Filtering of Industrial Data using the Artifficial Neural Networks

• Autorzy: Stanisławczyk A. , Talar J. , Jarosz P. , Kusiak J.

Warianty tytułu

PL

Filtrowanie przemysłowych danych filtrowanie przemysłowych danych przy wykorzystaniu sztucznych sieci neuronowych

• Konferencja: 14th KomPlasTech Conference, Zakopane, January 14-17, 2007
• Języki publikacji: EN

Abstrakty

EN

The data sets, which describe the parameters of any real industrial process, are usually noisy and often not complete. Moreover, the analysis of the data sets is complicated because of the measurement noise of different kinds. The filtering process of the data with the imposed noise is a complex problem and it is difficult to find appropriate general filtering method, which gives the reliable results. Sometimes, the filtering procedure eliminates important information, and sometimes leaves the unnecessary noise. This situation causes many problems with the gathering of the data, which can be useful in modelling of the considered industrial process. The main objective of the work is elaboration of the filtering procedures of the data sets obtained from the copper flash smelting process. The filtered data will serve to work out the Artificial Neural Network based control system of the copper flash smelting process. The existing models of that process are very simplified or based on the FEM models [1-4]. These models are useless from the point of view of the control system, because of its low accuracy and a long computation time. The idea of the control system of the copper flash smelting process is based on the artificial neural networks model [5,6]. The registered in the industrial conditions data are not suitable for the further analysis and modelling of the process. Therefore, the elaboration of the model must be preceded with the filtering of the data. Different techniques were applied to filtering of the noisy industrial data: Fourier Transform Method and techniques based on the Artificial Neural Networks. The filtered data sets were used to creation of the ANN model of the copper flash smelting process. The paper presents the results of filtering of the industrial data and the results of prediction of the chosen parameters of the copper flash smelting process using ANN model elaborated on the base of filtered data.

PL

W procesie modelowania obiektów przemysłowych często napotyka się na trudności związane ze specyfikacją i sposobem akwizycji danych opisujących rzeczywisty obiekt. Rejestrowane dane są zaszumione oraz często niekompletne. Również nie wszystkie istotne parametry mogą być rejestrowane. Filtrowanie danych z nakładającymi się szumami oraz zakłóceniami jest bardzo złożonym problemem, a znalezienie uniwersalnej metody filtrowania, która dawałaby wiarygodne rezultaty jest zadaniem skomplikowanym. Czasem procedury filtrowania eliminują istotne informacje, innym razem pozostawiają zbędny szum. Dlatego też, rejestrowane dane są często nieużyteczne dla dalszej analizy i modelowania procesu. Celem pracy jest prezentacja opracowanej procedury filtrowania, która pozwala na eliminowanie tych komponentów sygnałów wyjściowych, które nie mogą być przewidywane na podstawie rejestrowanych sygnałów wejściowych. Zaproponowany algorytm filtrowania danych wykorzystuje zalety różnych technik: filtrów adaptacyjnych, metody transformaty Fouriera oraz technik opartych o sztuczne sieci neuronowe. Opisano metodę filtrowania danych przemysłowych oraz zaprezentowano zastosowanie jej do filtrowania danych pochodzących z pieca do zawiesinowego wytopu miedzi.

Słowa kluczowe

EN

filtering of data; artificial neural networks; adaptive filters; Fourier transforms; modelling of the metallurgical processes

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2007
• Tom: Vol. 7, No. 2
• Strony: 311--316
• Opis fizyczny: Bibliogr. 9 poz., rys.

Twórcy

autor

Stanisławczyk A.

autor

Talar J.

autor

Jarosz P.

autor

Kusiak J.

• Wydział Inżynierii Metali i Informatyki Przemysłowej, Akademia Górniczo-Hutnicza w Krakowie

Bibliografia

• Davenport, W.G., Jones, D.M., King, M.J., Partelpoeg, E.H., 2001. Flash Smelting: Analysis, Control and Optimization, TMS, Warrendale.
• Donizak, J., Hołda, A., Kolenda, Z., 2002, Zastosowanie deterministyczno-stochastycznego modelu do symulacji zawiesinowego procesu produkcji miedzi hutniczej, Proc. Conf. XVIII Zjazd Termodynamików, 325-334 (in Polish).
• Donizak, J., Hołda, A., Kolenda, Z., 2003, Modelowanie matematyczne procesów metalurgicznych-jednostadialny proces zawiesinowy produkcji miedzi hutniczej, Proc. Conf. Teoria I Inżynieria Procesów Metalurgicznych, Kraków, 23-42 (in Polish).
• Donizak, J., Hołda, A., Kolenda, Z., Sukiennik, M., Warmuz, M., Szwancyber, G., Garbacki, J., Gostyński, Z., 1999, The Flash Smelting Process Digital Simulation, Proc. IVth Int. Conf. on Non-Ferrous Metals and Alloys, Kraków, 1999, 29.
• Haykin, S., 2002, Adaptive Filter Theory, Prentice-Hall, New Jersey.
• Jarosz, P., Talar, J., Kondek, T., Kusiak, J., Dobrzański, J., Staszak, J., 2006, Modelowanie składu fazy gazowej procesu zawiesinowego wytopu miedzi z wykorzystaniem sztucznych sieci neuronowych (Neural network modelling of exhausts composition of a copper flash smetting process), Proc. Conf. KomPlasTech2006, eds., Szeliga, D., Pietrzyk, M., Kusiak, J., Szczawnica, Akapit, 201-208 (in Polish).
• Orfanidis, S.J., 1996, Optimum Signal Processing. An Introduction. 2nd Edition, Prentice-Hall, Englewood Cliffs NJ.
• Talar, J., Kondek, T., Jarosz, P., Kusiak, J., Dobrzański, J., Staszak, J., Byszyński, L., 2005, Artificial intelligence control system of the copper flash smelting process, Proc. Conf. 11th IFSC: International Flash Smelting Congress, Bulgaria & Spain, 1-11.
• Widrow, B., Sterns S.D., 1985, Adaptive Signal Processing, Prentice-Hall, New York.