nghiên cứu ứng dụng mạng nơ ron nhân tạo tuyến tính hóa đặc tuyến của cảm biến đo nồng độ khí mq135

MỞ ĐẦU
Quá trình phát triển của kỹ thuật đo và kỹ thuật cảm biến đã gắn bó chặt
chẽ với quá trình phát triển chung của nền sản xuất và nghiên cứu khoa học công
nghệ. Các phép đo đã bắt nguồn từ nhu cầu của sản xuất và đời sống nhân loại.
Mục tiêu và ứng dụng của nó là phục vụ sản xuất, phục vụ con người. Càng
ngày các đại lượng đo ngày một nhiều hơn, độ chính xác của phép đo ngày càng
được nâng cao hơn. Xã hội càng phát triển, sản xuất càng phát triển càng đặt ra
các yêu cầu cao hơn cho đo lường. Đo lường cũng ngày càng phát triển và ngày
nay đã có những bước tiến vượt bậc.
Cũng như mọi lĩnh vực của của sản xuất hay khoa học kỹ thuật khác, sự
thành công luôn gắn liền với vấn đề phải giải quyết. Kỹ thuật vi xử lý đã tạo ra
cuộc cách mạng trong kỹ thuật đo mà thành công rõ nét nhất của nó là sự ra đời
của những cảm biến thông minh. Những cảm biến này có khả năng chương trình
hóa những phép xử lý số liệu, những thuật toán gia công thông tin đo. Ngoài ra
những cảm biến đo lường này còn có kích thước vô cùng nhỏ gọn mà tính năng
ngày càng nhiều gắn với các hướng nghiên cứu sau:
- Nghiên cứu, thiết kế và chế tạo những nguyên lý mới, để mở rộng dải đo
cho cảm biến cũng như giảm kích thước và vật liệu chế tạo.
- Tăng thêm các tính năng của các cảm biến truyền thống: như mở rộng
dải đo, tăng độ nhạy và độ chính xác của các chuyển đổi sơ cấp. Ví dụ chọn
phương pháp đo phù hợp để tăng độ chính xác….
- Cấu trúc hóa cho nhỏ gọn cảm biến, đó là tích hợp một số tính năng của
cảm biến trong một chíp vi mạch nhỏ.
Chuyên đề này đề cập đến hướng nghiên cứu ứng dụng mạng nơ ron nhân
tạo tuyến tính hóa đặc tuyến của cảm biến đo nồng độ khí Mq135.

1


Chương 1. NGHIÊN CỨU THIẾT KẾ CHẾ TẠO CẢM BIẾN ĐO
NỒNG ĐỘ KHÍ NH3

1.1. ĐẶT VẤN ĐỀ
Hiện nay ngành chăn nuôi truyền thống nói chung và chăn nuôi gà nói
riêng đang phải đối mặt với một vấn đề rất nan giải đó là sự gây ra ô nhiễm
nghiêm trọng môi trường nước và không khí [4]. Sự ô nhiễm đã tạo ra mùi hôi
và khí độc ảnh hưởng đến sức khỏe của gia cầm và đặc biệt là con người. Do xử
lý chất thải không tốt, bởi không có dụng cụ đo kiểm soát môi trường khí
thường xuyên, nên khí NH3 phát tán, gây bệnh đường hô hấp cho vật nuôi đặc
biệt là gây nguy hiểm cho con người. Vì vậy việc đề xuất sản xuất một thiết bị
đo, giám sát và cảnh báo nồng độ khí độc hại tại các trang trại nuôi gà là rất cần
thiết, đáp ứng được xu thế phát triển và bảo vệ môi trường theo nhu cầu giám sát
của các cấp quản lý.
Thiết bị đo khí NH3 đáp ứng các yêu cầu sau:
Dải đo: 10 – 300ppm.
Thiết bị có kích thước nhỏ gọn (có thể cầm tay), hiển thị trực tiếp nồng
độ các khí lên LCD, cảnh báo trên đèn LED và còi báo động…),
Thiết bị làm việc được trong môi trường công nghiệp, chống nước, bụi
và chống nhiễu lớn từ máy biến áp,
Lưu trữ số liệu, truyền và trao đổi số liệu với bộ nhớ của thiết bị và máy
tính,
Thiết bị có thể chạy nguồn điện lưới hoặc pin,
Có khả năng kết nối với máy tính từ xa qua mạng di động GPRS/GSM.
Đặc biệt là giá thành sản phẩm phải rẻ để tất cả các trang trại nhỏ lẻ vẫn
có thể trang bị được;

2


Chính vì yêu cầu về giá thành và nội địa hóa thiết bị đo NH 3 mà cảm biến
MQ135 được đề xuất, cảm biến loại này có thể nhạy cảm với một số loại khí và
một yếu tố rất quan trọng đó là đặc tính đầu ra của nó phi tuyến.

1.2. PHÂN TÍCH VÀ LỰA CHỌN THIẾT BỊ ĐO VÀ GIÁM SÁT KHÍ
NH3 CHO TRANG TRẠI
1.2.1. Chỉ tiêu kỹ thuật môi trường không khí chuồng nuôi
Theo QCVN 01 - 99: 2012/BNNPTNT [11] quy định chỉ tiêu thông số kỹ
thuật và nồng độ các khí cho môi trường không khí chuồng nuôi như bảng 1.
Bảng 1.1: Yêu cầu vệ sinh môi trường không khí chuồng nuôi
STT

Tên chỉ tiêu

Đơn vị

Giới hạn max

1

Nhiệt độ

0

C

18-32

2

Độ ẩm

%

80

3

Tốc độ gió

m/s

2.5

4

Độ bụi

Mg/m3

0.3

5

Độ ồn

dB

75

6

Độ nhiễm khuẩn không khí

Vk/m3

7

NH3

ppm

10

8

H2S

ppm

5

4x103

Dựa trên các chỉ tiêu kỹ thuật quy định trong bảng 1.1, sẽ đưa ra một thiết
kế của thiết bị đo khí NH3. Khi có các thông số này các trang trại chăn nuôi có
các biện pháp xử lý: Bao gồm các biện pháp cơ học, lý học, hóa học được sử
dụng để khử mùi, loại bỏ các tác nhân gây hại cho người và gia cầm khi các chỉ
tiêu này quá nồng độ cho phép.
1.2.2. Mô hình nhiệm vụ xây dựng thiết bị đo
Trong mô hình như trên hình 1.1, thiết bị đo có các khối cơ bản sau:
Khối chuẩn hóa tín hiệu;
Bộ nhớ dung lượng cao (thẻ nhớ SD);
3

Màn hình hiển thị LCD;
Khối vi xử lý trung tâm;
Sensor;
Và khối kết nối mạng từ xa.

Hình 1.1. Sơ đồ khối của thiết bị đo
Sensor làm nhiệm vụ thu thập thông tin đo từ đối tượng, biến đại lượng
cần đo thành đại lượng điện, tín hiệu sau cảm biến được đưa vào chuẩn hóa tín
hiệu (CHTH), các bộ CHTH làm nhiệm vụ tạo ra tín hiệu chuẩn (thường là điện
áp từ 0 đến 5 V), đưa tín hiệu vào bộ vi xử lý trung tâm. Bộ ADC tích hợp sẵn
trong vi xử lý trung tâm sẽ biến thành các tín hiệu số.
Kết quả được đưa hiển thị trực tiếp trên LCD, truyền lên PC, hay ghi vào
bộ nhớ ngoài (SD).
Để đo nồng độ khí NH3 trong các trang trại thông thường người ta đo ở
các vị trí: 4 góc và giữa chuồng đối với chuồng hở và đo ở 4 điểm thoát khí và
giữa chuồng đối với chuồng kín. Mỗi tháng đo 3 đợt, mỗi đợt đo 3 ngày liên
tiếp, thời điểm đo: 6h, 12h, 18h, 23h [12]. Như vậy ta cần một hệ thống tích hợp
ít nhất 4 đầu đo.
Tín hiệu đo được từ các điểm đo được gọi là các Slave được thu thập bởi
một Master trung tâm có kết nối với PC để xử lý dữ liệu qua mạng.
4


Hình 1.2. Sơ đồ nhiều điểm đo trên trang trại
1.2.3. Chức năng các khối
1. Khối sensor
Các thiết bị phân tích khí truyền thống có độ chính xác cao được biết đến
như là ‘sắc ký khí’, ‘thiết bị phân tích phổ linh động ion’, ‘thiết bị phân tích phổ

khối lượng’ và ‘thiết bị phân tích phổ hấp thụ hồng ngoại’ hiện vẫn đang được
sử dụng. Tuy nhiên, các thiết bị này có hạn chế như là: kích thước lớn, cấu tạo
phức tạp, giá thành cao, quá trình vận hành sử dụng thiết bị khó khăn và thời
gian phân tích dài. Để đáp ứng được với yêu cầu thực tế, các cảm biến khí hóa
học trên cơ sở vật liệu dạng rắn (solid-state chemical gas sensor), cảm biến độ
dẫn điện (hay còn gọi là cảm biến bán dẫn), cảm biến nhiệt xúc tác, cảm biến
điện hóa, cảm biến dựa trên hiệu ứng trường của một số linh kiện bán dẫn,…
được nghiên cứu và ứng dụng rộng rãi.
Cảm biến thông dụng là MQ135. Cụ thể, nguyên lý hoạt động và mô tả
của các cảm biến này như sau:
MQ135 là loại cảm biến khí có độ nhạy cao với khí NH 3 nên được dùng
để phát hiện khí NH3. Cảm biến có hình dạng như hình 3.

5


Hình 1.3. Sensor MQ135
2. Khối chuyển đổi chuẩn hóa tín hiệu
Tín hiệu ra từ sensor thường có áp độ lớn rất nhỏ (cỡ mV), nên tín hiệu từ
sensor cần phải qua bộ chuyển đổi chuẩn hóa tín hiệu (CHTH) để khuếch đại đạt
độ lớn 0 ÷ 5 V trước khi đưa vào khối ADC của vi xử lư trung tâm. Sơ đồ
nguyên lý của khối chuẩn hóa tín hiệu được thể hiện trên hình 1.5.
Mạch sử dụng khuếch đại đo lường AD620 để khuếch đại điện áp từ sensor.
AD620 là IC khuếch đại vi sai cho chất lượng cao. Với khả năng dễ dàng điều
chỉnh hệ số khuếch đại từ 1 cho tới 1000 bằng cách thay đổi giá trị điện trở
khuếch đại đặt vào giữa của hai phần tử khuếch đại thuật toán nằm bên trong IC.
Đặc tính khuếch đại ít phụ thuộc vào nhiệt độ (điện áp offset tối đa 0.6µV/ºC).
Điện áp ra từ sensor MQ135 và MQ136 cấp về ở mức <500 mV, do đó cần
khuếch đại lên 10 lần để đưa vào bộ ADC bên trong vi xử lý.

Hình 1.4. Khối chuẩn hóa tín hiệu

6


3. Bộ nhớ ngoài
Ngoài việc truyền trực tiếp hiển thị trên LCD và lưu trữ trên PC, thiết bị
đo cần có một bộ nhớ ngoài có dung lượng đủ lớn để lưu trữ dữ liệu trong thời
gian dài.
Thiết bị đo này sử dụng thẻ nhớ SD (Hình 1.5) có dung lượng lớn 2GB
thỏa mãn được yêu cầu lưu trữ kết quả đo trong thời gian dài (có thể lưu liên tục
trong nhiều tháng). Thẻ nhớ được ghép nối với vi xử lý qua chuẩn giao tiếp SPI.

Hình 1.5. Thẻ nhớ dung lượng cao SD (trái) và mạch nguyên lý ghép nối vào vi
xử lý (phải)
4. Khối hiển thị kết quả
Phím bấm và LCD cho phép người sử dụng có thể quan sát các thông số
ngay tại vị trí.
Trong trường hợp này, do nhu cầu hiển thị đơn giản nên ta lựa chọn sử
dụng LCD loại 16x2, gồm có 2 dòng đơn sắc với 16 ký tự ASCII mỗi dòng.

Hình 1.6. Hình ảnh của màn hình LCD (trái) và mạch nguyên lý ghép nối vào vi
xử lý (phải)
5. Khối xử lý trung tâm của thiết bị đo
7


Do yêu cầu về tốc độ tính toán nên thiết bị lựa chọn vi xử lý trung tâm sử
dụng công nghệ ARM là STM32F101, tốc độ 72MHz, có thư viện hỗ trợ hầu hết
các khối chức năng quan trọng như ADC, giao tiếp UART, LCD...

Hình 1.7. Khối vi xử lý trung tâm
6. Khối ghép nối Internet để ghép nối đa điểm
Chọn chuẩn GPRS để kết nối với thiết bị từ xa. F2103 GPRS IP Model là
thiết bị di động đầu cuối cung cấp giải pháp truyền dữ liệu trên mạng GPRS.

Hình 1.8. Hình ảnh thiết bị GPRS IP Model F2103
1.3. KẾT QUẢ TRIỂN KHAI
8


Các thiết kế trên đây đã được thử nghiệm hoàn chỉnh trên các sơ đồ
nguyên lý và thiết kế mạch cứng sử dụng công nghệ ARM có tên là
STM32F101, thiết bị được đóng trong vỏ có kích thước nhỏ gọn 16cm x 9cm x
42cm.

Hình 1.9. Hình ảnh của mạch in

Hình 1.10. Thiết bị đã chế tạo
Thiết bị chế tạo đã có các kênh đo khí hoạt động, nhạy với các khí tạo ra
(hiện thiết bị đã kiểm định tại Viện Đo lường Việt Nam). Các thiết bị ngoại vi
như màn hình, phím điều khiển, thẻ nhớ đã hoạt động tốt. Kênh truyền thông
hoạt động tốt, đảm bảo ghép nối giữa các thiết bị với máy tính trung tâm.

9


Chương 2. CÁC PHƯƠNG PHÁP TUYẾN TÍNH HÓA ĐẶC TÍNH
CHO CẢM BIẾN ĐO LƯỜNG
2.1. KHÁI QUÁT CHUNG LỊCH SỬ PHÁT TRIỂN CỦA THIẾT BỊ ĐO

2.1.1. Giai đoạn năm 1990
Giai đoạn này là kỷ nguyên của công nghệ thông tin:
- Thiết kế một hệ thống thông tin
- Thiết bị đo bước vào một thời kỳ cách mạng mới:
- Số liệu dưới dạng số
- Tốc độ xử lý và truyền đạt ngày càng lớn
- Sử dụng bộ xử lý chuyên dụng.
- Sử dụng mạng chuyên dụng.
2.1.2. Thiết bị đo trong tương lai
1. Thiết bị đo được ‘ảo hóa’
- Sử dụng hệ thống thông tin
- Sử dụng công nghệ dòng chảy và vi điện tử
- Sử dụng ngày càng ổn định.
- Bảo mật tốt hơn.
2. Thiết bị đo phân tán
- Sử dụng mạng công nghiệp: RS232, Bus IEEE 488, bus I2C, bus CAN,
mạng WorldFIP.
- Dựa vào việc sử dụng mạng công nghệ thông tin ‘truyền thống’: Các
thiết bị sử dụng cấu trúc theo mạng Ethernet và sử dụng Internet
- Thiết bị truyền không dây (wirelessHart…)

10


3. Các cảm biến càng ngày càng được thu nhỏ lại
Nhờ có: Công nghệ vi điện tử và vi công cụ mà ngày nay càng ngày thiết
bị đo càng có kích thước nhỏ gọn.
4. Do sử dụng mạng và sự phát triển của công nghệ vi điện tử , các cảm biến
trở nên thông minh hơn
- Có khả năng tự thay đổi ở bên trong

- Đứng độc lập: Giảm công suất thiêu thụ; Tự động đáp ứng được các
chức năng của môi trường và người sử dụng
- Khả năng tự động thao tác: truyền thông tin trong các cảm biến và trạm
về số liệu đo trong mạng
- Bảo quản, bảo trì thường xuyên
- Chuẩn hóa giao diện
2.2. CẤU TRÚC CHUNG CỦA CẢM BIẾN ĐO LƯỜNG
Mỗi cảm biến đo lường cơ bản có 3 bộ phận chính là:
- Chuyển đổi sơ cấp (CĐSC).
- Mạch đo (MĐ).
- Cơ cấu chỉ thị (CCCT).

Hình 2.1. Cấu trúc cơ bản của dụng cụ đo
2.3. CẤU TRÚC CỦA CẢM BIẾN ĐO LƯỜNG THÔNG MINH
Cấu trúc chung của một cảm biến thông minh (Smart Sensor) như hình 2.2.
Cảm biến thông minh là thiết bị thực hiện một số chức năng xử lý một
cách linh hoạt theo một thuật toán với một ý đồ nhất định của người thiết kế.
Với vai trò của μP:
11


- Thu thập số liệu
- Lưu giữ các quá trình chuẩn độ, các thông số
- Tuyến tính hoá, tính toán nội suy
- Điều hành việc đo

Hình 2.2. Cấu trúc của cảm biến thông minh
Ý nghĩa thông minh của cảm biến được hạn chế trong chuyên đề này là
tuyến tính hóa đường đặc tính của chuyển đổi sơ cấp.
2.4. CÁC PHƯƠNG PHÁP TUYẾN TÍNH HÓA ĐẶC TÍNH CỦA CẢM

BIẾN
2.4.1. Phương pháp xấp xỉ tuyến tính từng đoạn
y2

y

y3

y1

y=f(x)

y0
∆y

x
x0

x0

x1

x1

x2

x2

x3

x3

x

Hình 2.3. Phương pháp xấp xỉ tuyến tính từng đoạn
12


Nếu muốn xây dựng hàm gần đúng có dạng tuyến tính gấp khúc như hình
2.3 thì từng đoạn tuyến tính được xác định như sau:
Giả sử θi −1 < θ < θi cần xác định đường thẳng U = a + b ×θ đi qua hai điểm

( θ1 ,U1 ) và ( θi −1 ,U i −1 )
−θ
θ
U=
θ −θ
i

i −1
i −1

−θ
θ
U1 +
θ −θ

i

i −1

Ui-1

(2.1)

i

Phương pháp này có ưu điểm là nếu ta tuyến tính ít đoạn thẳng thì cách
tạo hàm đơn giản tuy nhiên sai số ∆y sẽ lớn. Còn nếu ta xác định nhiều đoạn
thẳng thì sai số sẽ nhỏ nhưng lại phức tạp. Do vậy ngày nay người ta thường
dùng mạng nơ ron để tuyến tính hóa đặc tính của cảm biến.
2.4.2. Ứng dụng mạng nơ ron nhân tạo để tuyến tính hóa đặc tính của cảm
biến
1. Vị trí của chuyên ngành mạng nơ ron và ứng dụng trong xử lý tín hiệu
Một trong những mục đích chính của ngành trí tuệ nhân tạo là nghiên cứu
và phát triển các mô hình mô phỏng những khả năng về tư duy, phân tích và xử
lý thông tin của con người.
Trong các lĩnh vực của ngành trí tuệ nhân tạo, các nghiên cứu về cơ chế
hoạt động và các khả năng của bộ não con người tạo thành một chuyên ngành
được gọi là mạng nơ ron nhân tạo (MNN).
Với khả năng xây dựng các ánh xạ, các hàm truyền đạt phi tuyến, MNN
đã được ứng dụng rộng rãi trong rất nhiều lĩnh vực, nhiều bài toán khác nhau.
2. Mô hình mạng nơ ron MLP [13]
* Mô hình nơ ron nhân tạo của McCulloch -Pitts
Một trong những nghiên cứu đầu tiên đưa ra được mô hình toán học cho
nơ ron là của McCulloch -Pitts vào năm 1993. Theo đó ta có thể mô tả các nơ
ron thần kinh của con người và có cấu trúc đặc trưng chung như sau:

13

- Nhiều tín hiệu đầu vào
- Mỗi đầu vào có một hệ số khuếch đại về mức độ ảnh hưởng tới nơ ron (trọng
số kết nối)
- Mỗi nơ ron hoạt động theo nguyên tắc ngưỡng: nơ ron bị kích thích vượt
ngưỡng sẽ phát ra một xung (điện áp) ở đầu ra
- Các trọng số ghép nối và ngưỡng hoạt động của nơ ron đều có thể thay đổi
theo thời gian hoặc thay đổi thích nghi -> từ đó ta có khả năng học của nơ ron.

Hình 2.4. Ví dụ về xung tín hiệu đầu ra của một nơ-ron khi bị kích thích
vượt ngưỡng
Mô hình nơ ron được thể hiện trên hình 2.5 với hàm kích hoạt được sử
dụng là hàm ngưỡng.

Hình 2.5. Mô hình nơ ron chi tiết
14


Với

 N

yi = f  ∑ wij x j + wi 0 ÷
 j =1


(2.2)

Bên cạnh đó mô hình của nơ ron với phân cực bias là đầu vào xo như hình 2.6

Hình 2.6. Mô hình của nơ ron với phân cực bias là đầu vào xo
* Các dạng hàm truyền đạt
1
1 + e − bu
1 − e −bu
tansigb (u ) =
1 + e −bu
sigmoidb (u ) =

(2.3)

Hình 2.7. Hàm truyền đạt logsig với các hệ số dốc a khác nhau
f b (u ) =

1
1 + exp( −bu )

(2.4)
15


Hình 2.8. Hàm truyền đạt tansig với các hệ số dốc a khác nhau
f b (u ) = tanh(bu )

(2.5)

* Quá trình “học” “có hướng dẫn” của một nơ ron đơn
 N

yi = f  ∑ wij x j + wi 0 ÷

 j =1


(2.6)

Mục tiêu: Tìm các giá trị của các trọng số ghép nối wij và của ngưỡng wi0
để khớp được giá trị đầu ra yi với một giá trị đích cho trước d i -> Cần tìm cực
tiểu của hàm sai số:
E=

1
2
( yi − di )
∑
2 i

(2.7)

- Sử dụng gradient:
w (k + 1) = w ( k ) − η

∂E
∂w

(2.8)

hoặc:
wij (k + 1) = wij (k ) − η

∂E

∂wij

(2.9)

- Sử dụng gradient phối hợp với hệ số quán tính:
16


wij (k + 1) = wij (k ) − η

∂E
+ α∆wij (k ) (2.10)
∂wij

Hình 2.9. Hệ số quán tính cho phép quá trình học vượt qua được vùng cực tiểu
thứ nhất để tới được vùng thứ hai tốt hơn.
* Mạng perceptron và mạng MLP
Một nơ ron đơn lẻ sẽ có khả năng hết sức hạn chế khi mô phỏng quan hệ
phi tuyến giữa đầu vào và đầu ra -> Ta cần có một tập hợp các nơ ron phối hợp
hoạt động với nhau -> Ta cần một mạng nơ ron.
- Hệ thần kinh con người có khoảng ~1011-1012 nơ ron,
- Mỗi nơ ron của con người có thể có tới 100 kênh đầu vào.
- Mỗi nơ ron hoạt động với chu kỳ khoảng ~10 -3s nhưng trong nhiều
trường hợp thì bộ não con người xử lý tín hiệu tốt hơn các máy tính hoạt động
với tần số cao hơn rất nhiều (ví dụ các vi xử lý với tần số đồng hồ lên tới GHz).
Để đơn giản hóa các quá trình tính toán, mô phỏng và triển khai, ta
thường xây dựng các mạng MLP, MLP là một mạng truyền thẳng với các khối
cơ bản là các nơ ron McCulloch -Pitts với các ràng buộc sau (nhưng không phải
là điều kiện bắt buộc) :
–

–
–

Các nơ ron được tổ chức thành các “lớp”.
Các nơ ron trong một lớp không có ghép nối với nhau.
Các nơ ron trong cùng một lớp có cùng một hàm truyền đạt.
17


Một mạng có một lớp đầu vào, một lớp đầu ra và một số lớp ẩn.

Hình 2.10. Mạng MLP với một lớp ẩn
Quá trình “lan truyền thuận” để tính đáp ứng đầu ra của mạng (ví dụ tính
toán cho trường hợp 1 lớp ẩn)
Đầu ra của các nơ ron lớp ẩn:
 N

vi = f1  ∑ Wij x j ÷
 j =0


(2.11)

Đầu ra của mạng:
 K
 N

 K

yk = f 2  ∑ Vki vi ÷ = f 2  ∑ Vki f1  ∑ Wij x j ÷÷ (2.12)

 i =0
÷
 i =0

 j =0



Quá trình “học” của mạng MLP
Mục đích là xây dựng một mạng MLP trên cơ sở một bộ mẫu số liệu học:

{ xi , di } , i = 1, 2,K , p
y i = MLP (x i ) ≈ di ∀i = 1, 2,K , p, (2.13)

Giá trị hàm sai số:
E=

1 p
∑ y i − di
2 i =1

2

(2.14)

* Phương pháp xây dựng mạng MLP
18


Các nhiệm vụ:

–
•
•
•
–

Xác định cấu trúc của mạng:
Bao nhiêu lớp ẩn?
Hàm truyền đạt của mỗi lớp?
Bao nhiêu nơ ron trên mỗi lớp?
Xác định các trọng số ghép nối giữa các lớp của mạng để tối ưu hóa sai

số. Với mạng nơ ron có 1 lớp ẩn, ta có hai bộ trọng số: các trọng số ghép nối
giữa lớp vào và lớp ẩn; các trọng số ghép nối giữa lớp ẩn và lớp ra.
Thuật toán học sử dụng gradient
Một bước học (thứ k):
-

Xét mẫu học tiếp theo, đưa đầu vào của mẫu học vào mạng MLP để tính

toán đáp ứng đầu ra tương ứng (quá trình lan truyền thuận).
- Tính gradient g(k) của hàm sai số và tính lượng điều chỉnh trọng số p(k)
(trong thuật toán bước giảm cực đại p(k)=-g(k)),
- Cập nhật các trọng số theo lượng điều chỉnh: w (k + 1) = w (k ) + η p(k )
- Tính lại giá trị mới của hàm sai số. Nếu các điều kiện dừng được thỏa
mãn thì stop, trái lại ta sẽ tiếp tục bước học mới (k+1).
Thuật toán bước giảm cực đại p = -g
Khi sử dụng thuật toán giảm bước cực đại, khởi tạo các giá trị trọng số
bằng các giá trị ngẫu nhiên nào đó, sau đó xây dựng công thức lặp để điều chỉnh
liên tiếp các giá trị trọng số để hảm sai số tiến tới cực trị.

∂E
wαβ (k + 1) = wαβ (k ) − η ×
∂wαβ

(2.15)

Với hàm mục tiêu E:
K
∂y
∂E
= ∑ ( yk − d k ) k
∂wαβ k =1
∂wαβ

(2.16)

 K
 N

 K

yk = f 2 ( g k ) = f 2  ∑ Vki vi ÷ = f 2  ∑ Vki f1  ∑ Wij x j ÷÷ (2.17)
 i =0
÷
 i =0

 j =0


∂V

∂yk
= f 2′ ( g k ) × k β = f 2′ ( g k ) ×δ kα
∂Vαβ
∂Vαβ

(2.18)

19


K
K
∂yk
∂v
∂u
= f 2′ ( g k ) ×∑ Vki × i = f 2′ ( g k ) ×∑ Vki ×f1′(uk ) × k
∂Wαβ
∂Wαβ
∂Wαβ
i =1
i =1

∂u
= f 2′ ( g k ) ×Vα i ×f1′(uα ) × α = f 2′ ( g k ) ×Vα i ×f1′(uα ) ×xβ
∂Wαβ

(2.19)

2. Ứng dụng MNN trong tuyến tính hóa đặc tính của chuyển đổi sơ cấp
Với những ưu điểm lý thuyết về mạng nơ ron nhân tạo đã có những

nghiên cứu và ứng dụng thành công nhiều trong thực tế như trên, đặc biệt là
trong lĩnh vực đo lường như các công trình [2; 13] đã ứng dụng mạng nơ ron để
thông minh hóa cảm biến đo nhiệt độ như tuyến tính hóa đặc tính, bù sai số hệ
thống ….
Mô hình cảm biến ứng dụng mạng nơ ron nhân tạo với sơ đồ chức năng
hình 2.11:

Hình 2.11. Sơ đồ cấu trúc cảm biến sơ cấp nơ ron
Đầu ra của chuyển đổi sơ cấp là y(x), của cảm biến mới là z=f(y(x)), sẽ
được tuyến tính hơn y(x).
Cảm biến bao gồm 2 khối cơ bản đó là khối chuyển đổi sơ cấp và chuyển
đổi nơ ron. Khối chuyển đổi sơ cấp có nhiệm vụ biến đổi các đại lượng cần đo
thành các tín hiệu điện (như điện áp, dòng điện..). Khối chuyển đổi nơ ron là
một mạng nơ ron nhân tạo ghép nối với chuyển đổi sơ cấp thành một mạch nối
tiếp. Bởi MNN nó có các khả năng sau:
- Nó có nhiệm vụ ánh xạ những đường cong có dạng như đặc tính của
chuyển đổi sơ cấp. MNN có thể ánh xạ được các đường cong đặc tuyến vào – ra
khác nhau. Đặc tính của khâu chuyển đổi sơ cấp là y(x), đặc tính của khâu

20


chuyển đổi nơ ron là z(y). Tổng hợp lại ta có đặc tuyến vào – ra của cảm biến hơ
ron là z(x).
- MNN có thể đào tạo được, nên có thể huấn luyện MNN để nó ánh xạ đặc
tuyến theo ý muốn. Với bộ mẫu cho trước ta có thể xây dựng MNN với hàm
chuyển đổi f phù hợp sao cho z(x)=f(y(x)), tốt hơn y(x), theo một nghĩa nào đó.
Trên cơ sở đó có thể thực hiện chức năng thông minh hóa cảm biến đo lường
theo nghĩa tạo ra những đặc tính của cảm biến, đáp ứng những yêu cầu khác
nhau của các hệ thống đo lường, đó là: đặc tính có được độ tuyến tính trong toàn

dải đo; tự động bù với các biến đổi của môi trường làm ảnh hướng đến phép đo
để loại trừ các sai số, đảm bảo độ chính xác của phép đo.
- Việc ứng dụng tính toán MNN tạo ra khả năng thực hiện quá trình xử lý
số liệu trong quá trình thiết kế mạng. Do đó khi hoạt động MNN cần rất ít thời
gian để xử lý số liệu, trong khi ở các hệ tính toán theo kiểu truyền thống, quá
trình xử lý số liệu lại diễn ra trong tiến trình thực hiện phép đo theo chương
trình đã xây dựng. Chương trình tính toán và xử lý số liệu bao gồm tập hợp
nhiều dãy lệnh, để thực hiện chương trình cần thời gian để thực hiện tuần tự
từng lệnh trong những dãy lệnh đó cho tới khi kết thục chương trình.
- Quá trình luyện mạng, xét về mặt chức năng gần như tương đương với
quá trình lập và cài đặt chương trình cho các hệ tính toán theo phuwong pháp số
truyền thống. Nhưng quá trình luyện mạng lại có thể thực hiện khi thiết kế
MNN, nghĩa là ngoài quá trình đo. Chính điều này cho phép rút ngắn thời gian
thực hiện phép đo, giảm thời gian xử lý thông tin trong quá trình đo.

Chương 3. TUYẾN TÍNH HÓA ĐẶC TÍNH CỦA CẢM BIẾN
MQ135
3.1. XÂY DỰNG ĐẶC TÍNH CỦA CẢM BIẾN MQ135
3.1.1. Đặc tính chung
Các thiết bị phân tích khí truyền thống có độ chính xác cao được biết đến
như là ‘sắc ký khí’, ‘thiết bị phân tích phổ linh động ion’, ‘thiết bị phân tích phổ
khối lượng’ và ‘thiết bị phân tích phổ hấp thụ hồng ngoại’ hiện vẫn đang được
21


sử dụng. Tuy nhiên, các thiết bị này có hạn chế như là: kích thước lớn, cấu tạo
phức tạp, giá thành cao, quá trình vận hành sử dụng thiết bị khó khăn và thời
gian phân tích dài. Để đáp ứng được với yêu cầu thực tế, các cảm biến khí hóa
học trên cơ sở vật liệu dạng rắn (solid-state chemical gas sensor), cảm biến độ
dẫn điện (hay còn gọi là cảm biến bán dẫn), cảm biến nhiệt xúc tác, cảm biến

điện hóa, cảm biến dựa trên hiệu ứng trường của một số linh kiện bán dẫn,…
được nghiên cứu và ứng dụng rộng rãi.
Cảm biến thông dụng đo NH 3 là MQ135. Cụ thể, nguyên lý hoạt động và
mô tả của các cảm biến này như sau.
MQ135 là loại cảm biến khí có độ nhạy cao với khí NH 3 nên được dùng
để phát hiện khí NH3. Cảm biến có hình dạng như hình 3.1.

Hình 3.1. Sensor MQ135
- Thông số kỹ thuật của MQ135 như sau:
Điện áp của bộ nung: 5V±0,1AC/DC;
Điện trở tải: Thay đổi được (2kΩ-47kΩ);
Điện trở của bộ nung: 33Ω±5%;
Khoảng phát hiện đến 300 ppm NH3.
Sơ đồ kết nối làm việc của cảm biến được thể hiện trong hình 3.2.[6]
22


Hình 3.2. Mạch nguyên lý làm việc
Cảm biến cần phải được cấp 2 nguồn điện áp: điện áp bộ nung (V H) và
điện áp cung cấp (VC). Nguồn VH sử dụng để cung cấp nhiệt độ làm việc của
cảm biến, trong khi nguồn V C sử dụng để tạo điện áp (Vout) trên điện trở tải (RL)
khi nối tiếp với cảm biến. Hai nguồn V C và VH có thể sử dụng cùng một mạch
nguồn để đảm bảo hiệu suất của cảm biến. Để sử dụng cảm biến với hiệu suất
tốt nhất, giá trị RL cần lựa chọn phù hợp nên chọn là 20kΩ (dải điều chỉnh từ
10kΩ đến 47kΩ)
Công suất của cảm biến:
PS = VC2 ×

RS

( RS + RL ) 2

(3.1)

Điện trở của cảm biến:
V

RS =  C − 1÷×RL
V
 out


(3.2)

Trong mạch trên điện trở RL kết hợp với điện trở của cảm biến (RAB) tạo
thành mạch phân áp. Điện áp trên RL tỷ lệ thuận với nồng độ khí mà cảm biến
cảm nhận được.
3.1.2. Xây dựng đặc tính đầu ra của cảm biến
Dựa vào đặc tính logarit của cảm biến trên hình 3.3 [6]:

23


Hình 3.3. Đặc tính logarit của cảm biến
Dạng tổng quát của đường thẳng

y = a× x +b
R
log10  s
 Ro

⇔


÷ = a × log10 ( ppm ) + b


Rs
a
a
= ( ppm ) ×10b = k × ( ppm )
Ro

⇔ Rs = k × Ro × ( ppm )

a

(3.3)

(3.4)
(3.5)

Bằng phương pháp xác định tọa độ các điểm trên hình vẽ ta có:
2 điểm A (0; 1,406); B(1; 1)
Từ 2 điểm ta viết được phương trình

y = −0, 406 × x + 1, 406
⇒ a = -0,406 ; b = 1,406

24

Thay a, b vào phương trình (3.3) ta có:
R 
log10  s ÷ = −0, 406 × log10 ( ppm ) + 1, 406
 Ro 

(3.6)

Ta có:
R 
 R 
R 
y = log10  s ÷ = log10  1 − s ÷ = log10  s ÷+ 1
 Ro 
 Ro 
 Ro 

(3.7)

 ppm 
x = log10 
÷ = log10 ( ppm ) − 1
 10 

R 
⇒ log10  s ÷+ 1 = −0, 406 ×  log10 ( ppm ) − 1 + 1, 406
 Ro 
R 
⇒ log10  s ÷ = −0, 406 × log10 ( ppm ) + 0,812
 Ro 

⇒

Rs
−0,406×log10 ( ppm ) + 0,812 
= 10 
= ppm −0,486 × 6, 486
Ro

(3.8)

⇒ Rs = 6, 486 × Ro × ppm −0,486

Ta có: Vout = f ( Rs )
Có Vcc nt Rs nt RL
Vcc = U RL + U RS = I × ( RL + RS )
Vout = I × RL
Vcc = ( RL + RS ) ×
⇒ Vout =

=

Vout
RL

Vcc × RL
5 × 20
=
RL + RS 20 + RS
100
100

=
20 + RS 20 + 6, 486 × Ro × ppm −0,486

(3.9)
25