دانلود ترجمه مقاله یک سنسور فشار هوشمند با استفاده از شبکه های عصبی

عنوان فارسی

یک سنسور فشار هوشمند با استفاده از شبکه های عصبی

عنوان انگلیسی

An Intelligent Pressure Sensor Using Neural Networks

کلمات کلیدی :

  شبکه‏های عصبی مصنوعی؛ اصلاح دما به صورت خودکار؛ سنسور هوشـــمند؛ پرسپترون چند لایه؛ مدلسازی سنسور فشار

درسهای مرتبط مهندسی برق؛ الکترونیک
تعداد صفحات مقاله انگلیسی : 6 نشریه : IEEE
سال انتشار : 2000 تعداد رفرنس مقاله : 10
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
پاورپوینت : ندارد

سفارش پاورپوینت این مقاله

وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید
IEEE
قیمت دانلود ترجمه مقاله
21,600 تومان
فهرست مطالب

1. مقدمه 2. مدل سنسور فشار خازنی 3. مدلسازی مستقیم CPS 4. مدلسازی معکوس CPS 5. مسائل پیاده سازی 6. نتیجه گیری

سفارش ترجمه
ترجمه نمونه متن انگلیسی

چکیده – در این مقاله ما در تلاش هستیم که طرح یک سنسور هوشمند (CPS) را با استفاده از شبکه عصبی مصنوعی (ANN) نشان دهیم. یک مدار سوییچ شونده خازنی (SCC) تغییرات موجود در ظرفیت سنـسور فشاری را به ولتاژ معادل تبدیل می‏نماید. تاثیر تغییر در شرایط محیطی بر روی CPS و خروجی SCC ماهیت غیر خطی دارد. به ویژه، تغییر در دمای محیط باعث می ‏شود که ویژگی های واکنش CPS تا حد زیادی غیر خطی گردد و پردازش سیگنال های پیچیده ممکن است به بازخوانی صحیح نیاز داشته باشد. طرح مبتنی برANN پیشنهادی منجر به هوشمند شدن سنسور می‏شود . مطالعات شبیه سازی نشان می‏دهند که مدل CPS می‏تواند بازخوانی فشار صحیح را در خطای ±1% ( مقیاس کامل ) و دامنه تغییرات دمایی از -20°C تا 70°C انجام دهد. در این تحقیق از دو طرح ANN، مدلسازی مستقیم و مدلسازی معکوس CPS اسـتفاده شده است. تکنیک مدلسازی مستقیم امکان محاسبه ویژگی های سنسور غیر خطی را فراهم می‏ سازد در حالیکه تکنیک دوم یعنی مدلسازی معکوس می‏تواند فشار کاربردی را که برای بازخوانی دیجیتال مستقیم مورد استفاده قرار می‏گیرد، محاسبه نماید. وقتی تغییری در دمای محیطی مشاهده می‏شود، ANN به صورت خودکار تغییر مزبور را با توجه به اطلاعات توزیعی ذخیره شده اصلاح می‏نماید. مقدمه: سنسورهای فشار کاربردپذیری وسیعی در سیستمهای مختلف مانند ابزار دقیق، خودرو، بیو پزشکی و سیستمهای کنترل فرایند دارند. سنسور فشار خازنی (CPS) که در آن ظرفیت خازنی محفظه با کاربرد فشار تغییر می‏یابد به صورت وسیع مورد استفاده قرار می‏گیرد زیرا دارای مصرف توان پایین و حساسیت بالایی است. هرچند، ویژگی های واکنش غیر خطی بالای آن باعث بروز مشکل در رابط تراشه، بازخوانی دیجیتال مستقیم و درجه‏ بندی خواهد شد. برای مقابله با مشکلات ناشی از وجود ویژگی های واکنش غیر خطی CPS، ما در این تحقیق از چندین تکنیک مختلف استفاده کردیم که عبارتند از: تکنیک متعادل سازی بار سوییچ شونده خازنی، جدول مراجعه‏ای مبتنی بر ROM و یک طرح رمزگذاری غیر خطی. ویژگیهای واکنش غیر خطی CPS باعث تشدید شدن موقعیت می ‏شود به ویژه زمانی که شرایط محیطی دچار تغییر می ‏گردند. چون خروجی CPS به فشار کاربردی و دما در زمان تغییرات مداوم دمای محیط بستگی دارد، موقعیت با پیچیدگی های زیادی روبرو خواهد شد. در این مورد، مسئله دو بعدی (2-D) می ‏شود و باید از تکنیک های پردازش سیگنال پیچیده برای تصحیح و بازخوانی دیجیتال صحیح استفاده کنیم.

نمونه متن انگلیسی مقاله

In this paper, we propose a scheme of an intelligent capacitive pressure sensor (CPS) using an artificial neural network (ANN). A switched-capacitor circuit (SCC) converts the change in capacitance of the pressure-sensor into an equivalent voltage. The effect of change in environmental conditions on the CPS and subsequently upon the output of the SCC is nonlinear in nature. Especially, change in ambient temperature causes response characteristics of the CPS to become highly nonlinear, and complex signal processing may be required to obtain correct readout. The proposed ANN-based scheme incorporates intelligence into the sensor. It is revealed from the simulation studies that this CPS model can provide correct pressure readout within ±1% error (full scale) over a range of temperature variations from 20°C to 70°C. Two ANN schemes, direct modeling and inverse modeling of a CPS, are reported. The former modeling technique enables an estimate of the nonlinear sensor characteristics, whereas the latter technique estimates the applied pressure which is used for direct digital readout. When there is a change in ambient temperature, the ANN automatically compensates for this change based on the distributive information stored in its weights. INTRODUCTION: Pressure sensors have wide applicability in various systems including instrumentation, automobiles, biomedical, and process control systems. The capacitive pressure sensor (CPS), in which the capacitance of a chamber changes with application of pressure finds extensive applications because of its low power consumption and high sensitivity [1]. However, its highly nonlinear response characteristics give rise to several difficulties including on-chip interface, direct digital readout and calibration. To compensate for the difficulties faced due to the nonlinear response characteristics of the CPS, several techniques have been suggested. A switched-capacitor charge balancing technique [2], a ROM-based look-up table method and a nonlinear encoding scheme have been proposed [3]. The problem of nonlinear response characteristics of a CPS further aggravates the situation when there is change in environmental conditions. As the output of a CPS is dependent on applied pressure as well as temperature, when the ambient temperature changes frequently, the situation becomes very complicated. In this case the problem becomes two-dimensional (2-D), and complex signal processing techniques are required to make necessary corrections to obtain a correct digital readout.

توضیحات و مشاهده مقاله انگلیسی

محتوی بسته دانلودی:

PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب
قیمت : 21,600 تومان

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “دانلود ترجمه مقاله یک سنسور فشار هوشمند با استفاده از شبکه های عصبی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

17 − 8 =

مقالات ترجمه شده

نماد اعتماد الکترونیکی

پشتیبانی

logo-samandehi