Wyniki wyszukiwania - BazTech

1

Gas turbine vibration monitoring based on real data and neuro-fuzzy system

Nail Bachir, Djaidir Benrabeh, Tibermacine Imad Eddine, Napoli Christian, Haidour Nabil, Abdelaziz Rabehi

Diagnostyka

|

2024

|

Vol. 25, No. 1

art. no. 2024108

EN

The gas turbine is considered to be a very complex piece of machinery because of both its static structure and the dynamic behavior that results from the occurrence of vibration phenomena. It is required to adopt monitoring and diagnostic procedures for the identification and localization of vibration flaws in order to ensure the appropriate operation of large rotating equipment such as gas turbines. This is necessary in order to avoid catastrophic failures and deterioration and to ensure that proper operation occurs. Utilizing an approach that is based on spectrum analysis, the purpose of this study is to provide a model for the monitoring and diagnosis of vibrations in a GE MS3002 gas turbine and its driven centrifugal compressor. This will be done by utilizing the technique. Following that, the collection of vibration measurements for a model of the centrifugal compressor served as a suggestion for an additional method. This method is based on the neuro-fuzzy approach type ANFIS, and it aims to create an equivalent system that is able to make decisions without consulting a human being for the purpose of detecting vibratory defects. In spite of the fact that the compressor that was investigated has flaws, this procedure produced satisfactory results.

2

GrNFS: A granular neuro-fuzzy system for regression in large volume data

Siminski Krzysztof

International Journal of Applied Mathematics and Computer Science

|

2021

|

Vol. 31, no. 3

445--459

EN

Neuro-fuzzy systems have proved their ability to elaborate intelligible nonlinear models for presented data. However, their bottleneck is the volume of data. They have to read all data in order to produce a model. We apply the granular approach and propose a granular neuro-fuzzy system for large volume data. In our method the data are read by parts and granulated. In the next stage the fuzzy model is produced not on data but on granules. In the paper we introduce a novel type of granules: a fuzzy rule. In our system granules are represented by both regular data items and fuzzy rules. Fuzzy rules are a kind of data summaries. The experiments show that the proposed granular neuro-fuzzy system can produce intelligible models even for large volume datasets. The system outperforms the sampling techniques for large volume datasets.

3

An outlier-robust neuro-fuzzy system for classification and regression

Siminski Krzysztof

International Journal of Applied Mathematics and Computer Science

|

2021

|

Vol. 31, no. 2

303--319

EN

Real life data often suffer from non-informative objects—outliers. These are objects that are not typical in a dataset and can significantly decline the efficacy of fuzzy models. In the paper we analyse neuro-fuzzy systems robust to outliers in classification and regression tasks. We use the fuzzy c-ordered means (FCOM) clustering algorithm for scatter domain partition to identify premises of fuzzy rules. The clustering algorithm elaborates typicality of each object. Data items with low typicalities are removed from further analysis. The paper is accompanied by experiments that show the efficacy of our modified neuro-fuzzy system to identify fuzzy models robust to high ratios of outliers.

4

Spatial variability of long-term trends in significant wave height over the Gulf of Gdańsk using System Identification techniques

Badur J., Cieślikiewicz W.

Oceanological and Hydrobiological Studies

|

2018

|

Vol. 47, No. 2

190--201

EN

The significant wave height field over the Gulf of Gdańsk in the Baltic Sea is simulated back to the late 19th century using selected data-driven System Identification techniques (Takagi-Sugeno-Kang neuro-fuzzy system and non-linear optimization methods) and the NOAA/OAR/ESRL PSD Reanalysis 2 wind fields. Spatial variability of trends in the simulated dataset is briefly presented to show a cumulative “storminess” increase in the open, eastern part of the Gulf of Gdańsk and a decrease in the sheltered, western part of the Gulf.

5

Applications of neuro-fuzzy system ANFIS for predictions of time series

Kashpruk N.

Zeszyty Naukowe. Elektryka / Politechnika Opolska

|

2017

|

z. 75

31--32

EN

This paper presents the calculations, which have been carried out on the base of the chosen technological process. The data set is a realization of a very high variation stochastic process, with constant mean value and white noise disturbances. The results of the ANFIS predictions depend on the number of data in the dataset as well as on the number of fuzzy sets in the neuro-fuzzy structure. When the dataset number and the number of fuzzy sets are increasing, then the absolute error and relative error are clearly decreasing.

6

Comparison of Fuzzy System with Neural Aggregation FSNA with classical TSK fuzzy system in anti-collision problem of USV

Szymak P.

Polish Maritime Research

|

2017

|

nr 3

3--14

EN

The paper presents the research whose the main goal was to compare a new Fuzzy System with Neural Aggregation of fuzzy rules FSNA with a classical Takagi-Sugeno-Kanga TSK fuzzy system in an anti-collision problem of Unmanned Surface Vehicle USV. Both systems the FSNA and the TSK were learned by means of Cooperative Co-evolutionary Genetic Algorithm with Indirect Neural Encoding CCGA-INE. The paper includes an introduction to the subject, a description of the new FSNA and the tuning method CCGA-INE, and at the end, numerical research results with a summary. The research includes comparison of the FSNA with the classical TSK system in the anti-collision problem of the USV.

7

Modelowanie dwurotorowego systemu aerodynamicznego z wykorzystaniem systemu neurorozmytego

Woźnica P.

Pomiary Automatyka Robotyka

|

2014

|

R. 18, nr 6

86--91

PL

W artykule przedstawiono propozycję modelu neurorozmytego dla złożonego obiektu nieliniowego. Ze względu na osobliwości modeli analitycznych, zasugerowano strukturę rozmytą z adaptacyjnym doborem parametrów. Opracowano koncepcję adaptacyjnego obserwatora rozmytego, działającego na podstawie stworzonego modelu neurorozmytego. Dokonano oceny efektywności modelu i estymatora adaptacyjnego pod względem złożoności konstrukcji i nakładu obliczeniowego. Procedura implementacji modelu została przeprowadzona z użyciem środowiska obliczeniowego MATLAB.

EN

The paper presents a proposal neurofuzzy model for complex nonlinear plant. Due to the peculiarities of analytical models, suggested fuzzy structure with adaptive selection of parameters. The concept of adaptive fuzzy observer, operating on the basis of created of neurofuzzy model. An evaluation of the effectiveness of the model and adaptive estimator in terms of the complexity of the design and computational effort has been made. Implementations of the model were carried out based on MATLAB environment tools.

8

Neuro-fuzzy control of a robotic manipulator

Gierlak P., Muszyńska M., Żylski W.

International Journal of Applied Mechanics and Engineering

|

2014

|

Vol. 19, no. 3

575--584

EN

In this paper, to solve the problem of control of a robotic manipulator’s movement with holonomical constraints, an intelligent control system was used. This system is understood as a hybrid controller, being a combination of fuzzy logic and an artificial neural network. The purpose of the neuro-fuzzy system is the approximation of the nonlinearity of the robotic manipulator’s dynamic to generate a compensatory control. The control system is designed in such a way as to permit modification of its properties under different operating conditions of the two-link manipulator.

9

A Neuro-Fuzzy System Combined with Particle Swarm Optimization for Handwritten Character Recognition

Chang B.-M.

Fundamenta Informaticae

|

2014

|

Vol. 133, nr 4

345--366

EN

A novel character recognition method, called a Neuro-Fuzzy system combined with Particle swarm optimization for Handwritten Character Recognition (NFPHCR), is proposed in this paper. The NFPHCR method integrates Recurrent Neural Network (RNN), Fuzzy Inference System (FIS), and Particle Swarm Optimization (PSO) algorithm to recognize handwritten characters. It employs the RNN to effectively extract oriented features of handwritten characters, and then, these features are applied to create the FIS. Finally, the FIS combined with the PSO algorithm can powerfully estimate similarity ratings between the recognized character and sampling characters in the character database. Experimental results demonstrate that the NFPHCR method achieves a satisfying recognition performance and outperforms other existing methods under considerations.

10

Comparison of incomplete data handling techniques for neuro-fuzzy systems

Sikora M., Simiński K.

Computer Science

|

2014

|

Vol. 15 (4)

441--458

EN

Real-life data sets sometimes miss some values. The incomplete data needs specialized algorithms or preprocessing that allows the use of the algorithms for complete data. The paper presents a comparison of various techniques for handling incomplete data in the neuro-fuzzy system ANNBFIS. The crucial procedure in the creation of a fuzzy model for the neuro-fuzzy system is the partition of the input domain. The most popular approach (also used in the ANNBFIS) is clustering. The analyzed approaches for clustering incomplete data are: preprocessing (marginalization and imputation) and specialized clustering algorithms (PDS, IFCM, OCS, NPS). The objective of our research is the comparison of the preprocessing techniques and specialized clustering algorithms to find the the most-advantageous technique for handling incomplete data with a neuro-fuzzy system. This approach is also the indirect validation of clustering.

11

Multivariate non-stationary time series predictor based on an adaptive neuro-fuzzy approach

Bodyanskiy Y., Tyshchenko O., Wójcik W.

Elektronika : konstrukcje, technologie, zastosowania

|

2013

|

Vol. 54, nr 8

10-13

PL

W artykule przedstawiony został adaptacyjny system predykcji w czasie rzeczywistym wielowymiarowych, niestacjonarnych szeregów czasowych. Architektura tego systemu jest zgodna z architekturą filtrów adaptacyjnych, wykorzystując równolegle połączone neo-rozmyte neurony. Efektywność systemu została oceniona podczas badań symulacyjnych zadania identyfikacji atraktora Lorenza.

EN

The article presents adaptive system for multidimensional non-stationary time series prediction in real-time. Its architecture matches of an adaptive filters and uses parallel connected neo-fuzzy neurons. Efficiency of the system was assessed during simulation test based on solving chaotic Lorenz attractor identification.

12

Analysis of new method of initialisation of neuro - fuzzy systems with support vector machines

Simiński K.

Theoretical and Applied Informatics

|

2012

|

Vol. 24, No. 3

243-254

EN

The correspondence between support vector machines and neuro-fuzzy systems is very interesting. The full equivalence for classification and partial for regression has been formally shown. The equivalence has very interesting implication. It is a base for a new method of initialization of neurofuzzy systems, ie. for creating of fuzzy rule base. The commonly used methods are based on reversion of item: the premises of fuzzy rules split input domain into region, thus premises of fuzzy rules can be elaborated by partition of input domain. This leads to three main classes of partition of input domain. The above mentioned equivalence results in new way of creating the rule base. Now the input domain is not partitioned, but the premises of fuzzy rules are extracted from support vector. The objective of the paper is to examine the advantages and disadvantages of this new method for creation of fuzzy rule bases for neuro-fuzzy systems.

PL

Związek pomiedzy maszynami wektorów podpierajacych i systemami neuronoworozmytymi jest bardzo interesujący. Została wykazana pełna odpowiedniość między tymi systemami dla klasyfikacji i częściowa dla regresji. Odpowiedność ta ma bardzo ważną konsekwencję. Jest podstawa do opracowania nowego sposobu tworzenia bazy reguł dla systemu neuronowo-rozmytego. Dotychczasowe metody opieraja się na podziale przestrzeni wejściowej, a następnie przekształcenia tak powstałych regionów w przesłanki rozmytych reguł. Tutaj możliwe jest przekształcanie wektorów wspierających na przesłanki reguł rozmytych. Celem artykułu jest przebadanie możliwości stosowania takiego podejścia do inicjalizacji systemów neuronowo-rozmytych. Eksperymenty wykazują dosć istotną wadę tego podejścia. W jego wyniku powstają bardzo liczne zbiory reguł rozmytych, co zupełnie przeczy idei interpretowalności wiedzy w systemach neuronowo-rozmytych. Manipulacja pewnymi parametrami umożliwia zmiejszenie liczby reguł, jednak manipulacja ta jest trudna i wymaga wielu prób. Drugą dość istotna wadą jest wyraźnie wyższy błąd wypracowywany przez systemy inicjalizowane przez SVM w porównaniu do systemów, których bazy reguł tworzone sa˛ poprzez podział przestrzeni wejściowej.

13

Estymacja mechanicznych zmiennych stanu układu napędowego za pomocą systemów neuronowo-rozmytych

Tran T., Kamiński M., Szabat K.

Przegląd Elektrotechniczny

|

2012

|

R. 88, nr 6

166-169

PL

W artykule przedstawiono zagadnienia projektowania rozmytych estymatorów zmiennych stanu dla układu napędowego z połączeniem sprężystym. We wprowadzeniu dokonano przeglądu literatury na temat stosowanych metod odtwarzania zmiennych stanu układu dwumasowego. Kolejno omówiono model matematyczny obiektu badań oraz strukturę sterowania. Opisano system rozmyty typu TSK. Następnie przedstawiono wyniki badań symulacyjnych obrazujących właściwości dynamiczne estymatorów neuro-fuzzy pracujących w różnych warunkach. Przetestowano działanie estymatorów zarówno dla znamionowych jak i zmienionych parametrów obiektu.

EN

In the paper the issues related to the estimation of the state variables of the two-mass system are presented. After introduction, where short survey of the estimation method is presented, the mathematical model of the drive and the control structure are introduced. Then the TSK fuzzy system is described. Next the properties of the neuro-fuzzy system are investigated under simulation study for the nominal and changed parameters of the drive.

14

Neural networks and neuro-fuzzy systems applied to the analysis of selected problems of geodesy

Mrówczyńska M.

Computer Assisted Mechanics and Engineering Sciences

|

2011

|

Vol. 18, no. 3

161-173

EN

The article presents possibilities of using different artificial neural networks and neuro-fuzzy systems to solve certain engineering geodesy tasks. Special attention is paid to tasks connected with the construction of a numerical terrain model, transformation of coordinates from the “1965” system into the “2000” system, and prediction of a time series on the basis of results of GPS measurements. The paper also includes a short description of those neural networks and neuro-fuzzy systems that provided good quality solutions of the tasks undertaken. The goal of the article is to review the papers published in the years 2005–2010.

15

Pomiar wybranych parametrów spalania biogazu

Smolarz A., Wójcik W., Kotyra A., Ballester J., Jagiełło K.

Pomiary Automatyka Kontrola

|

2010

|

R. 56, nr 6

555-558

PL

Wydaje się, że pomimo wzrostu udziału nowych rodzajów źródeł energii, przez następne dekady spalanie różnego rodzaju paliw pozostanie głównym źródłem energii. Niestety, pozostanie ono również największym źródłem zanieczyszczenia atmosfery. Efektywne i czyste spalanie paliw uzyskanych ze zgazowania biomasy lub metanowej fermentacji odpadów napotyka na szereg problemów technicznych. Jednym z nich jest opracowanie nowych konstrukcji palników dla paliw, których właściwości fizykochemiczne mogą istotnie odbiegać od właściwości gazu ziemnego. Jednakże, nawet jeżeli turbina została zaprojektowana do pewnego rodzaju paliwa alternatywnego, konieczny jest stały nadzór, diagnostyka i optymalizacja systemu dla zapewnienia niezawodności jego działania. W artykule opisano jedno z możliwych rozwiązań diagnostyki w czasie rzeczywistym procesu spalania gazowego paliwa alternatywnego polegające na zastosowaniu optycznego monitorowania płomienia i wyznaczaniu emisji NOx i CO za pomocą modeli rozmytych.

EN

It seems that in spite of growing share of other types of energy sources, burning various types of fuels will remain the main source of energy during the next decades. Unfortunately, it also remains the greatest source of atmospheric pollution. On 23 January 2008 the European Commission put forward a far-reaching package of proposals aiming at reducing the overall emissions to at least 20% below 1990 levels by the year 2020, and is ready to scale up this reduction to as much as 30% under a new global climate change agreement when other developed countries make comparable efforts. It has also set itself the target of increasing the share of renewables in energy use to 20% by the year 2020. The latter commitment results in search of new technologies that partially or entirely make use of renewable energy sources. This is also a case of combustion technologies where alternative fuels obtained from renewable sources are used. For example, waste co-combustion can be applied in case of pulverized coal burners, while thermal processing of biomass or waste methanisation can be used in case of gas turbines. The efficient and clean combustion of those fuels requires solving many technical problems. One of them is development of new designs, suitable for these new fuels, whose physical and chemical properties can be very different from those of, e.g., natural gas. In general, alternative fuels are characterised by low to very-low calorific values and by fluctuating properties (among different batches, or along the time in a continuous process). The variability of this type of fuels, can bring the system to off-design operation and cause increased pollutant emissions, lower efficiency or flame stability problems, especially in lean-premixed combustors. Therefore, even after an engine has been adapted for a particular alternative fuel, its permanent supervision and optimisation becomes an issue that should be addressed in order to guarantee the reliability of a practical system. Another reason for pursuit of new methods of combustion process diagnostics are difficulties met in implementation of the lean combustion technology in order to decrease NOx levels. The process operates close to the lean flammability limit what can result in a steep rise of CO, flame instabilities and, eventually, flame blow-out. Although most of the information required (O2, NOx and CO in flue gases) can be readily obtained with gas analysers, extractive sampling involves long response times and does not allow distinguishing among different flames in multi-burner chambers. Hence, techniques for the monitoring of premixed combustors should have a fast response and inform about the state of individual flames. The aim of the work presented is to evaluate one of the possible approaches for the real-time diagnostics of actual state of the combustion process, using optical signals from flame with the use of artificial neural networks and fuzzy logic. The lean-premixed flames were studied, using natural gas and blends that represent arbitrarily selected syngas.

16

Metody wyznaczania parametrów początkowych systemów neuronowo-rozmytych

Kądziołka K.

Metody Informatyki Stosowanej

|

2010

|

nr 1 (22)

63-68

PL

W artykule zostały zaprezentowane cztery metody wyznaczania parametrów początkowych systemów neuronowo – rozmytych. Na podstawie uzyskanych wyników można zauważyć, że sposób wyznaczenia parametrów początkowych systemu może mieć istotny wpływ na wynik klasyfikacji. Przykładowo dla zbioru „iris” w przypadku losowego wyznaczania parametrów początkowych uzyskano średnią skuteczność klasyfikacji wynoszącą 86,66%, zaś gdy parametry początkowe wyznaczone były jako średnie i odchylenia standardowe wartości odpowiednich atrybutów wówczas skuteczność ta wyniosła 94,66% (Tabela 3). Zaobserwowano również, że połączenie w procesie optymalizacji parametrów początkowych systemu metody największego spadku z metodą najmniejszych kwadratów może prowadzić do wzrostu skuteczności klasyfikacji i zmniejszenia liczby epok w procesie uczenia (Tabela 4).

EN

In this paper we examine the performance of four method for setting initial parameters of neuro-fuzzy systems. First method generates this parameters randomly. The second method generates it using mean and the standard deviation of attribute values. Third method generates it using clustering techniques and the last one generates initial parameters using grid partition. Initial parameters were optimized using gradient descent method and combining this method with the least squares optimization. The performance of each approach was evaluated on “iris” and “Pima Indian Diabetes” data sets.

17

New Methods for Designing and Reduction of Neuro-Fuzzy Systems

Cpałka K.

Journal of Applied Computer Science Methods

|

2010

|

Vol. 2 No. 2

113--126

EN

In the paper, we propose novel methods for designing and reduction of neuro-fuzzy systems without the deterioration of their accuracy. The reduction and merging algorithms gradually eliminate inputs, rules, antecedents, and the number of discretization points of integrals in the center of area defuzzification method. Our algorithms have been tested using well known classification benchmark.

18

Approximation abilities of neuro-fuzzy networks

Mrówczyńska M.

Geodesy and Cartography

|

2010

|

Vol. 59, no 1

13-27

EN

The paper presents the operation of two neuro-fuzzy systems of an adaptive type, intended for solving problems of the approximation of multi-variable functions in the domain of real numbers. Neuro-fuzzy systems being a combination of the methodology of artificial neural networks and fuzzy sets operate on the basis of a set of fuzzy rules "if-then", generated by means of the self-organization of data grouping and the estimation of relations between fuzzy experiment results. The article includes a description of neuro-fuzzy systems by Takaga-Sugeno-Kang (TSK) and Wang-Mendel (WM), and in order to complement the problem in question, a hierarchical structural self-organizing method of teaching a fuzzy network. A multi-layer structure of the systems is a structure analogous to the structure of "classic" neural networks. In its final part the article presents selected areas of application of neuro-fuzzy systems in the field of geodesy and surveying engineering. Numerical examples showing how the systems work concerned: the approximation of functions of several variables to be used as algorithms in the Geographic Information Systems (the approximation of a terrain model), the transformation of coordinates, and the prediction of a time series. The accuracy characteristics of the results obtained have been taken into consideration.

PL

W pracy przedstawiono działanie dwóch systemów neuronowo rozmytych typu adaptacyjnego, przeznaczonych do rozwiązywania zagadnienia aproksymacji funkcji wielu zmiennych w dziedzinie liczb rzeczywistych. Systemy neuronowo rozmyte jako połączenie metodologii sztucznych sieci neuronowych i zbiorów rozmytych funkcjonują na podstawie zbioru reguł rozmytych "jeżeli-to", generowanych z zastosowaniem samoorganizacji grupowania danych oraz estymacji relacji rozmytych wyników eksperymentu. Artykuł zawiera opis systemów neuronowo rozmytych Takagi-Sugeno-Kanga (TSK), Wanga-Mendela (WM) oraz celem uzupełnienia rozpatrywanego zagadnienia hierarchiczną strukturalną samoorganizującą się metodę uczenia sieci rozmytej. Struktura wielowarstwowa systemów stanowi strukturę analogiczną do struktury "klasycznych" sieci neuronowych. W końcowej części artykułu zostały zaprezentowane wybrane obszary aplikacji systemów neuronowo rozmytych w dziedzinie geodezji. Przykłady numeryczne działania systemów dotyczyły: aproksymacji funkcji wielu zmiennych w aspekcie ich wykorzystania jako algorytmów uzupełniających w Systemach Informacji Przestrzennej (aproksymacja rzeźby terenu), transformacji współrzędnych oraz predykcji szeregu czasowego. Uwzględniono charakterystykę dokładności uzyskanych wyników.

19

Approximation abilities of neuro-fuzzy systems

Mrówczyńska M., Gil J.

Reports on Geodesy

|

2009

|

z. 2/87

283-290

EN

The paper presents the operation of neuro-fuzzy systems of an adaptive type as specific structures of mathematical models, intended for the approximation of multi-variable functions in the domain of real numbers. Neuro-fuzzy systems operate on the basin of a set of interences "if-then", generated with the use of algorithms for the use of algorithms for the self-organisationof data grouping and the estimation of relations beetween fuzzy experiment results. The article includes a description of models of neuro-fuzzy systems by Takaga, Sugeno, Kang (TSK), and Wang and Mendel (WM), which, when defined as continuous functions, enable the approximation of any multi-variable non-linear functions. Moreover, the module structure of the models enables the implemantation of a parallel multi-layer structure, analogous to the structure of classic neural networks.

20

Robust Speed Controller of PMSM based on Adaptive Neuro-Fuzzy Inference System

Pajchrowski T., Zawirski K.

Przegląd Elektrotechniczny

|

2009

|

R. 85, nr 8

12-17

EN

The paper deals with the problem of robust speed control of electrical servodrives. A robust control is developed using a nonlinear IP controller. The controller nonlinear characteristic is obtained due to adaptive neuro-fuzzy inference system (ANFIS) technique application. An original method of controller synthesis is presented. Due to the controller synthesis robust speed control against the variations of the moment of inertia is obtained. Simulations tests and laboratory investigations validate the gained robustness of the servodrive with Permanent Magnet Synchronous Motor.

PL

W artykule przedstawiono problem odpornej regulacji prędkości obrotowej dla serwonapędu z silnikiem synchronicznym o magnesach trwałych. Zastosowano nieliniowy regulator prędkości typu IP, a nieliniową charakterystykę regulatora uzyskano dzięki neuronowej sieci rozmytej. Takie rozwiązanie zapewnia odporność regulacji prędkości na zmianę momentu bezwładności i skoku obciążenia. Symulacyjne i laboratoryjne wyniki potwierdzają dobre zachowanie się napędu na zmianę jego parametrów.