Академический Документы
Профессиональный Документы
Культура Документы
SANTOS – 2010
DIOGO SHIBATA REQUEL
FELIPE GOUVEIA MARCHESE
SANTOS – 2010
DIOGO SHIBATA REQUEL
FELIPE GOUVEIA MARCHESE
Banca Examinadora:
_____________________________
Prof. Me. Carlos Alberto Sassaki
Professor Titular – Unisantos - SP
_____________________________
Prof. Convidado
Dedicatória
Agradecemos primeiramente a Deus...
especial Profº. Neto quem nos ajudou e caminhou junto para a conclusão deste
trabalho, Sassaki e Moreira por nos incentivar e ,mesmo que informalmente, atuarem
como co-orientadores, sendo peças chaves para o término deste projeto. Profsº.
Vieira, Zapia, Jefferson e Vizine que nos deram base suficiente durante a graduação
e construção de tal projeto. Outros professores como Gouveia, Ronaldo, Mauá que
sempre estiveram ao nosso lado e nos apoiaram todos esses 5 anos de curso, em
especial a Gicelene Yukie Shibata, Hugo Leon Requel, Damiana Shibata Requel,
Dalila Shibata Requel, Aline Martins Panchorra, Rosana Araujo Gouveia, Eugênio
"A mente que se abre a uma nova idéia jamais voltará ao seu tamanho
original."
Albert Einstein
Resumo
neural artificial onde a arquitetura foi proposta pelos autores. A metodologia inclui o
Conversores D/A.
Abstract
order to monitor indoors air quality. The device relies on sensors, infrared CO₂ and
authors. The methodology includes the study of different types of sensors, signal
tests.
Keywords: Electronic Nose, Instrumentation, Sensor for CO₂, Air Quality, Gas
Introdução
tóxicos.
incolor. Quando uma pessoa, ou animal, fica exposto a uma concentração muito
gás é inofensivo, porém se este gás ultrapassar 5000ppm se torna tóxico para os
seres humanos.
desse gás para constituir este projeto, já que nas indústrias encontramos áreas
Objetivos
coleta, analisa dados de um ambiente fechado e revela, através de uma rede neural
da qualidade do ar, mas também tem como foco apresentar uma solução para o
que, de acordo com a concentração do gás, iremos injetar maior quantidade de ar,
injeção de ar não seja suficiente para suprir a qualidade aceitável de ar, alarmes
indicarão a uma real necessidade de uma evacuação do ambiente, até que o mesmo
Capítulo 1
1.1 Os Fundamentos do Nariz Eletrônico
nos dizer, por exemplo, se o cheiro é doce ou azedo, por outro lado não pode
diversas. São usados como controle de seguraça para gases tóxicos, controle de
Capítulo 2
carbono.
Funcionam da seguinte maneira: dois eletrodos são separados por uma fina
camada de um eletrólito; o gás entra em contato com os eletrodos fazendo com que
eletrodos são desenvolvidos para catalisar a reação, gerando uma pequena corrente
concentração do mesmo.
equipamento.
13
ideal para a detecção do gás em análise. Quando o gás entra em contato com o
do gás.
1
Os circuitos LC se comportam como ressonadores eletrônicos, sendo um componente chave em muitas
aplicações, tais como osciladores, filtros e misturadores de freqüência.
15
Capítulo 3
Conversor de Sinais
n = número de bits.
Figura 2 – Diagrama de funcionamento do conversor A/D paralelo com porta XOR (MSPC,
2010)
2
Flip-Flop D – é usado como memória, ele armazena ou zera os bits de entrada na saída.
16
comparando a tensão de entrada com uma tensão de referência que diminui a cada
resistência.
entrada de um amplificador e o próximo existe um resistor que faz com que a tensão
amplificador operacional, no nosso caso 5V). Caso contrário o valor enviado será
0V.
porta, compara a saída do primeiro amplificador com o segundo, e assim por diante.
3
VDD – tensão de ganho do amplificador operacional
17
entradas e Q a saída. Dessa maneira a porta XOR nos responde o valor de 1 (nível
lógico 1) quando e somente, uma das entradas é 1 e a outra 0. Com isso podemos
tensão de referência máxima, ou seja, a saída irá assumir o valor binário 11 no caso
de 2 bits, ou, como na figura 2, o valor é 111, já que temos 3 bits de saída.
A escolha de tal conversor foi feita pelo fato de que, através dessa
concentração de gás.
associação de vários resistores ligados série e paralelo. A opção por esse circuito é
18
a vantagem de que este conversor, em relação a outros, utiliza apenas dois valores
5V, onde MSB é o bit mais significativo e LSB é o bit menos significativo. Assim a
tensão de saída, quando possímos valor apenas no bit mais significativo, será igual
a VCC4/3 V, VCC/6 V para o bit mais significativo, VCC/12 V para o bit intermediário,
e para o bit menos significativo, a saída será VCC/24 V. Se houver bits em todas as
serve para ofecer uma tensão de saída amplificada, bastanto apenas ajustar os
4
VCC – Tensão de alimentação
19
Capítulo 4
calibre uniforme.
impulsos que serão enviados para outros neurônios através do axônio. O contato
É através das sinapses que são feitas as ligações entre os diversos neurônios
do neurônio e de sinais químicos através das sinapses. A partir daí, o corpo celular
mesmo. Caso seja verdade, o neurônio produz um impulso elétrico que é transmitido
neurônios biológicos foi proposta por McCulloch e Pitts. O modelo era simples, n
terminais de entradas e uma única saída. Pesos eram acoplados nas entradas para
Figura 5 – Diagrama de funcionamento do neurônio proposto por McCulloch e Pitts (MENDES &
OLIVEIRA, 2010)
Onde:
n é o número de entradas;
xi é a entrada;
θ é o threshold.
os neurônios terão a saída igual 0 quando o valor de ativação for negativo, e valor 1
1 , 𝑠𝑒 𝑣 ≥ 0;
𝑓(𝑣) = Equação 3 – Equação da função degrau
0 , 𝑠𝑒 𝑣 ≤ 0;
Função Sigmoidal
função degrau pode assumir valores entre 0 e 1. Sua função é representada pela
equação 4.
𝑓(𝑣) = ( )
Equação 4 – Equação da Função Sigmoidal
Onde:
parâmetro for aumentado tendendo-o para o infinito, esta função irá se comportar
Função signum:
mas está limitada entre os valores de 1 e -1. A equação 5 representa esta função.
𝑓(𝑣) = 𝑏 | |
𝑝𝑎𝑟𝑎 𝑣 ≠ 0 Equação 5 – Equação da Função Signum
Onde:
Tangente hiperbólica:
( ) ( )
𝑓(𝑣) = 𝑎 ( ) ( )
Equação 6 – Equação da Função tangente hiberbólica
Onde:
Uma Rede Neural possui a característica de aprender, e para isso ela segue
mesma maneira. Quando somos crianças temos o hábito de colocar coisas na boca,
crianças, é a partir de dados que coletamos. A rede neural funciona de forma similar,
convenientes. Dessa forma, ao longo de sua “vida”, a rede neural irá sempre se
ajuda de um “professor”, que lhe diz o que é “certo” ou “errado”. Dessa maneira as
pelo qual, não existe qualquer interferência externa a não ser o meio. Nesse
No aprendizado com supervisão uma rede neural pode calcular seu erro
fazendo a diferença entre a saída real gerada pela rede, e a saída desejada
rede.
Onde:
k - estímulo;
e - erro;
de erro possível. Porém, nem sempre o algoritmo alcança este resultado, atingindo o
valor do estímulo de entrada, pelo peso a ser ajustado, e também pela taxa de
Onde:
função de erro.
Onde:
Perceptron
Perceptron Multi-Camadas
correção de erro.
como entrada para a outra camada seguinte, e assim o erro é calculado na saída da
repropagação ou backpropagation.
31
𝛿 (n) = 𝑒 (n). O (n). (1 − 𝑂 (n)) Equação 11- gradiente para camada de saída
𝛿 (n) = O (n). 1 − 𝑂 (n) ∑ 𝛿 . 𝑤 Equação 12- gradiente para camada camadas internas
Onde:
Após o cálculo dos erros de cada unidade, calcule o ajuste dos pesos de cada
Onde :
Capítulo 5
5.1 Construção do Nariz eletrônico
diagramas de blocos.
carbono, parte por milhão que o sensor detectar, teremos uma tensão
equivalente.
número binário. Este número binário será enviado para a porta paralela
de um computador.
33
composto por uma RNA (Rede Neural Artifícial) que analisará os dados
entrada.
gera uma curva exponencial onde, quanto maior a concentração de gás, no caminho
do sensor, menor será a tensão gerada por ele. Para que sistema de controle
funcione é necessário que esses dados sejam traduzidos para sinais digitais.
34
tensão em micro volts. Para trabalhar com esta tensão, primeiro precisamos
amplificamos o sinal da saída, de forma que a menor concentração do gás gere uma
tensão de 5 volts. A partir daí, a cada resistência a tensão cairia pela metade.
transformá-lo em binário. Para isso, o sinal passa por um conversor de sinais A/D
paralelo com portas XOR. Para a montagem de tal conversor utilizamos o software
precisão aceitável.
sensor.
pela metade, dessa forma a tensão cairia também pela metade e assim se faria
16000, 8000, 4000, 2000, 1000, 512, 256, 128, 64, 32, 16, 8, 4, 2 e 1 Ohms.
Concentração CO₂
ppm Y (Valores Reais de Tensão em µV) Tensão V Resistor Ω Código Binário
7500 2,87903E-06 3,36977E-05 1 1
7000 6,73954E-06 7,8883E-05 2 10
6500 1,57766E-05 0,000184658 4 11
6000 3,69315E-05 0,000432266 8 100
5500 8,64531E-05 0,001 16 101
5000 0,000202378 0,002 32 110
4500 0,000473749 0,004 64 111
4000 0,001109 0,012 128 1000
3500 0,002596062 0,029 256 1001
3000 0,006077131 0,07 512 1010
2500 0,014225979 0,16 1000 1011
2000 0,033301648 0,389 2000 1100
1500 0,077955955 0,912 4000 1101
1000 0,182487391 2,13 8000 1110
500 0,42718543 5 16000 1111
geradas pelo conversor analógico – digital. Sendo o V(a) o bit mais significativo e
correspondem a 500 ppm, até 0,336977µV que corresponde a 7500 ppm. Porém
Após os dados coletados serem traduzidos para o código binário, estes são
enviados para o computador, onde a RNA irá análisa-los. Para o computador fazer
impressora).
cinco pinos podem ser utilizados para receber e 12 pinos para enviar dados, com
base nos níveis lógicos alto e baixo, padrão TTL (Transistor Transistor Logic). Para o
projeto proposto, foi necessário usar quatro pinos para receber ( Ack, Paper end,
5
MS DOS - é um sistema operacional
40
Exemplo:
#include <stdio.h>
#include <conio.h>
#include <dos.h>
int main(void)
Exemplo:
#include <stdio.h>
#include <conio.h>
#include <dos.h>
int main(void)
}
41
conversor de sinais novamente, mas dessa vez para o processo inverso. Nesse
caso necessitamos de um conversor D/A (Digital – Analógico), para gerar uma saída
O cirucito que escolhemos para este projeto foi o conversor digital – analógico
tipo escada R-2R. A opção por esse circuito se dá pela vantagem de que este
conversor utiliza apenas dois valores de resistência R e 2R, tornando o projeto mais
barato.Na figura abaixo esta o circuito montado no software Ltspice IV Versão 4.03b
A figura 20 nos mostra a configuração do circuito D/A tipo escada R-2R, nesta
Na simulação acima podemos ver que que o valor de saída V(6) só é máximo
quando os bits de entradas V(a1) e V(a2) estão em nível lógico 1. Nesta simulações
resposta do circuito que iria ser a entrada da rede (ver tabela 3) e foi gerado uma
1110 01
1111 00
retas:
45
Vendo os pontos no plano podemos deduzir que seria necessário uma rede
montar essa resposta com duas redes perceptron em paralelo, de apenas 1 camada,
Segue a tabela:
1000 1 0
1001 1 0
1010 1 0
1011 1 0
1100 0 1
1101 0 1
1110 0 1
1111 0 0
cartesiano:
convergencia.
4-1-2
4-2-2
49
4-3-2
4-4-2
4-16-2
4-32-2
4-2-2-2
2- Definimos a entrada para o software (ver tabela 5 coluna esquerda) por meio
de um arquivo .txt;
50
minimos, que apenas reduz o número de passos. Os testes foram feitos 3 vezes
com cada arquitetura para dar mais precisão ao teste. Devido ao software ser
Segue os resultados:
Rede 4-2
Não convergeu nenhuma das 3 vezes e o erro variou entre 0,5% e 0,2%.
Rede 4-1-2
Não convergeu nenhuma das 3 vezes e o erro variou entre 0,2% e 0,1%.
Rede 4-2-2
Rede 4-3-2
Rede 4-4-2
Rede 4-16-2
Rede 4-32-2
Rede 4-2-2-2
6
A função Levenberg-Marquart têm como objetivo encontrar o melhor ajuste para um conjunto de dados de
tal modo que a soma dos quadrados das distâncias (tomadas na vertical) entre o modelo (curva ajustada) e
cada um dos pontos dados seja a menor possível.
54
Com esses resultados podemos afirmar que a melhor opção para o nariz
eletrônico é a rede 4-2-2 por ser rápida na convergencia, ter convergido 3 vezes e
Capítulo 6
6.1 Aplicação
fechados, além de desenvolver uma maneira de expulsar esse gás nocivo do local
em questão.
O sistema aqui proposto nos dá uma saída digital na porta paralela onde o
tensão será gerada pelo conversor de analógico – digital que trabalha em função da
e ruim. Cada condição irá gerar uma tensão diferente para o motor CC.
qualidade do ar no local.
Capítulo 7
7.1 Conclusão
com simulações em Ltspice e com o software nerou solution 6.0 na versão demo. A
partir das simulações constatamos que o projeto é totalmento viável não apenas
para a detecção de gás CO₂, mas também para outros tipos de gases. Para isso
seria necessário apenas algumas mudanças, como por exemplo o sensor e algumas
muitos bits para entrada da rede neural tornando o nosso sistema mais passívo de
sistema.
específicas para os clientes, assim como algumas outras empresas que fornecem
Após todos os testes somos capazes de afirmar que o sistema seria capazes
de detectar mais que apenas um tipo de gás se mudaças drásticas no sistema. Para
isso iriamos selecionar apenas valores de concentração médias e críticas para o ser
sistema.
58
Referência Bibliográfica
2010 as 16:00
<http://www.eletrica.ufpr.br/marlio/medidas/apostila/apostila3b.pdf>. Acesso em
CAPONE, S. ET AL. Solid state gas sensors: state of the art and future
2004.
Perceptrons. 2005
FIRESTEIN S. How the olfactory system makes sense of scents. Nature, vol.
http://mems.kaist.ac.kr/bis471/DATA/Handout/H5_2_Smell%20sensing.pdf> .
http://www.foodproductdesign.com/articles/1995/06/the-electronic-nose.aspx >.
2010 as 20:14
60
http://thiagoteixeiraseixas.spaces.live.com/Blog/cns!579021370035550B!194.entr
22:00.