Zastosowanie adaptacyjnych sieci logicznych do diagnostyki transformatorów

• Autorzy: Szczepaniak P. S. , Sasiak K.

Warianty tytułu

EN

Application of adaptive logic networks to the diagnosis of power transformers

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono możliwość zastosowania uczących się sieci logicznych (adaptative logic networks) do diagnostyki transformatorów w oparciu o wyniki analizy chromatograficznej rozpuszczonych w oleju gazów (Dissolved Gas Analysis - DGA). Zestawiono wyniki w postaci reguł logicznych uzyskanych tą metodą obliczeń inteligentnych (soft computing) z regułami zbudowanymi według międzynarodowego kodu IEC (International Electrotechnical Commision).

EN

In the paper, application of adaptive logic networks to the diagnosis of power transformers on (he basis dissolved gas analysis of is presented. The results in the form of logical rules obtained using the proposed method are compared to those given by the IEC code.

Słowa kluczowe

PL

diagnostyka transformatorów; analiza chromatograficzna gazów; obliczenia inteligentne; adaptacyjne sieci logiczne; reguły logiczne; logika rozmyta

EN

diagnosis of power transformers; dissolved gas analysis; logic networks; logical rules

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2005
• Tom: R. 51, nr 9 bis
• Strony: 206--209
• Opis fizyczny: Bibliogr. 11 poz., rys., tab., wzory

Twórcy

autor

Szczepaniak P. S.

• Politechnika Łódzka, Instytut Informatyki
• Polska Akademia Nauk, Instytut Badań Systemowych

autor

Sasiak K.

• Politechnika Łódzka, Instytut Informatyki

Bibliografia

• [1] Cholajda P., Szczepaniak P. S., Zastosowanie algorytmu genetycznego do interpretacji wyników analizy chromatograficznej gazów w transformatorach. Malerały III Krajowej Konferencji Naukowo-Technicznej nt. Diagnostyka Procesów Przemysłowych, Jurata/Gdańsk, 1998.
• [2] International Electrotechnical Commision. Interpretation of the analysis of gases in transformers and other oil-filled electrical equipment in service. Geneva, 1978. (Także: http://www.icc.org)
• [3] Orr G. B., Muller K.-R. Neural Networks: Tricks of the Trade. Springer-Verlag, Berlin, Heidelberg, New York, 1998.
• [4] Pedrycz W. Fuzzy neural networks and neurocomputations. Fuzzy Sets and Systems, vol. 56, s. 1-28, 1993.
• [5] Pedrycz W., Fuzzy sets engineering. CRC Press, Boca Raton, 1995.
• [6] Pedrycz W., Computational intelligence: an introduction. CRC Press, 1998.
• [7] Pedrycz W., Szczepaniak P. S., Digital Systems Design through Learning. In: New Learning Paradigms in Soft Computing, L. C. Jain and J. Kacprzyk (Eds.), Physica Verlag, c/o Springer-Verlag, Heidelberg, New York; ISBN 3-7908-1436-9,2001.
• [8] Rudnicki M., Szczepaniak P., Cholajda P., Genetic Algorithm as a Tool for Solving Electrical Engineering Problems. Chapter 13, pp. 261-281. In: K.Miettinen, P. Ncittaaiimtiki. and J. Périaux (Eds.), Evolutionary Algorithms in Engineering and Computer Science, John Wiley & Sons, Chichester,; ISBN 0 471 999 0 24, 1999.
• [9] Sasiak K., Sieci neuronowe i logika rozmyta w diagnostyce technicznej. Praca dyplomowa magisterska, Instytut Informatyki, Politechnika Łódzka, Łódź., 2002.
• [10] Szczepaniak P. S., Fuzzy and Genetic Approach to Diagnosis of Power Transformers. Preprints of the 4th IFAC Symposium on Fault Detection, Supervision and Safety for Technical Processes. Budapest, Hungary, vol. 1, s. 428-433, 2000.
• [11] Szczepaniak P. S. Intelligent Analysis of Chromatographic Data Reflecting State of Power Transformer. Proceedings of the IEEE RVP-Al Conference, Acapulco, Mexico, 2002.