Modeling dynamics of a piezodisk using neural networks

Loading...
Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

Helsinki University of Technology | Master's thesis
Checking the digitized thesis and permission for publishing
Instructions for the author
Location:
P1 Ark S80

Date

Major/Subject

Mcode

AS-74

Degree programme

Language

en

Pages

65

Series

Abstract

Piezosähköistä ilmiötä käytetään yleisesti hyväksi mikrosysteemitekniikassa. Monet anturit ja toimilaitteet perustuvat tähän ilmiöön. Johtuen pietzosähköisen ilmiön epälineaarisuudesta, on tarkan mittaustuloksen saaminen kyseiseen ilmiöön perustuvista antureista ollut hankalaa nopean vasteen järjestelmissä. Toimilaitteina käytetyt piezomateriaalit ovat myös vaatineet takaisinkytkennät toimiakseen tarkasti. Tämä on lisännyt laitteiden kokoa ja energiankulutusta, jotka eivät kumpikaan ole toivottuja asioita mikrokokoluokan systeemeissä. Ratkaisua ongelmaan on tässä työssä lähdetty etsimään mallintamisesta. Piezosähköisestä toimilaitteesta on kirjallisuuteen ja aiempiin tutkimuksiin perustuen luotu kolmannen asteen siirtofunktio. Tämän nk. "Gray-box"-mallin parametrit määritellään dynaamisiksi johtuen kohteen epälineaarisuudesta. Tällä tavoin pystytään muuttamaan siirtofunktion ominaisuudet todellisuutta vastaaviksi eri toimintapisteissä. Parametrien mallinnukseen käytetään monikerroksista perceptron -pohjaista neuroverkkoa, jolle kerätään input-output -dataa järjestelmästä ajamalla sitä erilaisissa toimintapisteissä. Koulutus tapahtuu Matlabin "Neural Network Toolbox":in sisältämillä komennoilla, joissa koko koulutusprosessi on automatisoitu. Koulutettu neuroverkko pystyy tämän jälkeen laskemaan siirtofunktion parametrit sisääntulevasta ohjausvektorista. Lopputulosta arvioidaan mahdollisimman hyvin erilaisten toimintapisteiden ympäristössä ajettujen testidatojen avulla vertaamalla mitattua ja mallinnettua paikkatietoa toisiinsa.

Description

Supervisor

Koivo, Heikki

Thesis advisor

Zhou, Quan

Other note

Citation