Zastosowanie łączonych modeli lokalnych w diagnostyce maszyn

• Autorzy: Wojtusik J.

Warianty tytułu

EN

Application of joined local models in the technical diagnostics

• Konferencja: Diagnostics'04, III Międzynarodowy Kongres Diagnostyki Technicznej (6-9 września 2004, Poznań, Polska)
• Języki publikacji: PL

Abstrakty

PL

Współczesna diagnostyka techniczna stosująca model boryka się często ze zbyt dużym stopniem złożoności stosowanych modeli. Rozwiązania tego problemu, najczęściej stosowane dotychczas, polegały na upraszczaniu niektórych zależności modelu bądź świadomym pomijaniu niektórych wejść obiektu celem uproszczenia struktury modelu. W referacie przedstawiono odmienne podejście polegające na stosowaniu zbioru stosunkowo prostych modeli lokalnych w miejsce jednego złożonego modelu globalnego. Taki zbiór modeli lokalnych nazywany jest wielomodelem.

EN

Nowadays technical diagnostics that applies a model struggles very often with a high-complexity degree of applying model. Solutions of that problem, applied most frequent so far, consisted in simplifying of some model relations or conscious omitting of some object inputs with the purpose of making a model structure simpler. In the paper, it is presented inflected approach that consists in application of a set of simply local models instead one complex global model. Such a set of local models is called multi-model.

Słowa kluczowe

PL

modele lokalne; modele globalne; wielomodele; zbiory rozmyte; agregacja

EN

local models; global models; multi-model; fuzzy sets; aggregation

• Wydawca: Polskie Towarzystwo Diagnostyki Technicznej
• Czasopismo: Diagnostyka
• Rocznik: 2004
• Tom: Vol. 30, T. 2
• Strony: 191--194
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Wojtusik J.

• Katedra Podstaw Konstrukcji Maszyn, Politechnika Śląska, ul. Konarskiego 18 a, 44-100 Gliwice,

Bibliografia

• [1] Cholewa W., Aggregation of Fuzzy Opinions - An Axiomatic Approach, Fuzzy Sets and Systems, Vol. 17, s. 249-258, North-Holland 1985.
• [2] Cholewa W., Kaźmierczak J., Diagnostyka techniczna maszyn. Przetwarzanie cech sygnałów, Skr. Pol. Śl. nr 1693, Gliwice 1992.
• [3] Diagnostyka procesów. Modele, sztuczna inteligencja, zastosowania, Korbicz J.(red.), Kościelny J.M.(red.), Kowalczuk Z.(red.), Cholewa W.(red.), WNT, Warszawa 2002.
• [4] Huang Y., Chan K.L., Zhang Z., Texture classification by multi-model feature integration using Bayesian networks, Pattern Recognition Letters, Vol. 24 (1-3), s.393-401, styczeń 2003.
• [5] Johansen T.A., Murray-Smith R., Multiple Model Approaches to Modelling and Control, Francis&Taylor 1997.
• [6] Porfirio C.R., Almeida Neto E., Odloak D., Multi-model predictive control of an industrial C3/C4 spitter, Vontrol Engineering Practise, Vol. 11 (7), s. 765-779, lipiec 2003.
• [7] Rodrigues M.A., Odloak D., MPC for stable linear systems with model uncertainty, Automatica, Vol. 39 (4), s. 569-583, kwiecień 2003.
• [8] See L., Abrahart R.J., Multi-model data fusion for hydrological forecasting, Computers & Geoscience, Vol. 27 (8), s.987-994, październik 2001.
• [9] Wojtusik J. Application of Multi-Models to Modelling of Centrifugal Pumps Behavior, Symposium AI-METH 2003 (Artificial Intelligence Methods), Gliwice 2003.
• [10] Xu X.Y., Wang Y.Y., Multi-model technology and its application in the integration of CAD/CAM/CAE, Journal of Material Processing Technology, Vol. 129(1-3), s.563-567, październik 2002.
• [11] Yager R.R., Kelman A., Fusion of Fuzzy Information with Considerations for Compability, Partial Aggregation and Reinforcement, International Journal of Approximate Reasoning, Vol. 15, s.93-122, sierpień 1996.