PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Trendy i problemy w diagnostyce procesów

Autorzy
Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
Trends and problems in diagnostics
Konferencja
Diagnostics'04, III Międzynarodowy Kongres Diagnostyki Technicznej (6-9 września 2004, Poznań, Polska)
Języki publikacji
PL
Abstrakty
PL
W ostatnich latach w systemach detekcji i lokalizacji uszkodzeń dla układów dynamicznych stosuje się zintegrowane ilościowe i jakościowe modele informacji, a większość z nich oparta jest na modelach obliczeń inteligentnych. Celem niniejszej pracy jest prezentacja nowych metod i technik analitycznych oraz obliczeń inteligentnych w systemach diagnostyki procesów. Przyjmując strukturę układu diagnostyki z modelem omawia się możliwości stosowania modeli analitycznych, a przede wszystkim obserwatorów o nieznanych wejściach. Szerzej rozpatruje się alternatywne podejścia oparte na wykorzystaniu metod obliczeń inteligentnych, takich jak sztuczne sieci neuronowe, logika rozmyta, sieci neuronowo-rozmyte oraz algorytmy ewolucyjne do rozwiązywania zadań globalnej optymalizacji. Dla zilustrowania efektywności metod sztucznych sieci neuronowych typu GMDH w układach diagnostyki w końcowej części referatu rozpatruje się problem diagnostyki urządzenia wykonawczego w Cukrowni Lublin.
EN
Recents approaches to Fault Detection and Isolation (FDI) for dynamic systems use methods of integrating quantitative and qualitative model information, and most of these are based on soft computing methods. The purpose of this paper is to present new methods and applications in the field of analytical and soft computing techniques for fault diagnosis of processes. Taking into account the model-based structure of a diagnostics system, possible applications of analytical models, and first of all unknown input observers, are considered. Alternative soft computing methods such as artificial neural networks, fuzzy logic, neuro-fuzzy structures and evolutionary algorithms for global optimization problems are presented and discussed in greater detail. To illustrate the effectiveness of GMDH artificial neural networks in fault diagnosis, an industrial valve actuator system in a sugar factory (Cukrownia Lublin S.A., Poland) is tested.
Czasopismo
Rocznik
Strony
275--286
Opis fizyczny
Bibliogr. 41 poz., rys.
Twórcy
autor
  • Instytut Sterowania i Systemów Informatycznych, Uniwersytet Zielonogórski, ul. Podgórna 50, 65-246 Zielona Góra, J.Korbicz@issi.uz.zgora.pl
Bibliografia
  • [1] Ballé P. i in. (1998): Integreted control, diagnosis and reconfiguration of a heat exchanger. - IEEE Control Systems, Vol.18, No.3, pp.52-63.
  • [2] Blanke M., Kinnaert M., Lunze J., Staroswiecki M. (2003): Diagnosis and FaultTolerant Control. - New York: SpringerVerlag.
  • [3] Calado J.M.F., Korbicz J., Patan K., Patton R.J., Sá da Costa J.M.G. (2001): Soft computing approaches to fault diagnosis for dynamic systems. - European Journal of Control, Vol.7, No.2-3, pp.248-286.
  • [4] Cempel C. (1989): Dignostyka wibroakustyczna maszyn. - Warszawa: PWN.
  • [5] Chen J., Patton R.J. (1999): Robust Modelbased Fault Diagnosis for Dynamic Systems. – London: Kluwer Academic Publishers.
  • [6] Cholewa W. (2002): Systemy doradcze w diagnostyce technicznej, [w:] Diagnostyka procesów. Modele, Metody sztucznej inteligencji, Zastosowania (Korbicz J., Kościelny J.M., Kowalczuk Z., Cholewa W., Red.). - Warszawa: WNT, ss. 543-580.
  • [7] DAMADICS (2002): Strona Internetowa RTN DAMADICS: Development and Application of Methods for Actuator Diagnosis in Industrial Control Systems. - http://diag.mchtr.pw.edu.pl/damadics
  • [8] Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R. (Red.) (2000): Biocybernetyka i inĪynieria biomedyczna 2000. Sieci neuronowe. - Warszawa: Akademicka Oficyna Wydawnicza, EXIT, t. 6.
  • [9] Frank P.M. (2002): Handling modelling uncertainty in fault detection and isolation systems. - Proc. 9th Int. Conf. IPMU, Annecy, France, pp.1729-1749.
  • [10] Frank P.M., Marcu T. (2000): Diagnosis strategies and systems. Principles, fuzzy and neural approaches, [in:] Intelligent Systems and Interfaces (Teodorescu H.-N., Mlynek D., Kandel A. and Zimmermann H.-J., Eds.)). - Boston: Kulwer.
  • [11] Frank P.M., Schreier G., Garcia E.A. (1999): Nonlinear observers for fault detection and isolation. - [in:] New Directions in Nonlinear Observer Design (Nijmeijer H., Fossen T.I., Eds.) - Berlin: Springer-Verlag.
  • [12] Gupta M.M., Jin L., Homma N. (2003): Static and Dynamic Neural Networks. - Hoboken, New Jersey: John Wiley & Sons.
  • [13] Isermann R. (Ed.) (1997): Supervision, Fault Detection and Diagnosis of Technical Systems. Special Section [in:] Control Engng. Practice, Vol.5, No. 5.
  • [ 14 ] Ivakhnenko A.G. (1971): Polynominal theory of complex systems. - IEEE Trans. System, Man and Cybernetics, Vol.SMC-1, No.4. pp.44-58.
  • [15] Korbicz J., Bidyuk P. (1993): State and Parameter Estimation. Digital and Optimal Filtering. Applications. - Zielona Góra: Technical University Press.
  • [16] Korbicz J., Cempel C. (Eds.) (1993): Analytical and Knowledge-based Redundancy in Fault Detection and Diagnosis. - Appl. Math. & Comp. Sci., Spec. Issue, Vol. 3, No. 3.
  • [17] Korbicz J., Fathi Z., Ramirez W.F. (1993): State estimation schemes for fault detection and diagnosis in dynamic systems. - Int. J. Systems Sci., Vol. 24, No. 5, pp.985-1000.
  • [18] Korbicz J., Kościelny J.M., Kowalczuk Z., Cholewa W. (Eds.) (2004): Fault Diagnosis. Models, Artificial Intelligence, Applications. - Berlin Heidelberg: Springer-Verlag.
  • [19] Korbicz J., Kościelny J.M., Kowalczuk Z., Cholewa W. (Red.) (2002): Diagnostyka procesów. Modele, Metody sztucznej inteligencji, Zastosowania. - Warszawa: WNT.
  • [20] Korbicz J., Kowal M. (2001): Systemy neuronowo-rozmyte w diagnostyce procesów, [w:] Zbiory rozmyte i ich zastosowania (Chojcan J., Łęski J., Red.). - Gliwice: Wydawnictwo Politechniki Śląskiej, ss.333-379.
  • [21] Korbicz J., Obuchowicz A., Uciński D. (1994): Sztuczne sieci neuronowe. Podstawy i zastosowania. - Warszawa: Akademicka Oficyna Wydawnicza, PLJ.
  • [22] Kościelny J.M. (2001): Diagnostyka zautomatyzowanych procesów przemysáowych. - Warszawa: Akademicka Oficyna Wydawnicza, EXIT.
  • [23] Kościelny J.M., Bartyś M. (2000): Application of information system theory for actuator diagnosis. - Proc. 4th IFAC Symp. Fault Detection, Supervision and Safety for Technical Processes, SAFEPROCESS, Budapest, Hungary, Vol.2, pp.949-954.
  • [24] Kościelny J.M., Bartyś M., Syfert M., Pawlak M. (2002): Zastosowania przemysłowe, [w:] Diagnostyka procesów. Modele, Metody sztucznej inteligencji, Zastosowania (Korbicz J., Kościelny J.M., Kowalczuk Z., Cholewa W., Red.). - Warszawa: WNT, ss.793-828.
  • [25] Kowalczuk Z., Suchomski P. (2004): Optimal detection observers based on eigenstructure assignment, [in:] Fault Diagnosis. Models, Artificial Intelligence, Applications (Korbicz J., Kościelny J.M., Kowlaczuk Z., Cholewa W., Eds.). - Berlin Heidelberg: SpringerVerlag.
  • [26] Moczulski W. (2002): Diagnostyka techniczna. Metody pozyskiwania wiedzy. - Gliwice: Wydawnictwo Politechniki Śląskiej.
  • [27] Mrugalski M. (2003): Neuronowe modelowanie systemów nieliniowych w układach detekcji uszkodzeń. - Uniwersytet Zielonogórski, Wydziaá Elektrotechniki, Informatyki i Telekomunikacji, Rozprawa doktorska.
  • [28] Mueller J.E., Lemke F. (2000): Selforganising Data Maining. - Hamburg: Libri.
  • [29] Obuchowicz A. (2003): Evolutionary Algorithms for Global Optimization and Dynamic System Diagnosis. - Zielona Góra: Lubusky Scientific Society.
  • [30] Osowski S. (2000): Sieci neuronowe i przetwarzanie informacji. - Warszawa: Oficyna Wydawnicza Politechniki Warszawskiej.
  • [31] Patan K., Korbicz J., Mrugalski M. (2002): Sztuczne sieci neuronowe w układach diagnostyki, [w:] Diagnostyka procesów. Modele, Metody sztucznej inteligencji, Zastosowania (Korbicz J., Kościelny J.M., Kowalczuk Z., Cholewa W., Red.). - Warszawa: WNT, ss.311-352.
  • [32] Patton R.J., Frank P.M., Clark R.N. (Eds.) (2000): Issues of Fault Diagnosis for Dynamic Systems. - Berlin: Springer-Verlag.
  • [33] Patton R.J., Korbicz J. (Eds.) (1999): Advances in Computational Intelligence for Fault Diagnosis Systems. - Int. J. Appl. Math. and Comp. Sci., Vol. 9, No. 3, Special Issue.
  • [34] Pham D.T., Xing L. (1995): Neural Networks for Identification, Prediction and Control. - London: Springer-Verlag.
  • [35] Piegat A. (2003): Modelowanie i sterowanie rozmyte. - Warszawa: Akademicka Oficyna Wydawnicza, EXIT.
  • [36] Pieczyński A. (2003): Reprezentacja wiedzy w diagnostycznym systemie ekspertowym. - Zielona Góra: Lubuskie Towarzystwo Naukowe.
  • [37] Rutkowska D. (2000): Neuro-fuzzy Architectures and Hybrid Learning. - Heidelberg: Physica-Verlag.
  • [38] Rutkowski L. (2004): New Soft Computing Techniques for System Modelling, Pattern Classification and Image Processing. - Berlin Heidelberg: Springer-Verlag.
  • [39] Welfe A. (1998): Ekonometria. Metody i zastosowania. - Warszawa: Polskie Wydawnictwo Ekonomiczne.
  • [40] Witczak M. (2003): Identification and Fault Detection of Non-linear Dynamic Systems. - Zielona Góra: University of Zielona Góra Press.
  • [41] Witczak M., Obuchowicz A., Korbicz J. (2002): Genetic programming based approaches to identification and fault diagnosis of nonlinear dynamic systems. - Int. J. Control, Vol. 75, No. 13, pp. 1012-1031.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BAT3-0029-0061
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.