Neural networks in diagnostics of technological processes

• Autorzy: Patan K. , Korbicz J.

Warianty tytułu

PL

Sieci neuronowe w diagnostyce procesów technicznych

• Języki publikacji: EN

Abstrakty

EN

This paper deals with a fault diagnosis for nonlinear technological systems. Model-based fault diagnosis considered in this work, consists of two parts: residual generation and residual evaluation. The first module can be designed using neural networks with dynamical characteristics. The residuals generated by a bank of neural models are then evaluated by means of pattern classification. Final part of the paper includes application example.

PL

Artykuł opisuje problematykę związaną z diagnostyką procesów przemysłowych realizowaną przy użyciu sztucznych sieci neuronowych. Prezentowane są różne struktury neuronowe, za pomocą których można budować modele diagnozowanych obiektów, jak rówież struktury do klasyfikacji uszkodzeń. Załączono także przykład neuronowego układu diagnostyki.

Słowa kluczowe

EN

neural network; fault diagnosis; modelling

PL

sieć neuronowa; diagnostyka uszkodzeń; modelowanie

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2004
• Tom: R. 80, nr 4
• Strony: 331--334
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Patan K.

• University of Zielona Góra, Institute of Control and Computation Engineering, ul. Podgórna 50, 65-246 Zielona Góra

autor

Korbicz J.

• University of Zielona Góra, Institute of Control and Computation Engineering, ul. Podgórna 50, 65-246 Zielona Góra

Bibliografia

• [1] Chen J., Patton R.J., Robust Model-Based Fault Diagnosis for Dynamic Systems. Kluwer Academic Publishers, Massachusetts, USA, 1999.
• [2] Frank P.M., Koppen-Seliger B., New developments using AI in fault diagnosis, Artificial Intelligence, 10 (1997), 3-14.
• [3] Haykin S., Neural Networks. A Comprehensive Foundation. Prentice-Hall, New-Jersey, USA, 1999.
• [4] Kohonen T., Self-Organization and Associative Memory. Springer-Verlag, Berlin 1984.
• [5] Koivo H.N.. Artificial neural networks in fault diagnosis and control. Control Eng. Practice, 2 (1994), 89-101.
• [6 Korbicz J., Patan K., Obuchowicz A., Dynamic neural networks for process modelling in fault detection and isolation systems. International Journal of Applied Mathematics and Computer Science, 9 (1999), n.3, 519-546.
• [7] Korbicz J., Kościelny J.M., Kowalczuk Z., Cholewa W., Fault Diagnosis. Models, Artificial Intelligence, Applications. Springer-Verlag, Berlin, 2004.
• [8] Narendra K.S., Parthasarathy K., Identification and control of dynamical systems using neural networks. IEEE Transaction on Neural Networks, 1 (1990), 12-18.
• [9] Norgard M., Ravn O., Poulsen N.M., Hansen L.K., Networks for Modelling and Control of Dynamic Systems. Springer-Verlag, London, 2000.
• [10] Patan K., Parisini T., Dynamic neural networks for actuator fault diagnosis: application to the DAMADICS benchmark problem, Proc. IFAC Symp. Fault Detection, Supervision and Safety for Technical Processes SAFEPROCESS'2003, Washington D.C., USA, June 9-11, CDROM.
• [11] Patan K., Korbicz J., Artificial neural networks in fault diagnosis, in Fault Diagnosis. Models, Artificial Intelligence, Applications, Korbicz J., Kościelny J.M., Kowalczuk Z., Cholewa W. (Eds.), Springer-Verlag, Berlin, 2004, 333-380.