Implementação em hardware/firmware de um sensor virtual utilizando algoritmo de identificação nebulosa.
Este trabalho apresenta um projeto e implementação de um sensor virtual (soft sensor) "embedded", ou seja, um módulo de hardware genérico e autônomo, o qual pode ser utilizado em diversos processos complexos, nos quais uma determinada variável de interesse não possa ser diretamente medida...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2004 |
| País: | Brasil |
| Institución: | Universidade de São Paulo (USP) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da USP |
| Idioma: | portugués |
| OAI Identifier: | oai:teses.usp.br:tde-03052004-231551 |
| Acceso en línea: | http://www.teses.usp.br/teses/disponiveis/3/3139/tde-03052004-231551/ |
| Access Level: | acceso abierto |
| Palabra clave: | autônomo autonomous fuzzy hardware nebuloso sensor |
| Sumario: | Este trabalho apresenta um projeto e implementação de um sensor virtual (soft sensor) "embedded", ou seja, um módulo de hardware genérico e autônomo, o qual pode ser utilizado em diversos processos complexos, nos quais uma determinada variável de interesse não possa ser diretamente medida por sensores convencionais. O hardware é baseado em um processador digital de sinais da família TMS320, com a adição de circuitos de instrumentação, como interface de entrada e saída em padrões industriais (0..10V, 4..20mA), conversores A/D e D/A, entre outros. A implementação do sensor virtual em hardware foi constituída basicamente de três etapas. A primeira consistiu no treinamento do modelo, realizado off-line, utilizando um microcomputador PC e o software Matlab. Neste trabalho, o modelo nebuloso obtido possui uma estrutura do tipo Takagi-Sugeno e os antecedentes são definidos com base no algoritmo de clusterização FCM. Em uma segunda etapa, o modelo de sensor obtido foi validado no PC, comparando-se sua saída com a do sensor "real". Finalmente, a terceira etapa consistiu em traduzir e implementar o modelo no formato do processador digital de sinais. O firmware contém então o modelo obtido e opera on-line, estimando a variável desejada a partir de outra(s) variável(eis) disponível(eis). Os testes foram realizados empregando-se uma planta simulada de neutralização de pH. |
|---|