@article { author = {Ghasemi, Jamal and مهدی پور, محمد}, title = {Self-heating Phenomenon and Nonlinear Characteristic Modeling of NTC Using Artificial Neural Network for Direct Measurement of Temperature}, journal = {Journal of Soft Computing and Information Technology}, volume = {6}, number = {1}, pages = {8-15}, year = {2017}, publisher = {Babol Noshirvani University of Technology}, issn = {2383-1006}, eissn = {2588-4913}, doi = {}, abstract = {In the engineering systems, one of the most important measurable parameters is temperature. For measurement of temperature as for sensitivity, accuracy and term of physical required, different sensors as RTD, NTC, PTC, Thermo-couple are exist. One of the most important sensors is NTC that despite the many benefits, less than it used to be. Nonlinearity characteristic and self-heating phenomenon in the NTC are the biggest deterrents in practical applications. In this study, a new structure based on application of artificial neural network (ANN) has been suggested for modeling of the nonlinear and the self-heating phenomenons of NTC. Simulation results based on read generated laboratory data are presented to demonstrate the performance of the proposed structure. Mean square error of 0.0480 and 0.0370 are achieved based on MLP and RBF neural network, respectively.}, keywords = {Temperature,NTC sensor,Self-heating,Artificial Neural Network}, title_fa = {مدلسازی پدیده خودگرمایی و مشخصه غیر خطی سنسور NTC با استفاده از شبکه های عصبی برای اندازه گیری مستقیم دما}, abstract_fa = {یکی از مهمترین پارامترهای قابل اندازه گیری در سیستم های مهندسی، دما است. برای اندازه گیری دما با توجه به میزان دقت مورد نیاز و شرایط فیزیکی، سنسورهای مختلفی از جمله RTD، NTC، PTC، Thermocouple و ... وجود دارد. یکی از مهمترین این سنسورها NTC است، که علیرغم داشتن مزایای زیاد، اما به دلیل غیرخطی بودن کمتر از ان استفاده می شود. پدیده خودگرمایی در NTC ها یکی از مهمترین عوامل بازدارنده در استفاده از آن در کاربردهای عملی می شود. در این تحقیق ساختاری جدید مبتنی بر استفاده از شبکه های عصبی برای مدلسازی پدیده های غیرخطی و خودگرمایی در سنسور NTC  پیشنهاد شده است. در ساختار پیشنهادی این تحقیق با استفاده از داده های آزمایشگاهی و واقعی، شبکه های عصبی آموزش و آزمایش می شوند. میانگین مربعات خطای 2040/0 و 1600/0 به ترتیب برای شبکه های MLP و RBF بیانگر موفقیت روش پیشنهادی در مدلسازی رفتار غیرخطی سنسور NTC است. }, keywords_fa = {دما,سنسور NTC,پدیده خودگرمایی,مدلسازی,شبکههای عصبی}, url = {https://jscit.nit.ac.ir/article_51691.html}, eprint = {https://jscit.nit.ac.ir/article_51691_3a28f5fe2f27991edf1a4ff289317aa3.pdf} }