Wyniki wyszukiwania - BazTech

1

An unscented Kalman filter in designing dynamic GMDH neural networks for robust fault detection

Mrugalski M.

International Journal of Applied Mathematics and Computer Science

|

2013

|

Vol. 23, no. 1

157--169

EN

This paper presents an identification method of dynamic systems based on a group method of data handling approach. In particular, a new structure of the dynamic multi-input multi-output neuron in a state-space representation is proposed. Moreover, a new training algorithm of the neural network based on the unscented Kalman filter is presented. The final part of the work contains an illustrative example regarding the application of the proposed approach to robust fault detection of a tunnel furnace.

2

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.

3

Sieci neuronowe typu GMDH w diagnostyce systemów przemysłowych

Mrugalski M., Arinton E., Korbicz J.

Pomiary Automatyka Kontrola

|

2002

|

R. 48, nr 2

10-14

PL

W pracy przedstawiona została możliwość zastosowania sieci neuronowych typu GMDH w układach diagnostyki systemów przemysłowych. Przyjmując jedną ze znanych struktur realizacji układu diagnostyki z modelem systemu rozpatruje się zastosowanie sieci neuronowych typu GMDH do modelowania diagnozowanego systemu. Przedstawione podejście jest alternatywnym rozwiązaniem do metod analitycznych wymagających znajomości pełnego opisu matematycznego diagnozowanego systemu. Końcowa część pracy zawiera przykład potwierdzający skuteczność proponowanego rozwiązania z wykorzystaniem danych urządzenia wykonawczego stacji wyparnej Cukrowni Lublin S.A.

EN

The present work describes the application of GMDH neural networks to designing fault diagnosis systems. In particular, the wellknow modeled-based residual generation scheme is considered, and the GMDH neural network is used to model the system of interest. The presented technique constitutes an alternative approach to classical analytical methods, which require the knowledge of a suitable analytical model of system. The final part of this work contains an illustrative example regarding the fault diagnosis of real process system in Lublin Sugar Factory.

4

Parameter estimation of dynamic GMDH neural networks with the bounded-error technique

Mrugalski M., Witczak M.

Journal of Applied Computer Science

|

2002

|

Vol. 10, nr 1

77-90

EN

This paper presents a new identification method based on ANNs (Artificial Neural Networks). In particular, a GMDH (Group Method of Data Handling) type neural network whose neurons have hyperbolic tangent activation junctions is considered. For such a network type. a new approach based on a bounded-error set estimation technique is employed to estimate the parameters of the ANN. The final part of this work contains an illustrative example regarding modeling the juice temperature at the outlet of an evaporator at the Lublin Sugar Factory S.A.