Algoritmos inteligentes para auto-correção, auto-verificação e auto-validação de medidas em sensores

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 appr...

Descripció completa

Guardat en:
Dades bibliogràfiques
Autor principal: Pereira, David Ricardo do Vale
Altres autors: Dória Neto, Adrião Duarte
Format: Dissertação
Idioma:por
Publicat: Universidade Federal do Rio Grande do Norte
Matèries:

Redes Neurais
Sensores
Redes Industriais
Neural Networks
Sensors
Industrial Networks
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Accés en línia:https://repositorio.ufrn.br/jspui/handle/123456789/15181
Etiquetes: Afegir etiqueta
Sense etiquetes, Sigues el primer a etiquetar aquest registre!
id ri-123456789-15181
record_format dspace
spelling ri-123456789-151812021-09-29T17:09:58Z Algoritmos inteligentes para auto-correção, auto-verificação e auto-validação de medidas em sensores Pereira, David Ricardo do Vale Dória Neto, Adrião Duarte http://lattes.cnpq.br/7522378404787343 http://lattes.cnpq.br/1987295209521433 Melo, Jorge Dantas de http://lattes.cnpq.br/7325007451912598  Redes Neurais Sensores Redes Industriais  Neural Networks Sensors Industrial Networks CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA 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 Conselho Nacional de Desenvolvimento Científico e Tecnológico Neste trabalho é apresentado um conjunto de algoritmos inteligentes que têm como objetivo a correção de erros de calibração em sensores e a diminuição da periodicidade de suas calibrações. Tais algoritmos foram desenvolvidos utilizando Redes Neurais Artificiais devido a sua grande capacidade de aprendizado, adaptação e aproximação de funções. Serão mostradas duas abordagens, a primeira utiliza redes Perceptron de Múltiplas Camadas para aproximar as diversas formas da curva de calibração do sensor que se descalibra em diferentes instantes do tempo. Tal abordagem exige o conhecimento do tempo de funcionamento do sensor, informação que nem sempre está disponível. Para superar essa necessidade, uma outra abordagem utilizando Redes Neurais Recorrentes foiproposta. As Redes Recorrentes possuem uma grande capacidade de aprender a dinâmica do sistema para o qual ela foi treinada e, assim, podem aprender a dinâmica de descalibração do sensor. Conhecendo o tempo de funcionamento do sensor ou a sua dinâmica de descalibração, é possível determinar o quanto um sensor está descalibrado e corrigir o valor medido, proporcionando uma medição mais exata. Os algoritmos aqui propostos podem ser implementados em ambientes de redes industriais Foundation Fieldbus, que possuem uma boa capacidade de programação de dispositivos através dos blocos funcionais, possibilitando aplicações nos processos de medição 2014-12-17T14:55:04Z 2014-12-12 2014-12-17T14:55:04Z 2006-05-19 masterThesis PEREIRA, David Ricardo do Vale. Algoritmos inteligentes para auto-correção, auto-verificação e auto-validação de medidas em sensores. 2006. 79 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2006. https://repositorio.ufrn.br/jspui/handle/123456789/15181 por Acesso Aberto application/pdf application/pdf Universidade Federal do Rio Grande do Norte BR UFRN Programa de Pós-Graduação em Engenharia Elétrica Automação e Sistemas; Engenharia de Computação; Telecomunicações
institution Repositório Institucional
collection RI - UFRN
language por
topic 
Redes Neurais
Sensores
Redes Industriais

Neural Networks
Sensors
Industrial Networks
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
spellingShingle 
Redes Neurais
Sensores
Redes Industriais

Neural Networks
Sensors
Industrial Networks
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Pereira, David Ricardo do Vale
Algoritmos inteligentes para auto-correção, auto-verificação e auto-validação de medidas em sensores
description 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
author2 Dória Neto, Adrião Duarte
author_facet Dória Neto, Adrião Duarte
Pereira, David Ricardo do Vale
format masterThesis
author Pereira, David Ricardo do Vale
author_sort Pereira, David Ricardo do Vale
title Algoritmos inteligentes para auto-correção, auto-verificação e auto-validação de medidas em sensores
title_short Algoritmos inteligentes para auto-correção, auto-verificação e auto-validação de medidas em sensores
title_full Algoritmos inteligentes para auto-correção, auto-verificação e auto-validação de medidas em sensores
title_fullStr Algoritmos inteligentes para auto-correção, auto-verificação e auto-validação de medidas em sensores
title_full_unstemmed Algoritmos inteligentes para auto-correção, auto-verificação e auto-validação de medidas em sensores
title_sort algoritmos inteligentes para auto-correção, auto-verificação e auto-validação de medidas em sensores
publisher Universidade Federal do Rio Grande do Norte
publishDate 2014
url https://repositorio.ufrn.br/jspui/handle/123456789/15181
work_keys_str_mv AT pereiradavidricardodovale algoritmosinteligentesparaautocorrecaoautoverificacaoeautovalidacaodemedidasemsensores
_version_ 1773962776604049408

Ítems similars