Neuronowa korekcja błędów dynamicznych przetwornika II-go rzędu

• Autorzy: Roj J.

Warianty tytułu

EN

Correction of second order converter dynamic errors implementing neural networks

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono wyniki wstępnych badań dotyczących możliwości wykorzystania jednokierunkowych sieci neuronowych do korekcji błędów dynamicznych wprowadzanych przez przetworniki opisane liniowym równaniem różniczkowym II-go rzędu. Oceniono zasadność stosowania tego rodzaju podejścia do zagadnienia korekcji błędów dynamicznych. Wnioski sformułowano w oparciu o wyniki badań symulacyjnych.

EN

Dynamic properties of second order transducers are usually modelled by the linear differential equation (1) which can be converted to the discrete equation of state (6). Recursive solving of this equation for the input quantity (Eqs. 8 and 9) is a dynamic error correction algorithm. This algorithm can be written in the form of equations (10 and 11) which can be solved by simple, feed-forward neural networks of structures shown in Fig.1. Fig. 2 illustrates the use of neural networks for realisation of the dynamic correction recursive algorithm. The possibility of applying neural networks to dynamic error correction was investigated by simulations in the Matlab Neural Toolbox environment. There were taken the following assumptions concerning the transducer model: , , and the discretization period . The network was learned using a 200 - element learning set generated on a basis of relation (14). The network was tested with a 200 000 - element testing set. The test results of both networks showed error - free implementation of (10) and (11) (errors of 10-15 order). At the next stage the learning sets were quantizied with 12 - bit resolution. The influence of the discretization period on the accuracy of correction realisation was also investigated. Fig. 7 presents the results as a dependency of the output results on the discretization period .

Słowa kluczowe

PL

sztuczna sieć neuronowa; korekcja błędów dynamicznych; niepewność wyniku pomiaru

EN

artificial neural network; dynamic error correction; uncertainty of a measurement result

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2010
• Tom: R. 56, nr 11
• Strony: 1315--1317
• Opis fizyczny: Bibliogr. 5 poz., rys., wykr., wzor

Twórcy

autor

Roj J.

• Politechnika Śląska, Instytut Metrologii, Elektroniki i Automatyki, ul. Akademicka 10, 44-100 Gliwice,

Bibliografia

• [1] Hagel R., Zakrzewski J.: Miernictwo dynamiczne. WNT, Warszawa, 1984.
• [2] Jakubiec J.: Bieżące programowe odtwarzanie wartości chwilowych dynamicznych przebiegów wejściowych nieliniowych przetworników pomiarowych. Zeszyty Naukowe Pol. Śl., z. 964, Gliwice 1988.
• [3] Osowski S.: Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej. Warszawa 2006.
• [4] Roj J.: Właściwości metrologiczne jednokierunkowych sieci neuronowych. Zeszyty Naukowe Pol. Śl., seria ELEKTRYKA, z. 205, str. 87-100, 2008.
• [5] Jakubiec J, Makowski P., Roj J.: Error Model Application in Neural Reconstruction of Nonlinear Sensor Input Signal. IEEE Transactions on Instrumentation and Measurement, Vol. 58, no 3, str. 649-656, 2009.