giới hạn sai số cho phép.
Chương 5 đánh giá kết quả đạt được và hướng nghiên cứu tiếp theo dựa
trên những kết quả của đề tài.
6
Chương 1
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 là loại dụng cụ đo mà số chỉ của nó là đại lượng
liên tục tỉ lệ với đại lượng đo liên tục. Trong dụng cụ đo tương tự người ta
thường dùng các chỉ thị cơ điện, trong đó tín hiệu vào là dòng điện còn tín
hiệu ra là góc quay của phần động (kim chỉ) hoặc là di chuyển của bút ghi
trên giấy (dụng cụ tự ghi).
Các cơ cấu chỉ thị này thường dùng trong máy đo các đại lượng như
dòng điện, điện áp, công suất, tần số, góc pha, điện trở.v.v . Những dụng cụ
này chính là dụng cụ đo chuyển đổi thẳng. Tức là thực hiện việc biến năng
lượng điện từ thành năng lượng cơ học làm quay phần động một góc α so với
phần tĩnh. Như vậy α = F(x), với x là đại lượng điện ( dòng hay áp hoặc là
tích của hai dòng điện)
Đối với chỉ thị cơ điện ta có phương trình đặc tính thang đo
α
α
d
dw
D
e
1
=
,
trong đó D là mômen cản riêng và W

e
là năng lượng điện từ trường. Từ
phương trình này ta sẽ biết được đặc tính của thang đo và tính chất của cơ cấu
chỉ thị. Do trong cơ cấu chỉ thị cơ điện tồn tại nhiều mômen như mômen ma
sát, mômen cản dịu, mômen động lượng nên để xác định dạng thang đo của
cơ cấu chỉ thị thường sử dụng phương pháp đồ thị. Bằng thực nghiệm ta xây
dựng các đường cong mômen quay M
d
= f(α) với các giá trị X khác nhau. Ví
dụ với cơ cấu chỉ thị điện từ ta xây dựng các đường cong mômen quay 1, 2, 3,
4 với các giá trị X tương ứng bằng 40, 60, 80 và 100% X
n
(X
n
- trị số dòng
điện định mức làm kim lệch toàn thang). Trong trường hợp ở đồ thị hình 1.1
X
n
=I
n
=50mA. Các đường cong mômen quay M
q
cắt đường mômen cản M
c
tại
các điểm A, B, C, D. Từ giao điểm A, B, C, D ta có các vị trí cân bằng α =
30
°
, 50
°

, 70
°
, 90
°
tương ứng với các giá trị X=20, 30, 40, 50 mA. Như vậy ta
có thang đo của cơ cấu chỉ thị điện từ theo đơn vị của đại lượng X đầu vào.
7
Tuỳ thuộc vào phương trình đặc tính thang đo mà thang đo có thể là
tuyến tính (ví dụ : cơ cấu chỉ thị từ điện) hoặc phi tuyến (ví dụ : cơ cấu chỉ thị
điện từ , điện động, tĩnh điện). Nếu thang đo phi tuyến ta thường để thang đo
đạt được tương đối đều.
Đối với cơ cấu chỉ thị từ điện ta có phương trình đặc tính thang đo là α=
BswI
D
1
= K.I [TL3]
Trong đó B- Độ từ cảm của nam châm vĩnh cửu
s- Diện tích khung dây
w- số vòng dây
α- góc lệch của khung dây so với vị trí ban đầu
Góc lệch α tỉ lệ thuận với dòng điện I nên đặc tính của thang đo đều.
Cơ cấu chỉ thị điện từ có phương trình đặc tính là α=
2
2
1
I
d
dL
D
α

[TL3].
Góc quay tỉ lệ với bình phương dòng điện do đó thang đo không đều. Ngoài
8
M
q
α
0
°
30
°
50
°
70
°
90
°
X=40%X
n
(I= 20 mA)
X=60%X
n
(I= 30 mA)
X=80%X
n
(I= 40 mA)
X=100%X
n
(I= 50 mA)
4
3

2
1
0
20
30 40 50
Hình 1.1 : Xác định thang đo bằng phương pháp đồ thị
X(mA)
ra đặc tính thang đo lại còn phụ thuộc vào tỉ số
α
d
dL
là một đại lượng phi
tuyến. Để cho đặc tính thang đo đều cần phải tính toán sao cho khi góc lệch α
thay đổi thì tỉ số
α
d
dL
thay đổi theo quy luật tỉ lệ nghịch với dòng điện. Như
vậy đường cong tổng hợp sẽ là đường tuyến tính với một độ chính xác nhất
định.

Cơ cấu chỉ thị điện động có phương trình đặc tính thang đo đối với
trường hợp dòng một chiều I
1
và I
2
: α=
21
12
II

d
dM
α
[TL3]. Trong trường hợp
dòng xoay chiều ta có α=
21
12
cos
II
Dd
dM
ϕ
α
. Như vậy góc lệch α phụ thuộc vào
tích I
1
I
2
nên thang đo không đều. Có thể thay đổi vị trí của các cuộn dây để
thay đổi tỉ số
α
d
dM
12
theo hàm ngược với I
1
I
2
nhằm đạt được thang đo đều
(thường từ 20%÷100% thang đo có thể chia đều còn 20% đầu thang đo chia

không đều)
Đối với Lôgômét điện động ta có phương trình đặc tính thang đo α=








),cos(
),cos(
22
11
III
III
F
[TL3]. Khi cos(I,I
1
)=cos(I,I
2
)=1 tức là dòng điện chạy qua
9
α
I, L
I
2
α
d
dL

Đặc tính thang đo ~
Hình 1.2 : Đặc tính thang đo với
α
d
dL
đã điều chỉnh
cuộn động và cuộn tĩnh đồng pha thì α =








2
1
I
I
F
. Như vậy góc lệch α tỉ lệ với
tỉ số hai dòng điện.
Cơ cấu chỉ thị sắt điện động có phương trình đặc tính thang đo :
α=k
1
s
2
w
2
I

1
I
2
cos(I
1
,I
2
), góc lệch α tỉ lệ với tích hai dòng điện.
Đối với cơ cấu chỉ thị tĩnh điện ta có phương trình đặc tính thang đo α=
α
d
dCU
2
2
[TL3]. Như vậy góc lệch α tỉ lệ với bình phương điện áp U. Đặc tính
thang đo không đều (bậc hai) và phụ thuộc vào tỉ số
α
d
dC
là một đại lượng phi
tuyến. Trong thực tế để cho đặc tính thang đo đều cần phải tính toán sao cho
khi góc lệch α thay đổi thì tỉ số
α
d
dC
thay đổi tỉ lệ nghịch với điện áp và đường
cong tổng hợp sẽ là đường tuyến tính với một độ chính xác nhất định. Giống
như trường hợp cơ cấu chỉ thị điện từ.
Đối với cơ cấu chỉ thị tự ghi đầu vào thường là dòng điện biến thiên theo
thời gian i(t) và đầu ra là đường quan hệ α(t). Đường ghi trên băng giấy là sự

phối hợp giữa hai chuyển động y=α=f(i) và x=Kt. Theo cách ghi có thể phân
loại cơ cấu tự ghi làm ba loại : loại thứ nhất là ghi các đường cong liên tục;
loại thứ hai là ghi các đường cong rời rạc; loại thứ ba là in số lên băng giấy.
Nhận xét : trong dụng cụ đo tương tự chỉ thị kim thì sai số phi tuyến
được đưa lên thang đo mà không nhất thiết phải tuyến tính hóa đặc tính phi
tuyến như dụng cụ đo số.
1.2 Phương pháp khắc độ dụng cụ đo có sử dụng vi xử lý hoặc máy
vi tính [TL3]
Việc sử dụng vi xử lý trong lĩnh vực đo lường mở ra những hướng phát
triển và mang lại nhiều ưu điểm cho dụng cụ đo và hệ thống thông tin đo
lường như :
10
- Có thể ghép nối thiết bị đo với bàn phím cho phép nhập thông tin
bằng bàn phím số hoặc đặt trước giá trị đo lường hay kiểm tra của một thông
số nào đó.
- Có thể ghép nối với màn hình để đọc kết quả và sai số
- Có thể gia công kết quả đo theo các thuật toán đã định sẵn và đưa
ra màn hình.
- Có thể nối với máy in để in kết quả đo hay tự động vẽ lại các
đường cong sau khi đã gia công kết quả bằng phép xây dựng đường cong thực
nghiệm.
- Thay đổi toạ độ bằng cách đưa thêm vào các hệ số nhân thích hợp.
- Tiến hành tính toán khi thực hiện phép đo gián tiếp hay hợp bộ
hoặc đo lường thống kê.
- Hiệu chỉnh được sai số của phép đo
- Bù các kết quả đo bị sai lệch do ảnh hưởng của sự biến động các
thông số như nhiệt độ, độ ẩm, tần số….
- Điều khiển các khâu của dụng cụ đo cho phù hợp với đại lượng đo
ví dụ : tự động chọn thang đo.
- Mã hoá các tín hiệu đo

- Ghép nối với kênh liên lạc để truyền số liệu đi xa.
- Có thể ghép nối với bộ nhớ để lưu giữ số liệu của kết quả đo hay
các giá trị tức thời của tín hiệu đo.
Ngoài ra dụng cụ đo có sử dụng vi xử lý hoặc máy vi tính còn có khả
năng tự động khắc độ. Quá trình tự động khắc độ như sau :
- Đầu tiên người ta đo các giá trị của tín hiệu chuẩn, ghi vào bộ nhớ,
sau đó đo các giá trị của đại lượng cần đo và bằng các công cụ toán học (dưới
dạng thuật toán) có thể so sánh, gia công kết quả đo và loại trừ các sai số.
11
Ví dụ : Trong một Vônmét thực hiện theo phương pháp này việc khắc độ
được thực hiện trước mỗi lần đo (ở chế độ đồng bộ trong). Việc bù sai số do
sự lệch không của bộ khuếch đại (sự trôi điểm không chẳng hạn) sẽ được thực
hiện bằng cách đo mức không (mức đất) của tín hiệu, sau đó bắt đầu đo điện
áp chuẩn cố định từ nguồn mẫu (ví dụ như pin mẫu).
Sử dụng vi xử lý hoặc máy vi tính có thể thay thế cho một loạt các thao
tác mà trong dụng cụ tương tự không thực hiện được ví dụ như : phép nhân,
phép tuyến tính hoá, điều khiển quá trình đo, điều khiển sự làm việc của các
thiết bị vào ra v.v
1.3 Phương pháp khắc độ các chuyển đổi đo lường sơ cấp
1.3.1 Chuyển đổi đo lường so cấp
Chuyển đổi đo lường là thiết bị thực hiện một quan hệ hàm đơn trị giữa
hai đại lượng vật lý với một độ chính xác nhất định.
Như vậy chuyển đổi đo lường làm nhiệm vụ biến đổi từ đại lượng vật lý
này sang đại lượng vật lý khác. Mối quan hệ hàm có thể là tuyến tính hay phi
tuyến. Tuy nhiên trong kỹ thuật đo lường người ta cố gắng tạo ra các chuyển
đổi tuyến tính để nâng cao độ chính xác của phép đo.
Chuyển đổi đo lường sơ cấp là các chuyển đổi đo lường mà đại lượng
vào là đại lượng không điện và đại lượng ra của nó là đại lượng điện.
Phương trình đặc tính của chuyển đổi Y=f(X)
Trong đó X-là đại lượng không điện cần đo

Y-đại lượng điện sau chuyển đổi
Hàm đặc tính của chuyển đổi là một hàm đồng biến hoặc nghịch biến.
Khi chuyển đổi sơ cấp được đặt trong một vỏ hộp có kích thước và hình
dáng phù hợp với vị trí điểm đo hoặc có khi tích hợp với mạch đo để tạo
thành một dụng cụ được gọi là đầu đo, bộ cảm biến hoặc là sensor.
Để có được đặc tính của chuyển đổi sơ cấp người ta thường làm thực
nghiệm để tìm ra mối quan hệ giữa X và Y. Mối quan hệ này thường là phi
12
tuyến, nhưng để nâng cao độ chính xác của thiết bị đo người ta tìm cách tuyến
tính hoá nó bằng các mạch điện tử hay dùng các thuật toán khi gia công số
liệu đo bằng máy tính hoặc vi xử lý.
Trong thực tế tín hiệu ra Y của chuyển đổi không những phụ thuộc vào
X mà còn phụ thuộc vào điều kiện bên ngoài Z : Y=f(X,Z)
Đặc tính của chuyển đổi phải là hàm đơn trị, nghĩa là với đường cong hồi
phục của chuyển đổi ứng với một giá trị X ta chỉ nhận được một giá trị Y.
Đường cong của chuyển đổi phải ổn định, nghĩa là không thay đổi theo thời
gian. Và tín hiệu ra của chuyển đổi phải tiện cho việc ghép nối vào dụng cụ
đo, hệ thống đo và máy tính.
Đặc tính của chuyển đổi có thể là hàm tuyến tính hoặc phi tuyến, chẳng
hạn như hàm lôga-rít, hàm đa thức, hàm mũ.
Đặc tính tuyến tính được mô tả bởi biểu thức :Y=a+bx
Đặc tính lôga-rít : Y=a+b.lnx
Đặc tính hàm mũ : Y=a.e
kx
Đặc tính hàm đa thức : Y=a
o
+ a
1
.x + a
2

x
2
+ + a
n
x
n
Đặc tính quan trọng của chuyển đổi là sai số.
- Sai số cơ bản của chuyển đổi là sai số gây ra do nguyên lý của chuyển
đổi, sự không hoàn thiện của cấu trúc, sự yếu kém của công nghệ chế tạo.
- Sai số phụ là sai số gây ra do biến động của điều kiện bên ngoài khác
với điều kiện tiêu chuẩn.
Sai số tương đối quy đổi:
%100
max
N
n
X
X∆
=
γ
, với X
N
là giá trị cực đại của
thang đo, cần phải nhỏ hơn hoặc bằng cấp chính xác. Sai số tuyệt đối được
tính bằng hiệu của giá trị đo được với giá trị thực. Ví dụ một sensor đo
khoảng cách tuyến tính lý tưởng sẽ tạo ra 1 mV trên 1mm dịch chuyển. Tuy
nhiên trong thực tế một dịch chuyển 10 mm tạo ra 10.5 mV, từ 10.5 mV tính
ngược lại (1mm trên 1 mV) ta được 10.5 mm, lớn hơn 0.5 mm so với thực tế.
13
0.5mm này là sai số tuyệt đối và do đó trong khoảng 10 mm sai số tương đối

quy đổi của sensor là 0.5mm/10 mm x 100% =5%.
Để cảm biến đạt cấp chính xác nhất định thì đường cong đặc tính thực tế
phải nằm trong hai đường giới hạn sai số cho phép như biểu diễn trên hình
1.3 và hình 1.4 .
Các đường giới hạn sai số cho phép lệch với đường đặc tính lý tưởng
một khoảng
∆±
và đường cong thực tế lệch với đường đặc tính lý tưởng một
khoảng
δ
±
, trong đó
∆≤
δ
.
14
100% x
Y
100%
y
y’
z
z’
x
x’
-δ
+
-
Đường đặc tính
thực tế

Đường đặc tính
lý tưởng
Đường giới hạn
Y
FS
Hình 1.3 : Đường cong đặc tính của cảm biến
∆−
∆+
-δ
Đường giới hạn phải
Đường giới hạn trái Đường hiệu chuẩn
Đường đặc tính thực tế
Hình 1.4 : Đường giới hạn độ chính xác
x
Y
Có nhiều phương pháp để tuyến tính hoá đường đặc tính của cảm biến.
Đối với đặc tính có thể tuyến tính bằng một đường thẳng người ta thường
dùng các phương pháp sau :
+ Phương pháp dùng điểm đầu và điểm cuối của đường đặc tính :
Ta xác định các giá trị đầu ra của cảm biến tại giá trị nhỏ nhất và lớn
nhất của đầu vào và vẽ đường thẳng qua hai điểm này (đường 1 trên hình 1.5).
Gần các điểm đầu và điểm cuối thì sai số nhỏ và sai số lớn nhất rơi vào
khoảng giữa của đường đặc tính.
+ Phương pháp xấp xỉ bình phương cực tiểu :
Đo vài giá trị đầu ra Y (n giá trị) tương ứng với các giá trị đầu vào x
trong toàn thang đo. Sử dụng công thức sau để xác định các giá trị a và b của
đường thẳng Y=a+b.x (đường 2 trên hình 1.5)
( )
2
2

2
∑∑
∑ ∑∑∑
−
−
=
xxn
xYxxY
a
( )
2
2
∑∑
∑∑∑
−
−
=
xxn
YxxYn
b
Trong đó
∑
là tổng của n số hạng.
Trong một vài ứng dụng thì độ chính xác cao nhất cần phải đạt được ở
trong một khoảng nhỏ nhất định. Ví dụ nhiệt kế y tế phải có độ chính xác cao
15
Điểm đầu và điểm
cuối
L2
L1

100% x
Y
100%
0
Hình1.5 : Đường thẳng xấp xỉ đường cong phi tuyến
c
2
1
3
trong vùng nhiệt độ sốt của cơ thể từ 37 đến 38°C. Nó có thể kém chính xác ở
ngoài khoảng nhiệt độ đó. Cảm biến được hiệu chuẩn ở vùng yêu cầu độ
chính xác cao nhất . Do đó đường xấp xỉ có thể được vẽ qua điểm hiệu chuẩn
c (đường 3 trên hình 1.5). Sai số nhỏ ở gần điểm hiệu chuẩn và tăng lên về
phía hai đầu của thang đo. Trong phương pháp này thì đường thẳng thường
được xác định như là tiếp tuyến của đường đặc tính tại điểm hiệu chuẩn.
+ Phương pháp dùng đường thẳng độc lập : đường thẳng xấp xỉ độc lập
là đường thẳng nằm giữa hai đường song song sát nhau và bao toàn bộ các giá
trị đầu ra trên đường đặc tính thực tế như hình 1.6.
Đặc tính động của chuyển đổi là khi cho tín hiệu đo vào chuyển đổi
thường xuất hiện quá trình quá độ. Quá trình này có thể nhanh hay chậm tuỳ
thuộc vào dạng chuyển đổi. Đặc tính này được gọi là độ tác động nhanh. Độ
tác động nhanh hay chậm tức là thời gian trễ nhỏ hay lớn của đáp ứng tín hiệu
ra so với sự thay đổi của tín hiệu vào.
Phương trình cơ bản của cảm biến có dạng :
Y=f(x, a, b, c…)
Trong đó x là đại lượng đo hay còn gọi là đại lượng chủ, các đại lượng a,
b, c… được gọi là các yếu tố ảnh hưởng cần được loại bỏ. Yêu cầu của cảm
biến là tạo được đặc tính Y=f(x) và quan hệ này được lặp lại với một giá trị
16
Hình1.6 : Đường thẳng xấp xỉ độc lập

Đường thẳng xấp xỉ
-δ
100% x
Y
100%
0
+δ
c
chính xác để từ Y ta có thể suy ra được x với một sai số nhỏ hơn yêu cầu.
Trong cảm biến thông minh người ta phải sử dụng triệt để khả năng xử lý kết
quả đo của các bộ vi xử lý hay vi tính đơn phiến để nâng cao đặc tính kỹ thuật
của các cảm biến.
1.3.2 Ứng dụng vi xử lý trong xử lý số liệu đo của cảm biến [TL3]
+Xử lý khắc độ
Yêu cầu cơ bản nhất đối với chuyển đổi là tạo được đặc tính Y=f(x) với
Y
i
=K
i
X
i
. Động tác khắc độ hay chuẩn độ là xác định các K
i
với sai số của nó
là max
i
i
K
K∆
≤

i
K
γ
Trong trường hợp cảm biến bị nhiều yếu tố ngẫu nhiên tác động thì K
i
được xác định bằng phương pháp thống kê.
m
K
K
m
j
ij
i
∑
=
=
1
i
K
này được vi xử lý lưu giữ làm hệ số biến đổi tại điểm X
i
của cảm
biến và X
i
=
i
i
K
Y
, sai số tuyệt đối ngẫu nhiên của hệ số K

i
được tính với giả
thiết phân bố xác suất của nó là phân bố Student.
*
i
X
sti
kK
δ
=∆
với xác suất P
i
K∆
sai số tuyệt đối của K
i
có tính ngẫu nhiên
k
st
- hệ số tra ở bảng Student
*
i
X
δ
=
)1(
)(
2
−
−
nn

Xx
ii
là độ lệch bình quân phương
Bộ hệ số K
i
và
i
K∆
có thể được tính toán và ghi trong bộ nhớ của vi xử
lý.
17
+Xử lý tuyến tính hoá từng đoạn
Giá trị đo X tương ứng với giá trị Y
x
.Kiểm tra giá trị của Y
x
nằm trong
khoảng Y
i
<Y
x
<Y
i+1
tương ứng với X
i
<X<X
i+1
Thực hiện phép nội suy tuyến tính
X=X
i

+
)(
1
1
ix
ii
ii
YY
YY
XX
−
−
−
+
+
Ghi lại kết quả X cùng với K
i
và
i
i
K
K
K
i
∆
=
γ
+Xử lý thống kê
Khi bản thân đối tượng đo biến đổi hoặc chịu tác động của nhiễu, gây ra
sai số ngẫu nhiên. Cảm biến thông minh có thể xử lý thống kê tức là đo với

tốc độ nhanh rồi tính giá trị trung bình, tính sai số thống kê của kết quả đo,
lưu giữ và truyền lên máy tính cấp trên.
Giá trị trung bình :
m
X
X
m
i
i
∑
=
=
1
Sai số là :
*
X
st
kx
δ
±=∆
Kết quả đo sẽ nằm giữa
XXXXX
o
∆+<<∆−
1.3.3 Cấu trúc của cảm biến thông minh
18
Đối
tượng
đo
CB1

CB2
CBn
CĐCH1
CĐCH2
CĐCHn
MUX
A/D
µC
Cảm biến thông minh
Hình 1.7:Cấu trúc Cảm biến thông minh
Cảm biến gồm những chuyển đổi sơ cấp dùng để biến đại lượng không
điện hoặc điện thành đại lượng điện. Các đại lượng này có thể là đại lượng
chủ hoặc là các đại lượng của yếu tố ảnh hưởng dùng để loại trừ sai số do ảnh
hưởng của chúng. Có thể có hai loại công nghệ :
+ Nếu các chuyển đổi là loại chuyển đổi sơ cấp bình thường thì các đầu
ra của chúng được đưa vào một vi mạch công nghệ lai, gồm bộ biến đổi chuẩn
hoá, MUX, A/D và vi xử lý trong một khối có truyền thông với máy tính và
bộ nạp chương trình cho EPROM.
+ Nếu các chuyển đổi là loại chuyển đổi thực hiện bằng công nghệ vi
mạch thì cả chuyển đổi lẫn phần tử gia công phía sau được mô-đun hoá trong
một khối công nghệ mạch lai.
Với sự phát triển mạnh mẽ của lĩnh vực mạng nơron nhân tạo, các giải
pháp nơron đã được ứng dụng vào nhiều lĩnh vực nhằm thông minh hoá thiết
bị như các hệ thống điều khiển, robot, các thiết bị gia dụng, phân loại sản
phẩn, các hệ thống nhận dạng, phân tích tài chính v.v và ta có thể ứng dụng
mạng nơron trong lĩnh vực đo lường để thông minh hoá cảm biến. Tính chất
ưu việt của mạng nơron là xử lý song song cho khả năng dung lượng tính toán
lớn, tính toán cho đáp ứng thời gian thực đảm bảo độ chính xác cũng như tốc
độ đáp ứng của hệ thống đo có một hoặc nhiều cảm biến.
Tiếp theo ta sẽ xem xét một số khía cạnh thông minh hoá cảm biến.

1.4 Ứng dụng mạng nơron trong cảm biến thông minh
1.4.1 Khắc độ tự động cảm biến
Cảm biến cho ra giá trị đo X thông qua phương trình đặc tính : X=f(Y).
Phương trình này được xây dựng từ tập các giá trị lấy mẫu (X
i
,Y
i
), i=1, n,
trong đó n là số điểm lấy mẫu. Thông thường sử dụng phương pháp tuyến tính
hoá để xây dựng đường xấp xỉ đường cong đặc tính trong một giới hạn sai số
cho phép. Mạng nơron có khả năng xấp xỉ hàm một hoặc nhiều biến với độ
chính xác tuỳ ý, do đó ta có thể sử dụng mạng nơron để thực hiện xấp xỉ hàm
X=f(Y) trên cơ sở tập lấy mẫu đã có.
19
Hình 1.8 : Đường cong đặc tính của cảm biến
Tập các giá trị lấy mẫu được đưa vào để huấn luyện mạng cho ra quan hệ
hàm X=f(Y) như sơ đồ sau :

Mạng nơron được cài vào vi xử lý để xử lý khắc độ tự động đặc tính của
cảm biến thông minh.
Hình 1.10 : Cảm biến thông minh sử dụng mạng nơron để khắc độ tự
động đường đặc tính
20
MNN
W
{Y
i
}
{X
i

}
X=f(Y)
Chỉ thị
Y
X
0
Y
1
Y
2
Y
n
X
1
X
n
X
2
X
i
Y
i
Hình 1.9 : Sơ đồ khắc độ tự động bằng mạng nơron
CĐCH
CB
A/D
VXL
MNN
Hiển thị
số

Đối
tượng
đo
x

x
đo
y
y
1.4.2 Hiệu chỉnh đặc tính thang đo của cảm biến
Các cảm biến trong quá trình chế tạo hoặc sau một thời gian sử dụng đều
mắc phải sai số hệ thống và sai số ngẫu nhiên, trong đó sai số hệ thống là sai
số của phép đo luôn không đổi hoặc thay đổi có quy luật khi đo nhiều lần một
đại lượng đo và sai số ngẫu nhiên là thành phần sai số của phép đo thay đổi
không theo một quy luật nào cả mà ngẫu nhiên khi lặp lại phép đo nhiều lần
một đại lượng duy nhất, có thể hình dung như hình 1.11.
Trong trường hợp chung sai số hệ thống là hàm của đại lượng đo, đại
lượng ảnh hưởng và thời gian. Khi là hàm của đại lượng đo (trong điều kiện
tiêu chuẩn), sai số hệ thống gồm hai thành phần : Sai số cấu trúc và sai số
công nghệ chế tạo. Sai số cấu trúc là sai số do bản thân nguyên lý cấu trúc
chuyển đổi gây nên, sai số công nghệ chế tạo là sai số gây ra bởi các sai sót
trong quá trình chế tạo.
Bằng việc ứng dụng mạng nơron ta có thể giảm sai số hệ thống và sai số
ngẫu nhiên của cảm biến để đạt sai số nằm trong giới hạn cho phép rất hiệu
quả. Trước tiên ta xét sai số hệ thống thể hiện qua đường cong đặc tính của
21
Giá trị thực
Hình 1.11: Mô hình sai số hệ thống và sai số ngẫu nhiên
Sai số hệ
thống

Sai số
ngẫu
nhiên
cảm biến. Giả sử đường cong đặc tính của cảm biến có sai số vượt quá sai số
cho phép, ta có thể biểu diễn như trên hình 1.12.
Như vậy δ>
∆
, tức là sai số vượt quá giới hạn cho phép. Có thể dùng
phương pháp tuyến tính hoá hoặc phương pháp biến đổi hàm để hiệu chuẩn
lại đường đặc tính của cảm biến đạt sai số trong giới hạn cho phép.
Để tuyến tính hoá đặc tính thực tế của cảm biến ta cần lấy mẫu nhiều
điểm với tần số lấy mẫu được tính theo công thức :
M
e
CF
T
1
=
. Trong đó C≥ 2
theo Shannon.
Để đảm bảo sai số của phép hồi phục đường cong ban đầu và sai số phép
rời rạc hoá cho trước, giá trị C phụ thuộc sai số hồi phục
ε
:
ε
π
8
2
=C
[TL4].

Hoặc lấy mẫu theo định lý mới về lấy mẫu tín hiệu đo lường của PGS.TS
Phạm Thượng Hàn theo biểu thức :
γ
π
3
2
max
f
fe =
[TL1 ]
Phương pháp tuyến tính hoá từng đoạn đòi hỏi nhiều thao tác lấy mẫu và
thực hiện tuyến tính từng đoạn. Với tần số lấy mẫu lớn, số điểm lấy mẫu
nhiều thì việc tuyến tính hoá cần khối lượng tính toán lớn, thủ công và mất rất
nhiều thời gian, công sức.
22
∆−
∆+
Đường giới hạn phải
Đường giới hạn trái Đường hiệu chuẩn
Đường đặc tính thực tế
Hình 1.12 : Đường đặc tính với sai số vượt quá giới hạn cho
phép
x
Y
-δ
Giả sử phương trình đường đặc tính thực tế Y
1
=g(X) và đường cong hiệu
chuẩn (đường đặc tính lý thuyết) được biểu diễn bằng phương trình Y
2

=f(X).
Để hiệu chỉnh lại đường đặc tính lý thuyết dịch lại gần với đường đặc
tính thực tế nhằm đạt sai số cho phép ta dùng phương pháp biến đổi hàm :
Y
1
=f(g
-1
(Y
2
))= φ(Y
2
), trong đó g
-1
là hàm ngược của g.
Hàm Y
1
= φ(Y
2
) có thể được xấp xỉ gần đúng với độ chính xác tuỳ ý sử
dụng mạng nơron, loại trừ được sai số do tuyến tính hoá đường cong thực tế.
Lý thuyết mạng nơron chỉ ra rằng có thể xấp xỉ một hàm phi tuyến bất kỳ với
độ chính xác tuỳ ý bằng mạng nơron với số nơron và số lớp ẩn thích hợp
[TL14], [TL18].
Tương tự ta cũng có thể hiệu chỉnh đường cong đặc tính lý thuyết theo
giá trị đo X. Hàm biến đổi có dạng X
1
=ϕ(X
2
) cũng có thể xấp xỉ chính xác
bằng mạng nơron.

23
Đặc tính thực tế - (1)
Đường hiệu chuẩn (Đặc tính lý thuyết) – (2)
100% X
100% Y
0
X
Hình 1.13: Hiệu chỉnh đường đặc tính thực tế
Y
1
Y
2
Do các hàm Y
1
= φ(Y
2
) và X
1
=ϕ(X
2
) đều là hàm đơn trị, đồng biến hoặc
nghịch biến nên ta có thể sử dụng những mạng nơron khá đơn giản đủ để thoã
mãn yêu cầu bài toán đặt ra.
Ta có một nhận xét quan trọng là phương pháp tuyến tính hoá đường
cong thực tế mắc phải một sai số hồi phục trong khi sử dụng mạng nơron có
thể xấp xỉ chính xác hàm chuyển đổi với độ chính xác tuỳ ý mà không phải
tuyến tính hoá đường cong thực tế, do đó sẽ giảm được sai số hệ thống và cho
độ chính xác cao hơn.
1.5 Đề xuất phương pháp sử dụng mạng nơron để giảm sai số ngẫu
nhiên và khắc độ bằng hàm nội suy Lagrange

Thông thường khi thực hiện phép đo ta cố định một giá trị chẳng hạn y
k
và thu được các giá trị đo ngẫu nhiên phân bố xung quanh giá trị thực x
k
,
k=1, n ; n là số điểm lấy mẫu để xây dựng đường đặc tính của cảm biến
Ta giả thiết đã có các giá trị thực X
k
và các giá trị đo ngẫu nhiên phân bố
theo luật phân phối chuẩn- luật Gauss đối với số lượng phép đo n≥20, và luật
phân phối Student đối với 2≤ n<20 [TL3].
24
X
Y
n
0
Y
1
Y
2
Y
k
Y
*
1
X
*
2
X
*

k
X
*
n
X
Hình 1.14 : Xây dựng đường đặc tính của cảm biến
Theo lý thuyết thống kê giá trị đo thực X
k
sẽ nằm trong khoảng :
k
k
kk
k
XXXXX ∆+<<∆−
. Như vậy giá trị trung bình
k
X
sẽ lệch với giá trị
thực X
k
một khoảng
kk
k
XXX ∆≤−
.
Từ tập các giá trị đo ngẫu nhiên ta sẽ sử dụng mạng nơron để tìm được
giá trị
*
k
X

sao cho
k
k
k
k
XXXX −<<−
ε
*
với
ε
nhỏ tuỳ ý cho trước. Khi
mạng nơron được huấn luyện để giá trị đầu ra của mạng
*
k
X
hội tụ về giá trị
thực X
k
thì đó là kết quả ước lượng tốt hơn giá trị trung bình
k
X
. Sau khi đã
có mạng nơron được huấn luyện để có đáp ứng gần với giá trị thực nhất thì
với một tập đầu vào số liệu đo ngẫu nhiên ta sẽ có giá trị đầu ra của mạng
*
k
X
. Các giá trị đầu ra
*
k

X
này có thể xem là giá trị thực để tiến hành thao tác
khắc độ cảm biến bằng phương pháp nội suy Lagrange. Việc sử dụng phương
pháp nội suy Lagrange có ưu điểm là hàm này sẽ đi qua tất cả những điểm lấy
mẫu và xấp xỉ hàm phi tuyến với độ chính xác cao.
25