Metoda detekcji wycieków w sieciach wodociągowych z zastosowaniem modeli NLARX

• Autorzy: Przystałka P.

Warianty tytułu

EN

Leakage detection method in water supply networks using NLARX models

• Języki publikacji: PL

Abstrakty

PL

W artykule zaprezentowano metodę detekcji wycieków w rozdzielczych sieciach wodociągowych z zastosowaniem klasycznego schematu diagnozowania bazującego na modelu monitorowanego obiektu. Omówiono sposób modelowania zależności pomiędzy zmianami przepływów wody z wykorzystaniem nieliniowych modeli autoregresyjnych z zewnętrznym wejściem oraz przedstawiono sposób ich użycia do detekcji wycieków. Poprawność proponowanego podejścia zilustrowano na podstawie eksperymentu dla wybranej dzielnicy miasta Rybnik.

EN

The paper focuses on the leakage detection method in water supply networks with the use of the model-based fault detection approach. Non-linear autoregressive exogenous models are employed to find the relationship between water flow rates. These models are used to the leakage detection purpose. The merits and limits of the proposed method are illustrated for experiments dealing with the district management zone of Rybnik’s water distribution network.

Słowa kluczowe

PL

sieć wodociągowa; wyciek wody; detekcja; model NLARX

EN

water supply system; water leakage; detection; NLARX model

• Wydawca: Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej. Oddział Gliwice
• Czasopismo: Modelowanie Inżynierskie
• Rocznik: 2013
• Tom: T. 15, nr 46
• Strony: 94--102
• Opis fizyczny: Bibliogr. 16 poz.

Twórcy

autor

Przystałka P.

• Instytut Podstaw Konstrukcji Maszyn, Politechnika Śląska

Bibliografia

• 1. Bartyś M., Patton R., Syfert M., de las Heras S., Quevedo J.: Introduction to the DAMADICS actuator FDI benchmark study. “Control Engineering Practice” 2006, Vol. 14, No. 6, p. 577-596.
• 2. Eliades D. and Polycarpou M.: A fault diagnosis andsecurity framework for water systems, “IEEE Transactions on Control Systems Technology” 2010, Vol. 18, No. 6, p. 1254-1265.
• 3. Geiger G.,Werner T. and Matko D.: Leak detection and locating - A survey, “35th Annual PSIG Meeting”, 2003.
• 4. Hagan M.T. ,Menhaj M.B.: Training feedforward networks with the Marquardt algorithm. „IEEE Transactions on Neural Networks”, 1994, Vol. 8, No. 6, p. 989-993.
• 5. Isermann R.: Fault-diagnosis systems: an introduction from fault detection to fault tolerance. Springer, 2006.
• 6. Jezior K., Mazur K., Borowa A., Grochowski M. i Brdyś M.: Multiregional PCA for leakage detection and localisation in DWDS - Chojnice case study, in J. Korbicz, K. Patan and M. Kowal (Eds), “Fault Diagnosis and Fault Tolerant Control” 2007, Academic Publishing House EXIT, p. 303-310.
• 7. Korbicz J., Kościelny J.M., Kowalczuk Z. and Cholewa W. (red.): Fault diagnosis: models, artificial intelligence, applications. Berlin/Heidelberg: Springer, 2004.
• 8. Korbicz J.: Robust fault detection using analyticaland soft computing methods. Bulletin of the PolishAcademy of Sciences “Technical Sciences” 2006, Vol. 54, No.1, p. 75-88.
• 9. Moczulski M., Ciupke K., Przystałka P., Tomasik P., Wachla D., Wiglenda R., Wyczółkowski R.: Metodyka budowy systemu monitorowania wycieków w sieciach wodociągowych. W: „Diagnostyka procesów i systemów”, X Międzynarodowa konferencja naukowo-techniczna, Zamość 2011, s. 409 - 420. (pamięć USB).
• 10. Nowicki A., Grochowski M., Duzinkiewicz K.: Data-driven models for fault detection using kernel PCA - water distribution system case study. “International Journal of Applied Mathematics and Computer Science”, 2012, Vol. 22, No. 4, p. 939-949.
• 11. Patan K.: Robust fault diagnosis in a DC motor by means of artificial neural networks and model error modelling, in M. K. ed. by J. Korbicz, K. Patan (eds. ) “Fault diagnosis and fault tolerant control”. Warsaw: Academic Publishing House EXIT, 2007, p. 337-346.
• 12. Przystałka P., Wyczółkowski R.: Detekcja małych wycieków w sieciach wodociągowych z zastosowaniem metody modelowania niepewności. „Pomiary Automatyka Kontrola” 2011 vol. 57, nr 11, s. 1307-1310.
• 13. Przystałka P., Moczulski W.: Optimal placement of sensors and actuators for leakage detection and localization. Preprints of the 8th “IFAC Symposium on Fault Detection, Supervision and Safety of Technical Processes” (SAFEPROCESS), p. 666-671, August 29-31, 2012. Mexico City, Mexico.
• 14. Puust R., Kapelan Z., Savic D. and Koppel T.: A review of methods for leakage management in pipe networks. “Urban Water Journal” 2010, Vol. 7, No. 1, p. 25-45.
• 15. Rutkowski L.: Metody i techniki sztucznej inteligencji. Warszawa: Wyd. Nauk. PWN, 2005.
• 16. Tsung-Nan Lin, Giles C. L., Bill G. i Kung S.: A delay damage model selection algorithm for NARX neural networks. “IEEE Transactions on Signal Processing” 1999, t. 45, p. 2719-2730.