Algorytm odpornej identyfikacji addytywnego modelu regresji dla potrzeb detekcji uszkodzeń

• Autorzy: Łabęda-Grudziak Z. M.

Warianty tytułu

EN

Robust identification algorithm for the additive regression model for fault detection

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono algorytm odpornej identyfikacji modeli obiektów dynamicznych dla potrzeb detekcji uszkodzeń. W tym celu wykorzystano addytywny model regresji wraz z nieparametrycznymi technikami estymacji, który posłużył zarówno do identyfikacji modelu obiektu metodą błędu predykcji, jak i modelowania błędu modelu addytywnego. Pozyskana wiedza posłużyła do konstrukcji odpornego układu detekcji uszkodzeń, a następnie do oceny wrażliwości na występowanie poszczególnych uszkodzeń. Badania przeprowadzono dla zaworu regulacyjnego znajdującego się w pierwszym stopniu stacji wyparnej cukrowni "LUBLIN" S.A.

EN

This paper presents an algorithm for robust identification of dynamic systems for fault detection. To achieve robustness, the additive regression model with nonparametric estimation techniques was used to identify a model by prediction error methods and also to estimate an uncertainty associated with the model. The planned aim is the fault detection of the actuator in the evaporation station. The results of the modeling and the fault detection procedures have been presented. All research has been carried out based on the real process data recorded in the Lublin Sugar Factory S.A.

Słowa kluczowe

PL

algorytm odpornej identyfikacji; modele obiektów dynamicznych; detekcja uszkodzeń; addytywny model regresji; nieparametryczne techniki estymacji; metoda błędu predykcji

• Wydawca: Wyższa Szkoła Informatyki i Umiejętności
• Czasopismo: Zeszyty Naukowe Wyższej Szkoły Informatyki
• Rocznik: 2012
• Tom: Vol. 11, Nr 1
• Strony: 85--99
• Opis fizyczny: Bibliogr. 10 poz., rys.

Twórcy

autor

Łabęda-Grudziak Z. M.

• Politechnika Warszawska, Instytut Automatyki i Robotyki,

Bibliografia

• [1] Ansley C.F., Kohn R., Convergence of the backfitting algorithm for additive models, Journal of the Australian Mathematical Society (Series A), Vol.57, pp. 316-329, 1994.
• [2] DAMADICS: Strona internetowa RTN DAMADICS: Development and Application of Methods for Actuator Diagnosis in Industrial Control Systems.
• [3] Gertler J., Fault Detection and Diagnosis in Engineering Systems.Marcel Dekker, Inc. New York - Basel - Hong Kong, 1998.
• [4] Good P.I., Introduction to statistics through reasampling methods and R/S-PLUS. Wiley, 2005.
• [5] Hastie T., Tibshirani R., Generalized additive models, Chapman and Hall, 1990.
• [6] Korbicz J., Kościelny J.M.., Modelowanie, diagnostyka i sterowanie nadrzędne procesami. Implementacja w systemie DiaSter. WNT, Warszawa 2009.
• [7] Kościelny J.M., Diagnostyka procesów przemysłowych. EXIT, Warszawa 2001.
• [8] Łabęda Z.M, Wykorzystanie addytywnego modelu regresji w eksploracyjnej analizie danych, VI Sympozjum Modelowanie i Symulacja Komputerowa w Technice, Łódź 2008.
• [9] Łabęda-Grudziak Z.M, Dobór struktury modelu addytywnego dla potrzeb detekcji uszkodzeń obiektów dynamicznych, VI Sympozjum Modelowanie i Symulacja Komputerowa w Technice, Łódź 2010.
• [10] Łabęda Z.M., Additive model applications for the fault detection of actuators, Pomiary, Automatyka i Kontrola, Vol.55, pp. 152-155, (3)2009.