Tytuł artykułu
Autorzy
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
Konsolidacja informacji w pomiarze temperatury
Języki publikacji
Abstrakty
New approach to intelligent temperature signal processing has been proposed. The method incorporates both samples of temperature signal and imprecise information concerning the conditions under which the temperature readings have been obtained. The fuzzy sets have been applied for representation of imprecise knowledge. Fusion algorithm of imprecise information and uncertain temperature readings has been proposed. As an example the method was examined for chosen thermal processes and electroheat plants.
W artykule przedstawiono nową metodę przetwarzania (filtracji) sygnału temperatury, mającą cechy cenzurowania próbek pomiarowych, a bazującą na konsolidacji różnego rodzaju informacji (information fusion). Proponowany algorytm pozwala uwzględnić w procesie przetwarzania mierzonego sygnału dodatkowe informacje o warunkach w jakich przeprowadzany jest pomiar, np. informacje dotyczące fizycznych ograniczeń obiektu pomiaru i aktualnej fazy toczącego się procesu technologicznego. Ze względu na fakt, że takie dodatkowe informacje mogą mieć charakter nieprecyzyjny do ich reprezentacji i przetwarzania zastosowano zbiory rozmyte, pełniące rolę tzw. rozkładów możliwości. Podano sposób tworzenia takich zbiorów dla różnych faz cieplnych procesów technologicznych oraz przeanalizowano wpływ kształtu funkcji przynależności zbioru na jego zawartość informacyjną. Zaproponowano algorytm łączący (konsolidujący) informacje o różnym charakterze, tj.: próbki mierzonego sygnału oraz zbiory rozmyte reprezentujące warunki przeprowadzania pomiarów. Algorytm wykazuje dodatkowo takie korzystne cechy procedury filtracyjnej jak np. pozostawianie niezmienionych wartości tych próbek pomiarowych, które uznane są za prawidłowe. Przeprowadzono wszechstronną weryfikację metody zarówno na drodze symulacji komputerowych, jak i w trakcie eksperymentów z wykorzystaniem rezystancyjnych pieców komorowych. Uwzględniono przy tym typowe fazy cieplnych procesów technologicznych, takie jak np. rozgrzew obiektu czy programowa regulacja temperatury. Wykazano, że proponowany algorytm zapewnia lepsze odtwarzanie rzeczywistej wartości temperatury w porównaniu z typowymi algorytmami filtracyjnymi, szczególnie w przypadku dynamicznych zmian sygnału mierzonego.
Czasopismo
Rocznik
Tom
Strony
339--352
Opis fizyczny
Bibliogr. 21 poz., rys.
Twórcy
autor
- Technical University of Lodz, Department of Electroheat
Bibliografia
- 1. Piotrowski. J.: Procedury pomiarowe i estymacja sygnałów. Skrypty uczelniane Nr 1889, Politechnika Śląska, Gliwice 1994.
- 2. Kelly, G.: Data fusion: from Primary Metrology to Process Measurement. IEEE Instrumentation and Measurement Technology Conference. IMTC'99, Venice, Italy, Vol. 3, 1999, pp. 1325-1329.
- 3. Smets, Ph.: Varieties of ignorance. Information Science. 57-58, 1991, pp. 135-144.
- 4. Dubois, D., Prade,. H., Smets. Ph.: Representing partial ignorance. IEEE System Machine and Cybernetic, 26, 1996, pp. 361-377.
- 5. Zadeh, L. A.: Fuzzy sets. Information and Control, 8, 1965, pp. 338-353.
- 6. Alippi, C., Ferrero, A., Piuri, V.: Artificial intelligence for instruments and applications, IEEE Instrumentation & Measurement Magazine, June 1998, pp. 9-17.
- 7. Russo F.: Fuzzy systems in instrumentation: fuzzy signal processing. IEEE Trans. on Instrumentation and Measurement. Vol. 45, No. 2, 1996.
- 8. Mauris, G., Berrah, L., Foulloy, L., Haurat, A.: Fuzzy Handling of Measurement Errors in Instrumentation. IEEE Trans, on Instrumentalion and Measurement, Vol. 49, No. 1, 2000, pp. 89-93.
- 9. Kucharski, J. (1999): Towards fuzzy conditioning of temperature signals. 7th Intern. Sxmp. on Temperature and Thermal Measurements in Industry and Science, TEMPMEK0`99, Delft, The Netherlands.
- 10. Kucharski, J.: Wykorzystanie logiki rozmytej w dynamicznym przetwarzaniu sygnału temperatury. Metrologia i systemy pomiarowe, tom 4, z. 4/1999, pp. 283-295.
- 11. Kucharski, J.: Application of fuzzy inference for intelligent conditioning of temperature signals. 8th Intent. Symp. on Temperature and Thermal Measurements in Industry and Science. TEMPMEKO'2001, Berlin, Germany.
- 12. Zadeh, L. A.: Fuzzy sets as a basis for theory of possibility. Fuzzy Sets and Systems, 1, 1978, 3-28.
- 13. Driankov, D., Hellendroon, H., Reinfrank, M.: An Introduction to Fuzzy Control. Springer-Verlag, Berlin 1993.
- 14. Łobodziński, W., Sankowski, D., Kucharski. J.: Start up identification of electric resistance furnaces. Elektrowärme International, 53/1995.
- 15. Szafran, J., Wiszniewski, A.: Algorytmy pomiarowe i decyzyjne cyfrowej automatyki elektroenergetycznej. WNT, Warszawa 2001.
- 16. How-Lung Eng, Kai-Kuang Ma: Noise Adaptive Soft-Switching Median Filter. IEEE Trans. On Image Processing, Vol. 10, No. 2, 2001, 242-251.
- 17. Florencio, D. A. F., Schafer R. W.: Decision-Based Median Filter Using Local Signal Statistics. Proc. of the SPIE's 1994 International Symposium on Visual Communication and Image Processing, 1994 Chicago.
- 18. Zadeh, L. A.: Outline of a new approach to the analysis of complex systems and decision processes. IEEE Trans. Syst. Man. Cybern., vol. SMC-3, 1973, 28-44.
- 19. Rutkowska, D., Piliński, M., Rutkowski, L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Wydawnictwo Naukowe PWN, 1999 Warszawa.
- 20. Dubois, D., Prade, H., Sandri, S.: On possibility/probability transformations, in Fuzzy Logic: State of the Art. (R. Lowen, M. Rubens, eds.) Kluwer Academic Publ.Dordrecht, 1993, pp. 103-112.
- 21. Mauris, G., Lasserre, V., Foulloy, L.: Fuzzy Modelling of Measurement Data Acquired from Physical Sensors. IEEE Trans. on Instrumentation and Measurement, Vol. 49, No. 6, 2000, pp. 1201-1205.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BSW1-0004-0010