FPGA tabanlı algılayıcı doğrusallaştırma uygulaması

Abstract

Algılayıcılar, fiziksel büyüklükleri ölçüp, bu büyüklükleri elektriksel devrelerin okuyabileceği voltaj, akım, direnç gibi niceliklere çevirebilen temel ölçüm elemanlarıdır. Algılayıcıların çoğu doğrusal davranış göstermediğinden, alınan değerlerden, algılanan fiziksel değişimi hesaplamak için farklı algoritmalar ve devre elemanları kullanılabilir. Bu tez çalışmasında, doğrusal olmayan bir algılayıcıdan gelen veri kullanılarak, ölçülen fiziksel değeri hesaplamak için Programlanabilir Kazançlı Yükselteç ve Yapay Sinir Ağları yapılarının özellikleri birleştirilmiş, Alan Programlanabilir Kapı Dizileri (İng. Field Programmable Gate Array, FPGA) tabanlı uygulama gerçekleştirilmiştir. Algılayıcı olarak Negatif Sıcaklık Katsayısı (İng. Negative Temperature Coefficient, NTC) tipindeki sıcaklık algılayıcısı kullanılmıştır. Önerilen yöntem, yazılım ve donanım ortamlarında uygulanmış ve elde edilen sonuçlar, diğer yöntemlerin sonuçlarıyla karşılaştırılmıştır. Uygulamanın başarısı, ortalama karesel hata, işlem zamanı, bellek kullanımı ve maliyet kriterlerine göre göre detaylı olarak tartışılmıştır.ANAHTAR SÖZCÜKLER: algılayıcı doğrusallaştırma, YSA, PGA, FPGA, NTC, MLP

Sensors are fundamental measurement elements used in wide variety of applications. A sensor is a converter that measures a physical quantity and converts it into a signal which can be read by an electrical instrument. Since many kinds of sensors have non-linear input-output behaviour, to be able to calculate the measured physical quantity by using the sensor data, special electrical circuits and algorithms are required. In the scope of this thesis, the advantages of the Programmable Gain Amplifier (PGA) and Artifical Neural Networks (ANN) are combined and realized experimental applications on an FPGA platform to linearize a non-linear sensor behaviour. The Negative Temperature Coefficient (NTC) type temperature sensor is choosen. The simulation of the suggested linearization method is realized in the software environment and afterwards applied on an FPGA experiment set. The resulting performance of the suggested method is compared with other methods in respect to mean squared error, process speed, memory usage and cost.KEYWORDS: sensor linearization, ANN, PGA, FPGA, NTC, MLP