Metodyka heurystycznego modelowania obiektów i procesów dynamicznych w diagnostyce i sterowaniu

• Autorzy: Moczulski W.

Warianty tytułu

EN

Methodology of heuristic modeling dynamic objects and processes for their diagnostics and control

• Języki publikacji: PL

Abstrakty

PL

W referacie opisano grupę metod heurystycznego modelowania obiektów i procesów dynamicznych, rozwijanych w zespole autora Wynikowe modele planuje się zastosować do diagnostyki obiektów i procesów wspartej modelowo. Oprócz znanych metod modelowania miękkiego, jak zastosowanie sieci neuronowych i neuronowo-rozmytych, rozwijane są oryginalne metody reprezentacji procesów o atrybutach ciągłych oraz dyskretnych, które stosowane są w diagnostyce opartej na przypadkach. Szczególnym problemem jest w tym wypadku określenie odpowiedniej miary analogii (podobieństwa) przypadków. Do najbardziej zaawansowanych należy metoda projekcji i selekcji atrybutów z wykorzystaniem projekcji przestrzeni atrybutów w wielowymiarową przestrzeń regresorów, oraz selekcji z zastosowaniem algorytmu SVM i algorytmu genetycznego. Referat kończą bardzo skrótowe opisy zastosowań wybranych metod do modelowania dwóch różnych procesów, z których pierwszy dotyczy diagnostyki procesu produkcyjnego, a drugi - oceny stanu eksploatacyjnego maszyny.

EN

The paper deals with brief description of a group of methods of heuristic modeling dynamic objects and processes, whose methods are developed in the author's research group. Resulting models are to be applied for model-based diagnostics of objects and processes. Apart from known methods of soft modeling such as ANN and KNN, original methods of representation of processes whose attributes arc both continuous and discrete ones are developed, providing the opportunity to employ CBR approach. In this case definition of respective measure of analogy (similarity) of cases is very crucial. The most advanced method involves projection and selection of attributes with the use of projection of the space of attributes into multidimensional space of rcgressors, and selection with the application of SVM and genetic algorithms. Two distinct applications of the methods are also briefly discussed. The first deals with diagnostics of an industrial process, while the other is targeted to diagnostics of operational state of a machine.

Słowa kluczowe

PL

modelowanie heurystyczne; miękkie metody obliczeniowe; rozumowanie oparte na przykładach; diagnostyka wsparta modelowo

EN

heuristic modeling; soft computing methods; case-based reasoning; model-based diagnostics

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2005
• Tom: R. 51, nr 9 bis
• Strony: 39--41
• Opis fizyczny: Bibliogr. 14 poz., rys., schem.

Twórcy

autor

Moczulski W.

• Politechnika Śląska, Katedra Podstaw Konstrukcji Maszyn

Bibliografia

• [1] E. Aamodt, A. Plaza, "Case-Based Reasoning: Foundational Issues, MetliodoUtgical Variations, and System Approaches", AICom - Artificial Intelligence Communications, IOS Press, 1994, Vol. 7:1, s.39-59.
• [2] J. Korbicz, J. M. Kościelny, Z. Kowalczuk, W. Chiolewa, „Diagnostyka procesów", WNT. Warszawa 2002.
• [3] R. Szulim, W. Moczulski, "An evolutionary algorithm for improving fuzzy modeller of industrial processes", Methods of Artificial Intelligence Al-METH 2003, Gliwice, 2003, CDROM.
• [4] R. Szulim,"Metoda pozyskiwania wiedzy do prowadzenia złożonego procesu technologicznego", Praca Doktorska, Uniwersytet Zielonogórski. Instytut Metrologii Elektrycznej, Zielona Góra 2004.
• [5] W. Moczulski, R. Szulim, "On rase-bused control of dynamic industrial processes with ihe use of fuzzy representation", engineering Applications of Artificial intelligence, 2004, Vol. 17, s. 371-381.
• [6] R. Szulim, W. Moczulski, "VI method of mining knowledge to aid control of complex industrial processes". Methods of Artificial Intelligence - AI-METH2004 Gliwice, 2004, s. 149-150.
• [7] D. Wachla, Projekcja i selekcja atrybutów w identyfikacji modeli dynamicznych metodami odkryć wiedzy w bazach danych", DPP'05 (materiały tej konferencji).
• [8] P. Przysiółka, W. Moczulski, "Koncepcja metodyki tworzenia heurystycznych modeli obiektów przemysłowych'', DPP'05 (materiały tej konferencji).
• [9] W. Moczulski, "Modele heurystyczne obiektów i procesów w diagnostyce technicznej", DIAG-2003, Ustroń 2003 (CR-ROM).
• [10] A. Cholewa, "Zastosowanie sekwencji zdarzeń do monitorowania procesów", DPP'05 (materiały tej konferencji).
• [11] D. Wachla, Identyfikacja dynamicznych modeli obiektów mechanicznych metodami odkryć wiedzy w bazach danych", DPP'03, s. 337-340.
• [12] P. Tomasik, "Koncepcja systemu do diagnostyki złożonego procesu przemysłowego", DPP'05 (materiały tej konferencji).
• [13] A. Tręda, "Model przybliżony procesu dynamicznego dla potrzeb diagnozowania". Praca magisterska, Pol. Śląska, KPKM, Gliwice 2005.
• [14] D. Wachla, "Projekcja i selekcja atrybutów w identyfikacji modeli dynamicznych metodami odkryć wiedzy w bazach danych" DPP'05 (materiały tej konferencji).

Uwagi

Niektóre badania opisywane w pracy są częściowo finansowane z projektu badawczego Ministerstwa Nauki i Informatyzacji nr 4 T07B01827