Estimation of flow velocity in open channels with the use of electromagnetic flowmeter and neural network

• Autorzy: Jakubowski J. , Michalski A.

Warianty tytułu

PL

Pomiar przepływu wody w kanale otwartym przy wykorzystaniu metody elektromagnetycznej i sieci neuronowej

• Języki publikacji: EN

Abstrakty

EN

Presented paper describes signal processing for electromagnetic flow meter dedicated for open channels. The investigation on the possibilities to use a multilayer neural network in the estimation of the flow velocity is discussed with respect to the distortions caused by the measuring method and external noises.

PL

Referat prezentuje problematykę przetwarzania w algorytmie pomiarowym przepływomierza elektromagnetycznego dla kanału otwartego. Przedstawiono w nim wyniki badań nad możliwością wykorzystania sieci neuronowej typu perceptron wielowarstwowy w wyznaczaniu prędkości przepływu cieczy w warunkach zniekształceń sygnału wnoszonych przez metodę oraz zakłócenia zewnętrzne.

Słowa kluczowe

EN

electromagnetic flow meter; application of neural networks

PL

przepływomierz elektromagnetyczny; zastosowania sieci neuronowych

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2011
• Tom: R. 87, nr 5
• Strony: 54--58
• Opis fizyczny: Bibliogr. 5 poz., rys., tab.

Twórcy

autor

Jakubowski J.

autor

Michalski A.

• Military University of Technology (1), Warsaw University of Technology (2),

Bibliografia

• [1] Bonfig K., New developments in magnetic flow measurement in partly filled open channels, Proceeding of IMEKO Congress, 1982, pp. 131-139.
• [2] AD8221 data sheet available at www.analog.com.
• [3] Kugelstadt T., Getting the most out of your instrumentation amplifier design, Analog Applications Journal - Texas Instruments Incorporated, 4Q 2005, available at www.ti.com/aaj.
• [4] Vuskov ic M. , Du S., Spectral Moments for Feature Extraction from Temporal Signals, Int. Journal of Information Technology, vol. 11, No 10, 2005, pp. 112-122.
• [5] Hornik K., Stinchcombe M., White H., Multilayer feedforward networks are universal approximators, Neural Networks, vol. 2, pp. 359 – 366, 1989.