Diagnostyka i identyfikacja procesu przy uzyciu AdMS-PCA

• Autorzy: Mazur K. , Borowa A. , Brdyś M.

Warianty tytułu

EN

Diagnosis and identification of process by AdMS-PCA

• Języki publikacji: PL

Abstrakty

PL

Artykuł dotyczy diagnostyki i identyfikacji procesu przy użyciu adaptacyjnego, wieloskalowego rozszerzenia PCA - Adaptive Multiscale Principal Component Analysis (AdMS-PCA). Przeprowadzona została analiza własności AdMS-PCA istotnych dla diagnostyki i identyfikacji. Zauważono wadę części adaptacyjnej metody, która ogranicza jej praktyczne zastosowanie. Zaproponowano modyfikację poprzez wprowadzenie algorytmu nadzorującego adaptację. Analiza AdMS-PCA poprzedzona jest systematycznym przeglądem podstaw metodologicznych algorytmów bazowych, tzn. klasycznego PCA. adaptacyjnego PCA - RPCA oraz wieloskalowego PCA - MS-PCA.

EN

Adaptive Multiscalc Principal Component Analysis (AdMS-PCA) is a quite new method designed for fault detection and identification of process. However this method has a very important drawhack that is detailed in the paper. The supervised adaptive algorithm is proposed in order to overcome the drawback.

Słowa kluczowe

PL

diagnostyka uszkodzeń; identyfikacja uszkodzeń; AdMS-PCA

EN

faults diagnosis and identification; AdMS-PCA

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2005
• Tom: R. 51, nr 9 bis
• Strony: 42--44
• Opis fizyczny: Bibliogr. 7 poz., rys., wzory

Twórcy

autor

Mazur K.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki

autor

Borowa A.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki

autor

Brdyś M.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki
• School of Engineering, Department of Electronic, Electrical and Computer Engineering, The University of Birmingham

Bibliografia

• [1] Bakshi B. R. (1998). Multiscale PCA with application to multivoriate statistical process monitoring. American Institute of Chemical Engineering Journal, Nr 44, s. 1596-1610.
• [2] Białasiewicz J. T. (2000). Wielorozdzielcza reprezentacja sygnałów. Falki i aproksymacja (Anna Szeląg (Red)), s. 90-132. Wydawnictwa Naukowo-Techniczne, Warszawa.
• [3] Hotelling, H. (1933) Analysis of a complex of statistical variables into principal components, J. Edu. Psych, 24: 417-441.
• [4] Kosanovich, K. A. and Piovoso, M. J. (1997). PCA of wavelet transformed process data for monitoring, Intell. Data Anal. 1 (2).
• [5] Lennox. J. A. and Rosen. C. (2001), Adaptive multiscale principal component analysis for online monitoring of wastewater treatment Wat. Sci. Tech. (accepted).
• [6] Li. W., Yue. H. H., Valle-Cervantes, S. and Qin. S. J. (2000). Recursive PCA for adaptive process monitoring. J. Process Control 10, 471-486.
• [7] Pearson. K. (1901). On lines and planes of closest fit to systems of points in space, Philos. Mag. 2: 559-572.