Podejście Bayesa w przemysłowych systemach kontroli i sterowania przy wykorzystaniu tomografii procesowej

• Autorzy: Romanowski A. , Grudzień K. , Williams R. A. , Aykroyd R. A , West R. M. , Meng S.

Warianty tytułu

EN

Bayesian approach to monitoring and control of industrial process tomography systems

• Języki publikacji: PL

Abstrakty

PL

Technika pomiarowa, jaką jest tomografia procesowa, stanowi unikalne narzędzie do monitorowania stanu i informowania o szeregu procesów przemysłowych, zważywszy na fakt, że jest ona nieinwazyjna, a więc jej użycie nie zaburza samego procesu. Jednakże przykłady prób opracowania przy jej użyciu systemów kontroli i sterowania nadal obarczone są szeregiem niedoskonałości. Większość dotychczas proponowanych rozwiązań skupia się na rekonstrukcji obrazów pochodzących z tomograficznych danych pomiarowych, a następnie na ich postprocesingu. Niestety klasyczne metody rekonstrukcji obrazów są obciążone trudnymi do oszacowania błędami, które prowadzą do bezpowrotnej utraty części informacji. Natomiast zastosowanie teorii Bayesa daje większą elastyczność analizy danych pomiarowych, możliwość zawarcia dodatkowej wiedzy a priori w fazie obróbki danych oraz, co najważniejsze, umożliwia bezpośrednie szacowanie dowolnie wybranych parametrów procesu z pominięciem etapu rekonstrukcji.

EN

Process tomography as a measurement and exploration tool gives a unique chance of investigation/monitoring/control the industrial processes without interrupting the process since it is nonintrusive by definition. Unfortunately the so far proposed methods of ECT based industrial process control systems failed to be efficient and automatic. These systems were associated with image reconstruction techniques which introduce unquantified errors and lead to loss of information. Bayesian approach presented here is more flexible in output modelling, allows incorporating prior knowledge into data processing and gives the opportunity for direct desired parameters estimation.

Słowa kluczowe

PL

przetwarzanie sygnałów; tomografia procesowa; teoria Bayesa

EN

signal processing; tomography systems; Bayesian approach

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2004
• Tom: T. 8, z. 3
• Strony: 217--222
• Opis fizyczny: Bibliogr. 5 poz., rys., wykr.

Twórcy

autor

Romanowski A.

• Katedra Informatyki Stosowanej, Politechnika Łódzka

autor

Grudzień K.

• Katedra Informatyki Stosowanej, Politechnika Łódzka

autor

Williams R. A.

• University of Leeds, United Kingdom

autor

Aykroyd R. A

• University of Leeds, United Kingdom

autor

West R. M.

• University of Leeds, United Kingdom

autor

Meng S.

• University of Leeds, United Kingdom

Bibliografia

• [1] Geman S., Geman D.: Stochastic Relaxation, Gibbs Distributions and the Bayesian Restoration of Image. IEEE Trans. Pattem Analysis and Machine Intelligence, 6, 1984, 721-741
• [2] Gilks W.R., Richardson S., Spiegelhalter D.J.: Markov Chain Monte Carlo in Practice. London, Chapman&Hall 1996
• [3] Kaipio J.P., Kolehmainen V., Somersalo E., and Vauhkonen M.: Statistical Inversion and Monte Carlo Sampling Methods in Electrical Impedance Tomography. Inverse Problems, 16, 2000, 1487-1522
• [4] West R.M., Aykroyd R.G., Meng S., and Williams R.A.: Markov chain Monte Carlo techniques and spatial-temporal modelling for medical EIT. Physiological Measurements, 25, 2004a, 181-194
• [5] West R.M., Aykroyd R.G., Meng S., and Williams R.A.: Spatial-Temporal Modelling for Electrical Impedance Imaging ofa Mixing Process. Submitted to Measurement Science and Technology 2004b