Linearização De Sensores De Temperatura Com Treinamento Multiobjetivo De Redes De Funções De Base Radiais

Abstract

Abstract-In this paper, we present the employment of radial basis function neural networks for the linearization of the input-output relationship of a temperature sensor (thermocouple), trained with multiobjective learning. The network weights are determined by using the multiobjective least squares method. By varying the width of the radial basis functions, different Pareto sets are obtained. We propose a decision-making strategy over the nondominated set based on linear regression, in order to choose the network with the best structure for the problem. The advantage of multiobjective learning in the context of sensor linearization is providing an adequate network for the problem that also presents low structural complexity, thus reducing the hardware implementation cost.Keywords-Radial basis functions, multi-objective learning, sensor linearization, intelligent sensors, thermocouple.Resumo-Neste artigo, apresentamos a utilização de redes neurais artificiais de funções de base radiais para a linearização da relação entrada e saída de um sensor de temperatura (termopar), usando treinamento multiobjetivo. Os pesos da rede são determinados por meio da técnica de mínimos quadrados multiobjetivo. Variando-se a largura das funções de base, diferentes conjuntos de soluções de Pareto são obtidos. Nós propomos uma estratégia de decisão sobre o conjunto não dominado baseada em regressão linear para selecionar a rede com a estrutura mais adequada para o problema. A vantagem do treinamento multiobjetivo no contexto de linearização de sensoresé determinar uma rede adequada para o problema e que apresente baixa complexidade estrutural, assim reduzindo o custo de implementação em hardware.Keywords-Redes de funções de base radiais, treinamento multiobjetivo, linearização de sensores, sensores inteligentes, termopar. IntroduçãoEm um ambiente industrial, diversas operações ou sequências de operações envolvendo uma mudança de estado, de composição ou outras propriedades de um sistema devem ser realizadas com o objetivo de geração de um produto. Variáveis que são constantemente monitoradas neste ambiente são a vazão, a viscosidade, a umidade, a pressão, o nível, o pH, a densidade, a temperatura dos processos, dentre outras, com o objetivo de monitorar e controlar processos. Para que este controle e monitoramento seja realizado de formaótima,é de fundamental importância o conhecimento do comportamento dos sensores utilizados para medição destas variáveis. Cada sensor possui valores caracterís-ticos para uma grande variedade de parâmetros, sejam eles: precisão, resolução, especificidade, linearidade, histerese. Deseja-se, assim, na grande maioria dos processos, que o comportamento dos medidores apresente linearidade entre seu sinal de entrada e saída. O problemaé que grande parte dos princípios físicos utilizados para medição não possuem esta relação linear. Além disso, os sinais produzidos pelos sensores estão, na maior parte das situações, submetidos a condições de operação variáveis, degradação de componentes e ruídos de medição....