PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 31

Liczba wyników na stronie
first rewind previous Strona / 2 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 2 next fast forward last
1
Content available remote Occupational EMF exposure and risk of breast cancer
Pławiak-Mowna A., Korbicz J.
Przegląd Elektrotechniczny
|
2017
|
R. 93, nr 1
177--180
EN
In this work the author introduced the procedure using the current knowledge relating to biological effects of the occupational exposure on electromagnetic fields. The relationship between exposure to EMFs and human breast cancer was discussed. The biological effects of EMFs are still controversial, in general, the negative effects should not be ignored.
PL
Przedstawione zostały aspekty związane z ekspozycją środowiskową na sztucznie generowane pole elektromagnetyczne oraz raportowane przez badaczy powiązania wzrostu ryzyka zachorowania na raka piersi u osób eksponowanych na oddziaływanie PEM. Wyniki badań, gdzie wskazuje się negatywny wpływ ekspozycji powinny być rozwijane.
2
Content available A robust predictive actuator fault-tolerant control scheme for Takagi-Sugeno fuzzy systems
Witczak P., Witczak M., Korbicz J., Aubrun Ch.
Bulletin of the Polish Academy of Sciences. Technical Sciences
|
2015
|
Vol. 63, nr 4
977--987
EN
The paper deals with the problem of robust predictive fault-tolerant control for nonlinear discrete-time systems described by the Takagi-Sugeno models. The proposed approach is based on a triple stage procedure, i.e. it starts from fault estimation while the fault is compensated with a robust controller. The robust controller is designed without taking into account the input constraints related with the actuator saturation that may change due to its faulty behaviour. Thus, to check the compensation feasibility, the robust invariant set is developed, which takes into account the input constraints. If the current state does not belong to the robust invariant set, then suitable predictive control actions are performed in order to enhance the invariant set. This appealing phenomenon makes it possible to enlarge the domain of attraction, which makes the proposed approach an efficient solution for the fault-tolerant control. The final part of the paper shows an illustrative example regarding the application of the proposed approach to the twin-rotor system.
3
Content available Design of unknown input observers for non-linear stochastic systems and their application to robust fault diagnosis
Witczak M., Korbicz J., Józefowicz R.
Control and Cybernetics
|
2013
|
Vol. 42, no. 1
227--256
EN
The paper deals with the problem of designing filters for non-linear discrete-time stochastic systems. In particular, it is shown how to design an unknown input filter for a single (constant) unknown input distribution matrix, which guarantees that the effect of a fault will not be decoupled from the residual. Subsequently, the problem of using one, fixed disturbance distribution matrix is eliminatek by using the interacting multiple models algorithm to select an appropriate unknown input distribution matrix from a predefined set of matrices. The final part of the paper shows an illustrative example, which confirms the effectiveness of the proposed approach.
4
Content available Prediction of corrections for the Polish time scale UTC(PL) using artificial neural networks
Luzar M., Sobolewski Ł., Miczulski W., Korbicz J.
Bulletin of the Polish Academy of Sciences. Technical Sciences
|
2013
|
Vol. 61, nr 3
589--594
EN
In this paper, the effectiveness of using Artificial Neural Networks (ANNs) for predicting the corrections of the Polish time scale UTC(PL) (Universal Coordinated Time) is presented. In particular, prediction results for the different types of neural networks, i.e., the MLP (MultiLayer Perceprton), the RBF (Radial Basis Function) and the GMDH (Group Method of Data Handling) are shown. The main advantages and disadvantages of using such types of neural networks are discussed. The prediction of corrections is performed using two methods: the time series analysis method and the regression method. The input data were prepared suitable for the above mentioned methods, based on two time series, ts1 and ts2. The designation of prediction errors for specified days and the influence of data quantity for the prediction error are considered. The paper consists of five sections. After Introduction, in Sec. 2, the theoretical background for different types of neural networks is presented. Section 3 shows data preparation for the appropriate type of neural network. The experimental results are presented in Sec. 4. Finally, Sec. 5 concludes the paper.
5
Content available Nonlinear model predictive control of a boiler unit: a fault tolerant control study
Patan K., Korbicz J.
International Journal of Applied Mathematics and Computer Science
|
2012
|
Vol. 22, no. 1
225-237
EN
This paper deals with a nonlinear model predictive control designed for a boiler unit. The predictive controller is realized by means of a recurrent neural network which acts as a one-step ahead predictor. Then, based on the neural predictor, the control law is derived solving an optimization problem. Fault tolerant properties of the proposed control system are also investigated. A set of eight faulty scenarios is prepared to verify the quality of the fault tolerant control. Based of different faulty situations, a fault compensation problem is also investigated. As the automatic control system can hide faults from being observed, the control system is equipped with a fault detection block. The fault detection module designed using the one-step ahead predictor and constant thresholds informs the user about any abnormal behaviour of the system even in the cases when faults are quickly and reliably compensated by the predictive controller.
6
Content available Hybrid cytological image segmentation method based on competitive neural network and adaptive thresholding
Kowal M., Filipczuk P., Korbicz J.
Pomiary Automatyka Kontrola
|
2011
|
R. 57, nr 11
1448-1451
EN
The paper provides a preview of research on the computer system to support breast cancer diagnosis. The approach is based on analysis of microscope images of fine needle biopsy material. The article is devoted mainly to the segmentation problem. Hybrid segmentation algorithm based on competitive learning neural network and adaptive thresholding is presented. The system was tested on a set of real case medical images obtained from patients of the hospital in Zielona Góra with promising results.
PL
Niniejszy artukuł przedstawia wyniki prac badawczych prowadzonych nad komputerowym systemem wspierającym diagnostykę raka piersi. Zaprezentowane podejscie oparte jest na analizie mikroskopowych obrazów materiału pozyskanego metodą biopsji cienkoigłowej bez aspiracji. Zadaniem systemu jest określenie czy badany przypadek jest zmianą łagodną czy złośliwą. Badania skupione są na dwóch głównych problemach. Pierwszym z nich jest segmentacja obrazów cytologicznych oraz ekstrakcja cech morfometrycznych jąder komórkowych występujących na rozmazach. Drugim problemem jest klasyfikacja raka sutka oraz odpowiedni dobór cech najlepiej opisujących daną klasę. W artykule autorzy położyli główny nacisk na opisie sposobu segmentacji obrazów. Poprawność procesu segmentacji w dużym stopniu decyduje o możliwości wykonania skutecznych pomiarów cech morfometrycznych jąder komórkowych i w konsekwencji dokonania właściwej diagnozy. W artykule przedstawiono hybrydowy algorytm segmentacji oparty o konkurencyjne sieci neuronowe i adaptacyjne progowanie. Jest to metoda alternatywna do zaprezentowanej wcześniej metody bazującej na rozmytym algorytmie c-średnich. Porównanie wyników obydwu metod zamieszczono w artykule. Automatyczny system wspierający diagnostykę raka piersi przetestowano na prawdziwych obrazach medycznych pacjentów regionalnego szpitala w Zielonej Górze. W przeprowadzonych eksperymetach uzyskano obiecujące wyniki.
7
Content available Computer-aided diagnosis of breast cancer using gaussian mixture cytological image segmentation
Kowal M., Filipczuk P., Obuchowicz A., Korbicz J.
Journal of Medical Informatics & Technologies
|
2011
|
Vol. 17
257--262
EN
This paper presents an automatic computer system to breast cancer diagnosis. System was designed to distinguish benign from malignant tumors based on fine needle biopsy microscope images. Studies conducted focus on two different problems, the first concern the extraction of morphometric and colorimetric parameters of nuclei from cytological images and the other concentrate on breast cancer classification. In order to extract the nuclei features, segmentation procedure that integrates results of adaptive thresholding and Gaussian mixture clustering was implemented. Next, tumors were classified using four different classification methods: k–nearest neighbors, naive Bayes, decision trees and classifiers ensemble. Diagnostic accuracy obtained for conducted experiments varies according to different classification methods and fluctuates up to 98% for quasi optimal subset of features. All computational experiments were carried out using microscope images collected from 25 benign and 25 malignant lesions cases.
8
Content available Active fault-tolerant control design for Takagi-Sugeno fuzzy systems
Dziekan L., Witczak M., Korbicz J.
Bulletin of the Polish Academy of Sciences. Technical Sciences
|
2011
|
Vol. 59, nr 1
93-102
EN
In this paper, a virtual actuator-based active fault-tolerant control strategy is presented. After a short introduction to Takagi-Sugeno fuzzy systems, it is shown how to design a fault-tolerant control strategy for this particular class of non-linear systems. The key contribution of the proposed approach is an integrated fault-tolerant control design procedure of fault identification and control within an integrated fault-tolerant control scheme. In particular, fault identification is implemented with the suitable state observer. While, the controller is implemented in such a way that the state of the (possibly faulty) system tracks the state of a fault-free reference model. Consequently, the fault-tolerant control stabilizes the possibly faulty system taking into account the input constraints and some control objective function. Finally, the last part of the paper shows a comprehensive case study regarding the application of the proposed strategy to fault-tolerant control of a twin-rotor system.
9
Content available remote Sztuczne sieci neuronowe i ich zastosowanie w elektrotechnice i energetyce
Korbicz J.
Przegląd Elektrotechniczny
|
2009
|
R. 85, nr 9
194-200
PL
Artykuł o charakterze przeglądowym przedstawia dynamiczne struktury sieci neuronowych i możliwości ich zastosowania w wybranych zagadnieniach elektrotechniki i energetyki. Omówione są problemy neuronowego modelowania i diagnostyki silników elektrycznych, jak również prognozowania krótkoterminowego obciążenia w sieciach energetycznych.
EN
In this overview paper, dynamical neural networks and their possible applications in selected problems of electrical and power engineering are discussed. Special attention is paid to the modeling and fault diagnosis of electrical engines, as well as short term load forecasting in a power system.
10
Content available remote Towards robustness in neural network based fault diagnosis
Patan K., Witczak M., Korbicz J.
International Journal of Applied Mathematics and Computer Science
|
2008
|
Vol. 18, no 4
443-454
EN
Challenging design problems arise regularly in modern fault diagnosis systems. Unfortunately, classical analytical techniques often cannot provide acceptable solutions to such difficult tasks. This explains why soft computing techniques such as neural networks become more and more popular in industrial applications of fault diagnosis. Taking into account the two crucial aspects, i.e., the nonlinear behaviour of the system being diagnosed as well as the robustness of a fault diagnosis scheme with respect to modelling uncertainty, two different neural network based schemes are described and carefully discussed. The final part of the paper presents an illustrative example regarding the modelling and fault diagnosis of a DC motor, which shows the performance of the proposed strategy.
11
Content available Artificial intelligence in technical diagnostics
Korbicz J.
Diagnostyka
|
2008
|
nr 2(46)
7-16
EN
The paper deals with the problems of robust fault detection using soft computing techniques, particularly neural networks (Group Method of Data Handling, GMDH), neuro-fuzzy networks (Takagi-Sugeno (T-S) model) and genetic programming. The model-based approach to Fault Detection and Isolation (FDI) is considered. The main objective is to show how to employ the bounded-error approach to determine the uncertainty defined as a confidence range for the model output, the adaptive thresholds can be defined. Finally, the presented approaches are tested on a servoactuator being an FDI benchmark in the DAMADICS project.
PL
W artykule rozpatruje się problemy odpornej detekcji uszkodzeń z wykorzystaniem technik obliczeń inteligentnych, a w szczególności sieci neuronowych (Group Method of Data Handling, GMDH), sieci neuronowo-rozmytych (model Takagi-Sugeno) oraz programowania genetycznego. Rozpatruje się układ detekcji i lokalizacji uszkodzeń z modelem. Głównym celem jest pokazanie jak zastosować metodę ograniczonego błędu do wyznaczenia niepewności modeli neuronowych i rozmytych. Pokazano, że korzystając z wyznaczonych niepewnych modeli obliczeń inteligentnych zdefiniowanych w postaci przedziałów ufności dla wyjścia modelu można zdefiniować adaptacyjny próg decyzyjny. W ostatniej części efektywność rozpatrywanych podejść ilustrowana jest na przykładzie układu diagnostyki inteligentnego urządzenia siłownik-ustawnik-zawór z projektu DAMADICS.
12
Content available Fault diagnosis of non-linear dynamical systems using analytical and soft computing methods
Korbicz J.
Journal of Automation Mobile Robotics and Intelligent Systems
|
2007
|
Vol. 1, No. 1
7-23
EN
The paper deals with the problems of robust fault detection using analytical methods (observers and unknown input observers) and soft computing techniques (neural networks, neuro-fuzzy networks and genetic programming). The model-based approach to Fault Detection and Isolation (FDI) is considered. In particular, observers for non-linear Lipschitz systems and extended unknown input observers are discussed. In the case of soft computing techniques, the main objective is to show how to employ the bounded-error approach to determine the uncertainty of the GMDH and neuro-fuzzy networks. It is shown that based on soft computing models uncertainty defined as a confidence range for the model output, adaptive thresholds can be defined. The final part of the paper presents two illustrative examples that confirm the effectiveness of the unknown input observers and the neuro-fuzzy networks approaches.
13
Content available remote Professor Ryszard Tadeusiewicz. A dauble jubilee
Korbicz J.
International Journal of Applied Mathematics and Computer Science
|
2007
|
Vol. 17, no 2
289-290
EN
This year Professor Ryszard Tadeusiewicz, a corresponding member of the Polish Academy of Sciences, a member of the Polish Academy of Arts and Sciences, the Russian Academy of Natural Sciences, the European Academy of Sciences, Arts and Literature, and the World Academy of Art and Science in San Francisco, celebrates his 60-th birthday and the 36-th anniversary of the beginning of his research activity.
14
Content available remote LMI-based strategies for designing observers and unknown input observers for non-linear discrete-time systems
Korbicz J., Witczak M., Puig V.
Bulletin of the Polish Academy of Sciences. Technical Sciences
|
2007
|
Vol. 55, nr 1
31-42
EN
The paper deals wit h the problems of designing observers and unknown input observers for discrete-time Lipschitz non-linear systems. In particular, with the use of the Lyapunov method, three different convergence criteria of the observer are developed. Based on the achieved results, three different design procedures are proposed. Then, it is shown how to extend the proposed approach to the systems with unknown inputs. The final part of the paper presents illustrative examples that confirm the effectiveness of the proposed tech-niques. The paper also presents a MATLAB@ function that implements one of the design procedures.
15
Content available remote Robust fault detection using neuro-fuzzy models
Kowal M., Korbicz J.
Przegląd Elektrotechniczny
|
2006
|
R. 82, nr 1
32-36
EN
The paper focuses on the problem of robust fault detection using neuro-fuzzy models. The main objective of the work is to show how to employ bounded error approach to determine the uncertainty of the neuro-fuzzy model and next utilize this knowledge for robust fault detection. Proposed methods were applied to fault detection in the valve that is the part of the technical installation of the Lublin sugar factory.
PL
W pracy skupiono się na problemie odpornej detekcji uszkodzeń z wykorzystaniem modeli neuro-rozmytych. Głównym celem pracy było pokazanie w jaki sposób można wykorzystać metodę estymacji parametrów przy ograniczonych wartościach błędów do określenia niepewności modelu neuro-rozmytego a następnie wykorzystano tą wiedzę w zadaniu odpornej detekcji uszkodzeń. Zaproponowane metody zostały użyte do detekcji uszkodzeń w zaworze, który jest elementem instalacji technicznej cukrowni Lublin.
16
Fault diagnosis of dynamical systems using evolutionary algorithms
Witczak M., Korbicz J.
Prace Naukowe Politechniki Warszawskiej. Elektronika
|
2006
|
z. 156
413-420
EN
Challenging and complex design problems arise regularly in modern fault diagnosis systems. Unfortunately, the classical analytical techniques cannot often provide acceptable solutions to such difficult tasks. This explains why soft computing techniques such as evolutionary algorithms are becoming more and more popular in industrial applications of fault diagnosis. The main objective of this paper is to present recent developments regarding the application of evolutionary algorithms in fault diagnosis. The main attention is on the techniques that integrate the classical and evolutionary approaches. A selected example, dealing with the DAMADICS benchmark, is carefully described in the paper.
17
Content available remote Robust fault detection using analytical and sort computing methods
Korbicz J.
Bulletin of the Polish Academy of Sciences. Technical Sciences
|
2006
|
Vol. 54, nr 1
75-88
EN
The paper focuses on the problem of robust fault detection using analytical methods and soft computing. Taking into account the model-based approach to Fault Detection and Isolation (FDI), possible applications of analytical models, and first of all observers with unknown inputs, are considered. The main objective is to show how to employ the bounded-error approach to determine the uncertainty of soft computing models (neural networks and neuro-fuzzy networks). It is shown that based on soft computing models uncertainty defined as a confidence range for (he model output, adaptive thresholds can be described. The paper contains a numerical example that illustrates the effectiveness of the proposed approach for increasing the reliability of fault detection. A comprehensive simulation study regarding the DAMADICS benchmark problem is performed in the final part.
18
Odporna detekcja uszkodzeń przy niepewności modelu rozmyto-neuronowego
Kowal M., Korbicz J.
Pomiary Automatyka Kontrola
|
2005
|
R. 51, nr 9 bis
93--95
PL
Artykuł koncentruje się na problemie odpornej detekcji uszkodzeń z wykorzystaniem modeli rozmyto-neuronowych. Głównym celem pracy jest pokazanie w jaki sposób można wykorzystać metody estymacji parametrów przy ograniczonych wartościach błędów do określenia niepewności modelu rozmyto-neuronowego. Pokazuje się również w jaki sposób użyć tą informację do wyznaczania adaptacyjnych progów detekcji w zadaniu odpornej detekcji uszkodzeń. Ponadto opracowano algorytm wspomagający projektanta przy doborze struktury modelu rozmyto-neuronowego. W celu pokazania efektywności przedstawionych metod są one wykorzystane do budowy układu detekcji dla zespołu zawór-siłownik, elementu instalacji technicznej cukrowni „Lublin". W końcowej części pracy przedstawiono wyniki badań eksperymentalnych, które potwierdzają skuteczność proponowanych rozwiązań.
EN
The paper focuses on the problem of robust fault detection using fuzzy-neural model based strategics. The main objective of the work is to show how to employ bounding error approach to determine the uncertainty of the fuzzy-neural model and utilize this knowledge for robust fault detection. The paper presents also how to tackle the problem of choosing the right structure of the fuzzy-neural models. Proposed algorithms are applied to fault detection in the valve that is the part of the technical installation at the Lublin sugar factory. Experimental results presented in the final part of -the paper confirms the effectiveness of the proposed methods.
19
Detekcja uszkodzeń odporna na niepewność modelu neuronowego
Mrugalski M., Korbicz J.
Pomiary Automatyka Kontrola
|
2005
|
R. 51, nr 9 bis
103--105
PL
W pracy przedstawiony zosta) problem detekcji uszkodzeń odpornej na niepewność modelu neuronowego. Na przykładzie sieci neuronowej GMDH przedstawiono przyczyny powstawania niepewności modelu otrzymywanego podczas identyfikacji. Zaprezentowana metoda wyznaczania niepewności modelu w postaci przedziału ufności wyjścia systemu umożliwiła opracowanie odpornego układu detekcji uszkodzeń w oparciu o technikę adaptacyjnych progów decyzyjnych.
EN
In the paper the problem of the robust fault detection under the neural model uncertainty was presented and widely discussal. In particular, the causes of forming the GMDH neural model uncertainty obtained via system identification were shown. The presented method of confidence estimation of GMDH neural networks in (he form of the system output uncertainty interval enables development of the robust fault detection scheme on the basis of the adaptive threshold technique.
20
Content available remote Neural networks in diagnostics of technological processes
Patan K., Korbicz J.
Przegląd Elektrotechniczny
|
2004
|
R. 80, nr 4
331-334
EN
This paper deals with a fault diagnosis for nonlinear technological systems. Model-based fault diagnosis considered in this work, consists of two parts: residual generation and residual evaluation. The first module can be designed using neural networks with dynamical characteristics. The residuals generated by a bank of neural models are then evaluated by means of pattern classification. Final part of the paper includes application example.
PL
Artykuł opisuje problematykę związaną z diagnostyką procesów przemysłowych realizowaną przy użyciu sztucznych sieci neuronowych. Prezentowane są różne struktury neuronowe, za pomocą których można budować modele diagnozowanych obiektów, jak rówież struktury do klasyfikacji uszkodzeń. Załączono także przykład neuronowego układu diagnostyki.
first rewind previous Strona / 2 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.