Artificial Neural Networks Approaches to Monitoring of Combustion in a Fluid Boiler

• Autorzy: Jankowska A. , Kornacki S.

Warianty tytułu

PL

Monitorowanie kotłów fluidalnych z zastosowaniem neuronowych modeli spalania

• Języki publikacji: EN

Abstrakty

EN

Opisano zastosowanie modeli neuronowych do wyliczania emisji zanieczyszczeń powietrza oraz do wczesnego wykrywania nieszczelności parowych w energetycznych kotłach fluidalnych. Oba zadania związane są z monitorowaniem pracy kotłów koniecznym dla spełnienia wymagań ekologicznych (bilansowanie i redukcja emisji zanieczyszczeń) oraz ograniczeniem skutków awarii. W artykule przedstawiono zwłaszcza te zagadnienia, które mają charakter ogólny i są ważne przy tworzeniu tego typu przemysłowych aplikacji dla innych obiektów przemysłowych. Abstract: The paper describes the applications of artificial neural network models to calculating the emission of exhaust gases and early detection of a steam leak in power fluid boilers. Both tasks are related to the monitoring of boilers operation necessary for fulfilling the ecological requirements (balancing and reduction of the contamination emissions) and limiting the damage results. The paper describes especially problems, that are of general character and are important for implementation of industrial applications similar to other industrial plants.

Słowa kluczowe

EN

artificial neural networks; virtual analyzers; fluid boilers diagnosis

PL

sztuczne sieci neuronowe; wirtualne analizatory; diagnostyka kotłów energetycznych

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2009
• Tom: R. 55, nr 3
• Strony: 149--151
• Opis fizyczny: Bibliogr. 10 poz., rys.

Twórcy

autor

Jankowska A.

autor

Kornacki S.

• Instytut Automatyki i Robotyki, Politechnika Warszawska,

Bibliografia

• [1] Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne, systemy rozmyte. PWN, Warszawa 1997.
• [2] Osowski S.: Sieci neuronowe do przetwarzania informacji, Oficyna Wyd. PW, Warszawa 2000.
• [3] Kornacki S.: Monitorowanie emisji zanieczyszczeń z zastosowaniem programowego analizatora spalin. Materiały konferencji „Nowoczesne technologie spalania węgla i paliw odpadowych. TGPE. Szczyrk 2006.
• [4] Kornacki S.: Neuronowe modele procesów o zmiennych właściwościach. VII Krajowa Konferencja „Diagnostyka Procesów Przemysłowych”, Rajgród 12-14.09.2005. Pomiary Automatyka Kontrola nr 9/2005.
• [5] Korbicz J., Kościelny J. M., Kowalczuk Z., Cholewa W.: Fault diagnosis. Models. Artificial intelligence. Applications. Springer - Verlag, Berlin Heidelberg 2004.
• [6] Kościelny J. M.: Diagnostyka zautomatyzowanych procesów przemysłowych. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2001.
• [7] Banks, S., Jaroszewski K., Neural networks based diagnostic system for industrial purifying fumes installation. Safeprocess 2006 – 6th IFAC Symposium on Fault Detection, Supervision and Safety of Technical Processes, Aug. 30 - Sep. 1 2006, Beijing, P. R. China; pp. 727 - 732.
• [8] Jankowska A.: Approach to Early Boiler Leak Detection with Artificial Neural Networks. Recent Advances in Mechatronics, Springer Verlag , 2007.
• [9] Alouani A. T., Shih -Yung Chang P.: Artificial Neural Networks and Fuzzy Logic Based Boiler Tube Leak Detection Systems, USA Patent No: 6,192,352 B1, Feb. 20, 2001.
• [10] Lang F. D., Rodgers D. A. T., Mayer L. E.: Detection of Tube Leaks and their Location Using Input/Loss Methods, Proceedings of the 2004. International Joint Power Generation Conference Baltimore, Maryland, March 30 - April 1, 2004, IJPGC2004-52027.