Industrial processes control with the use of a neural tomographic algorithm

• Autorzy: Rymarczyk Tomasz , Kłosowski Grzegorz , Cieplak Tomasz , Kozłowski Edward

Identyfikatory

DOI

10.15199/48.2019.02.22

Warianty tytułu

PL

Sterowanie procesami przemysłowymi z wykorzystaniem neuronowego algorytmu tomograficznego

• Języki publikacji: EN

Abstrakty

EN

This paper presents the original Electrical Impedance Tomography (EIT) imaging algorithm in relation to physic-chemical processes of crystallization. Thanks to the developed method based on artificial neural networks (ANN), it was possible to develop an algorithm that could allow effective detection of crystals and other inclusions inside the reactor filled with non-Newtonian fluid. The neural controller contains a structure of independent neural networks. The number of ANNs corresponds to the resolution of the output image mesh.

PL

W artykule przedstawiono oryginalny algorytm obrazowania z wykorzystaniem elektrycznej impedancji tomograficznej (EIT) w odniesieniu do fizykochemicznych procesów krystalizacji. Dzięki opracowanej metodzie opartej na sztucznych sieciach neuronowych (SSN) możliwe było opracowanie algorytmu, który umożliwiłby skuteczne wykrywanie kryształów i innych wtrąceń wewnątrz reaktora wypełnionego płynem nienewtonowskim. Sterownik neuronowy składa się z systemu niezależnych sieci neuronowych. Liczba SSN odpowiada rozdzielczości siatki obrazu wyjściowego.

Słowa kluczowe

EN

industrial tomography; electrical impedance tomography; artificial neural networks; machine learning

PL

tomografia przemysłowa; elektryczna tomografia impedancyjna; sztuczna sieć neuronowa; uczenie maszynowe

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2019
• Tom: R. 95, nr 2
• Strony: 96--99
• Opis fizyczny: Bibliogr. 16 poz., rys., tab.

Twórcy

autor

Rymarczyk Tomasz

• University of Economics and Innovation, Projektowa 4, Lublin, Poland
• Research & Development Centre Netrix S.A.

autor

Kłosowski Grzegorz

• Lublin University of Technology, Nadbystrzycka 38A, Lublin, Poland

autor

Cieplak Tomasz

• Lublin University of Technology, Nadbystrzycka 38A, Lublin, Poland

autor

Kozłowski Edward

• Lublin University of Technology, Nadbystrzycka 38A, Lublin, Poland

Bibliografia

• [1] Rymarczyk T., Kłosowski G., Cieplak T. and Kozłowski E., Application of a neural EIT system to control the processes, PTZE — 2018 Applications of Electromagnetic in Modern Techniques and Medicine, 09-12 September 2018, Racławice, Poland.
• [2] Ziolkowski M., Gratkowski S., Zywica A. R. Analytical and numerical models of the magnetoacoustic tomography with magnetic induction. COMPEL - Int. J. Comput. Math. Electr. Electron. Eng. 37 (2018), 538–548
• [3] Kosicka E., Kozłowski E., Mazurkiewicz D., Intelligent Systems of Forecasting the Failure of Machinery Park and Supporting Fulfilment of Orders of Spare Parts. (2018), 54–63
• [4] Gola A., Nieoczym A., Application of OEE Coefficient for Manufacturing Lines Reliability Improvement. in Proceedings of the 2017 International Conference on Management Science and Management Innovation (MSMI 2017) (Atlantis Press, 2017), 189–194
• [5] Duroudier J.-P., Crystallization and crystallizers. (Elsevier, 2016).
• [6] Thomas S., Arif P.M., Gowd E.B., Kalarikkal N., Crystallization in multiphase polymer systems. (Elsevier, 2018).
• [7] Paschedag A. R., Computational Fluid Dynamics. in Ullmann’s Encyclopedia of Industrial Chemistry (Wiley-VCH Verlag GmbH & Co. KGaA, 2005)
• [8] Sawko R., Thompson C., Mathematical and Computational Methods of non-Newtonian, Multiphase Flows. (2011).
• [9] Jones A. G. Crystallization process systems. (ButterworthHeinemann, 2002).
• [10] Rymarczyk T. et al., Practical Implementation of Electrical Tomography in a Distributed System to Examine the Condition of Objects. IEEE Sens. J., 17 (2017), 8166–8186
• [11] Korzeniewska E., Gałązka-Czarnecka I., Czarnecki A., Piekarska A., Krawczyk A., Influence of PEF on antocyjans in wine, Przeglad Elektrotechniczny, 94 (2018), No. 1, 57-60.
• [12] Korzeniewska E., Szczesny A., Parasitic parameters of thin film structures created on flexible substrates in PVD process, Microelectronic Engineering, 193 (2018), 62-64.
• [13] Rymarczyk T., Kłosowski, G. Application of neural reconstruction of tomographic images in the problem of reliability of flood protection facilities. Eksploat. i Niezawodn. -- Maint. Reliab. 20 (2018), 425–434
• [14] Rymarczyk T., Kłosowski G., Kozłowski E., A NonDestructive System Based on Electrical Tomography and Machine Learning to Analyze the Moisture of Buildings. Sensors, 18 (2018), 2285
• [15] Kłosowski G. & Rymarczyk T. Using neural networks and deep learning algorithms in electrical impedance tomography. Inform. Autom. Pomiary w Gospod. i Ochr. Środowiska, 7 (2017), 99–102
• [16] Borsoi R. A., Aya J. C. C., Costa G. H., Bermudez J. C. M., Super-resolution reconstruction of electrical impedance tomography images. Comput. Electr. Eng., 69 (2018), 1–13

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).