Additive model applications for the fault detection of actuators

• Autorzy: Łabęda Z. M.

Warianty tytułu

PL

Zastosowanie addytywnego modelu regresji dla potrzeb detekcji uszkodzeń zaworów regulacyjnych

• Języki publikacji: EN

Abstrakty

EN

The early detection of faults is critical if one wants to avoid the performance degradation and damage to the machinery or the loss of human life. Therefore, accurate diagnosis helps us to make a right decision on emerging actions and repairs [1, 2, 3]. In this paper, a new way of additive models and knowledge discovery data application for designing actuator has been presented. The planned aim is the fault detection of the control valve with a servomotor and a positioner (Fig. 2) based on the received model. Used additive models (1) overcome the curse of dimensionality and allow us to examine the predictor effects separately, in the absence of interactions [8, 9]. The backfitting algorithm with nonparametric smoothing techniques has been used for the estimation of the additive model [8, 9, 10]. The results of the modelling and the fault detection procedures have been presented. All research has been carried out based on the example of a control valve for measurement tracks in the boiler laboratory setup. Received results are satisfactory because the tests detected all simulated faults. Therefore, it is an useful method for the multivariate industrial process fitting and fault detection in the analyzed structures.

PL

W pracy przedstawiono wykorzystanie addytywnego modelu regresji oraz statystycznych technik eksploracji danych do stworzenia modelu zaworu regulacyjnego. Pozyskana wiedza posłużyła do konstrukcji algorytmów detekcji uszkodzeń, a następnie do oceny wrażliwości na występowanie poszczególnych uszkodzeń. Badania przeprowadzono dla przykładowego zaworu regulacyjnego na podstawie danych laboratoryjnych próbkowanych na stanowisku regulacji poziomu wody w zbiorniku walczakowym. Otrzymane wyniki są zadowalające, gdyż zaprezentowane metody pozwoliły na wykrycie wszystkich zasymulowanych uszkodzeń.

Słowa kluczowe

EN

actuator; fault detection; additive model; data mining

PL

urządzenie wykonawcze; detekcja uszkodzeń; model addytywny; eksploracja danych

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2009
• Tom: R. 55, nr 3
• Strony: 152--155
• Opis fizyczny: Bibliogr. 12 poz., rys., tab., wzory

Twórcy

autor

Łabęda Z. M.

• Institute of Automatic Control and Robotics, Warsaw University of Technology,

Bibliografia

• [1] J. Gertler: Fault Detection and Diagnosis in Engineering Systems. Marcel Dekker, Inc. New York - Basel - Hong Kong, 1998.
• [2] J. Korbicz, J. M. Kościelny, Z. Kowalczuk, W. Cholewa (red): Diagnostyka procesów. Modele, metody sztucznej inteligencji, zastosowania. WNT, Warszawa 2002.
• [3] J. M. Kościelny: Diagnostyka procesów przemysłowych. EXIT, Warszawa 2001.
• [4] D. T. Larose: Discovering Knowledge in Data: An Introduction to DATA MINING, Wiley, 2005.
• [5] Z. Trybalski: Urzadzenia i układy automatycznej regulacji, PWN Warszawa 1987.
• [6] J. Korbicz: Sztuczne sieci neuronowe i ich zastosowanie w diagnostyce procesów przemysłowych, Pomiary-Automatyka-Kontrola, 4, 1998, 129-133.
• [7] J. M. Kościelny, M. Bartyś: Diagnostyka uszkodzeń zespołu wykonawczego automatyki z zastosowaniem logiki rozmytej, IV KKNT - Diagnostyka Procesów Przemysłowych, Kazimierz Dolny, 1998, 153-158.
• [8] T. Hastie, R. Tibshirani: Generalized additive models, Chapman and Hall, 1990.
• [9] Z. M. Łabęda: Wykorzystanie addytywnego modelu regresji w eksploracyjnej analizie danych, VI Sympozjum Modelowanie i Symulacja Komputerowa w Technice, Łódź 2008.
• [10] Z. M. Łabęda: Identyfikacja procesu autoregresyjnego AR(p) oraz procesu z warunkową autoregresyjną heteroskedastycznością ARCH(p) przy użyciu modelu addytywnego, III Konferencja Naukowo-Techniczna Doktorantów i Młodych Naukowców, Warszawa, 2008.
• [11] Z. M. Łabęda: Zastosowanie addytywnego modelu regresji dla potrzeb detekcji uszkodzeń zaworów regulacyjnych, III Konferencja Naukowo-Techniczna Doktorantów i Młodych Naukowców, Warszawa, 2008.
• [12] P. I. Good: Introduction to statistics through reasampling methods and RJS-PLUS, Wiley, 2005.