| Popis: |
В статі запропоновано нейромережевий метод підтримання заданого профілю температурного поля вздовж головної термопари (ГТП) термоелектричного перетворювача з керованим профілем температурного поля (ТЕП з КПТП). ГТП безпосередньо вимірює температуру об’єкта вимірювання. Підтримання заданого профілю температурного поля не дає змоги проявити себе похибці від набутої термоелектричної неоднорідності електродів ГТП. Основними особливостями методу є: (і) подача на відповідні входи нейронної мережі не тільки значень відхилення температур зон від заданих, а і самих значень температури (це дозволяє врахувати нелінійні властивості ТЕП з КПТП як об’єкта керування); (іі) формування навчальних векторів для нейронної мережі шляхом формування для виконавчих пристроїв випадкових приростів керуючої дії з наступним вимірюванням отриманих змін температури окремих зон (що дає змогу навчати нейронну мережу без побудови достатньо точної математичної моделі теплових процесів у ТЕП з КПТП). There is method of control of temperature field of thermocouple based sensor with controlled profile of temperature field (TBS with CPTF) along electrodes of main thermocouple (MTC) considered in this paper. This mentioned above method is based on neural networks. MTC measure temperature of an object directly. Stable profile of the temperature field along electrodes of MTC doesn’t allow to the heterogeneity error of thermoelectrodes of MTC appear itself. Such stability of the temperature field is achieved due to control subsystems that create and support their own temperature field for MTC. Thus, change of temperature field of an object of measurement doesn’t lead to change of the temperature field along electrodes of MTC. And, as it was mentioned above, heterogeneity error of thermoelectrodes of MTC don’t affect on total error of a measurement. There are 2 main properties of the method. The first property is to measure temperature deviation from given temperature for each zone. After that, create ordered sets of those deviations and corresponding temperatures of zones. Then it’s necessary to input those sets to neural network. Second property is to create training vectors for neural network. Those vectors are created by measurement of temperature deviations after random change of control action. Training of a neural network without precise mathematical model of an object is possible by this way. В статье предложен нейросетевой метод поддержки заданного профиля температурного поля вдоль головной термопары (ГТП) термоэлектрического преобразователя с управляемым профилем температурного поля (ТЕП с КПТП). ГТП непосредственно измеряет температуру объекта измерения. Поддержка заданного профиля температурного поля не позволяет проявить себя погрешности из-за приобретенной термоэлектрической неоднородности электродов ГТП. Основные особенности метода: (і) подача на соответствующие входы нейронной сети не только значений отклонения температур зон от заданных, а и самих значений температуры (это позволяет учесть нелинейные свойства ТЕП с КПТП как объекта управления); (іі) формирование учебных векторов для нейронной сети путем формирования для исполнительных устройств случайных приростов управляющего воздействия и последующего измерения полученных изменений температуры отдельных зон (что позволяет обучать нейронную сеть без построения достаточно точной математической модели тепловых процессов в ТЕП с КПТП). |
