Wykorzystanie wiedzy rozmytej w prowadzeniu procesów elektrotermicznych

• Autorzy: Kucharski J.

Warianty tytułu

EN

Application of fuzzy knowledge for electroheat processes

• Języki publikacji: PL

Abstrakty

PL

Artykuł prezentuje algorytm przetwarzania sygnału temperatury bazujący na wykorzystaniu nieprecyzyjnych informacji o panujących warunkach pomiarowych, specyfice obiektu elektrotermicznego itp. Zastosowano zbiory rozmyte dla potrzeb reprezentacji wiedzy nieprecyzyjnej oraz algorytm konsolidacji danych.

EN

New approach to intelligent temperature signal processing has been proposed. The method is based on the use of imprecise information concerning the conditions under which the temperature readings have been obtained. The fuzzy sets have been applied for representation of imprecise knowledge and fusion algorithm of imprecise information and uncertain temperature readings has been proposed.

Słowa kluczowe

PL

przetwarzanie sygnału; temperatura; procesy elektrotermiczne; zbiory rozmyte; algorytm konsolidacji danych

EN

signal processing; temperature; electrothermal processes; fuzzy sets; fusion algorithm

• Wydawca: Wydawnictwo Politechniki Łódzkiej
• Czasopismo: Zeszyty Naukowe. Elektryka / Politechnika Łódzka
• Rocznik: 2001
• Tom: z. 97
• Strony: 91--98
• Opis fizyczny: Bibliogr. 12 poz.

Twórcy

autor

Kucharski J.

• Politechnika Łódzka, Katedra Elektrotermii

Bibliografia

• [1] Kelly, G. (1999) Data fusion: from Primary Metrology to Process Measurement, IEEE Instrumentation and Measurement Technology Conference, IMTC’99, Venice, Italy, Vol.3, 1325-1329.
• [2] Dubois, D., Prade, H., Smets, Ph. (1996) Representing partial ignorance. IEEE System Machine and Cybernetic, 26, 361-377.
• [3] Alippi C., Ferrero A., Piuri V., (1998) Artificial intelligence for instruments and its applications, IEEE Instrumentation & Measurement Magazine, June 1998, 9-17.
• [4] Russo F., (1996) Fuzzy systems in instrumentation: fuzzy signal processing. IEEE Trans, on Instrumentation and Measurement. Vol.45, No. 2, 1996.
• [5] Mauris, G., Berrah, L., Foulloy, L., Haurat, A. (2000) Fuzzy Handling of Measurement Errors in Instrumentation, IEEE Trans, on Instrumentation and Measurement, Vol., 49, No.l, 89-93.
• [6] Kucharski, J. (1999) Towards fuzzy conditioning of temperature signals. 7th Intern. Symp. on Temperature and Thermal Measurements in Industry and Science, TEMPMEKO’99, Delft, The Netherlands.
• [7] Kucharski J. (2001) Application of fuzzy inference for intelligent conditioning of temperature signals. 8th Intern. Symp. on Temperature and Thermal Measurements in Industry and Science, TEMPMEKO’2001,Berlin, Germany.
• [8] Zadeh L.A. (1965) Fuzzy sets. Information and Control, 8, 1965, 338-353.
• [9] Driankov, D., Hellendroon, H., Reinfrank, M. (1993) An Introduction to Fuzzy Control, Springer-Verlag, Berlin.
• [10] Zadeh, L.A., (1973) Outline of a new approach to the analysis of complex systems and decision processes, IEEE Trans. Syst. Man, Cybem., vol. SMC-3, 28-44.
• [11] Dubois, D., Prade, H. (1998) Fuzzy information engineering, 9th International Symposium on : ’’System - Modelling - Control”, Zakopane, Poland.
• [12] Łobodziński W., Sankowski D., Kucharski J., (1995) Start up identification of electric resistance furnaces. Elektrowärme International, 53/1995,