Wyniki wyszukiwania - BazTech

1

Prediction Intervals for Short-Term Load Forecasting Neuro-Fuzzy Models

Bartkiewicz W.

Przegląd Elektrotechniczny

|

2012

|

R. 88, nr 10b

284-287

EN

In the paper the problem of estimation of the prediction intervals (error bars) for the family neuro-fuzzy Short-Term Load Forecasting (STLF) models is discussed. We investigate two neuro-fuzzy networks: Fuzzy Basis Function (FBF) Networks, and linear neuro-fuzzy model with Tagagi-Sugeno reasoning. The paper contains comparison of selected most important methods for error bars calculation (analytical delta method, and bootstrap), and discusses the obtained results in context STLF.

PL

W artykule zaprezentowane zostały metody wyznaczania przedziałów prognozy dla rodziny neuronowo rozmytych modeli krótkoterminowego prognozowania obciążenia sieci. Przebadane zostały dwa rodzaje sieci neuronowo-rozmytych: sieci Fuzzy Basis Function (FBF) i liniowe neuronowe modele rozmyte z wnioskowaniem typu Takagi-Sugeno. Artykuł obejmuje porównanie najistotniejszych metod szacowania przedziałów prognozy: analitycznej metody delta i bootstrapu), dyskutując wyniki w kontekście krótkoterminowych prognoz obciążenia sieci.

2

Aproksymacja pętli histerezy za pomocą metod inteligencji obliczeniowej

Dudek G.

Przegląd Elektrotechniczny

|

2012

|

R. 88, nr 12b

8-11

PL

Opisano metody inteligencji obliczeniowej – wielowarstwowy perceptron, sieć o radialnych funkcjach bazowych oraz sieć neuronoworozmytą w zastosowaniu do aproksymacji pętli histerezy. W części eksperymentalnej pracy analizuje się sposoby konstrukcji aproksymant poprzez składanie funkcji bazowych, które w badanych sieciach mają różne postacie.

EN

Computational intelligence methods: multilayer perceptron, radial basis function network and neuro-fuzzy system for approximation of the hysteresis loops are described. In experimental part of the work the ways of building of the approximating function by combination of the basis functions which are different in the examined networks are analyzed.

3

Budowa inteligentnego modelu procesu roztapiania złomu w piecu łukowym z wykorzystaniem sieci neuronowo-rozmytych

Wieczorek T., Blachnik M.

Hutnik, Wiadomości Hutnicze

|

2008

|

Vol. 75, nr 10

592-596

PL

Redukcja czasu topienia wsadu w piecu łukowym jest ważnym zagadnieniem praktycznym. Mimo że wiele parametrów procesu EAF ma charakter stochastyczny, do sterowania nim wykorzystuje się proste modele, bazujące na liniowych obwodach elektrycznych. Celem artykułu jest prezentacja nowego sposobu budowy modelu procesu opartego na metodach inteligencji obliczeniowej, w szczególności sieci neuronowo-rozmyte, które pozwalają wyznaczyć energię niezbędną dla poprawnego przeprowadzenia procesu elektrołukowego.

EN

Time reduction of steel scraps meltdown is a really challenging problem. Typically this process is stochastic without any determinism and only simple and naive rules, based on linear electric circuits, are currently used to manage such processes. The goal of the paper is to present the way of building an accurate model concerning neuro-fuzzy approach, that would be helpful in predicting amount of the energy needed by the electric are furnace.

4

Trendy i problemy w diagnostyce procesów

Korbicz J.

Diagnostyka

|

2004

|

Vol. 30, T. 1

275--286

PL

W ostatnich latach w systemach detekcji i lokalizacji uszkodzeń dla układów dynamicznych stosuje się zintegrowane ilościowe i jakościowe modele informacji, a większość z nich oparta jest na modelach obliczeń inteligentnych. Celem niniejszej pracy jest prezentacja nowych metod i technik analitycznych oraz obliczeń inteligentnych w systemach diagnostyki procesów. Przyjmując strukturę układu diagnostyki z modelem omawia się możliwości stosowania modeli analitycznych, a przede wszystkim obserwatorów o nieznanych wejściach. Szerzej rozpatruje się alternatywne podejścia oparte na wykorzystaniu metod obliczeń inteligentnych, takich jak sztuczne sieci neuronowe, logika rozmyta, sieci neuronowo-rozmyte oraz algorytmy ewolucyjne do rozwiązywania zadań globalnej optymalizacji. Dla zilustrowania efektywności metod sztucznych sieci neuronowych typu GMDH w układach diagnostyki w końcowej części referatu rozpatruje się problem diagnostyki urządzenia wykonawczego w Cukrowni Lublin.

EN

Recents approaches to Fault Detection and Isolation (FDI) for dynamic systems use methods of integrating quantitative and qualitative model information, and most of these are based on soft computing methods. The purpose of this paper is to present new methods and applications in the field of analytical and soft computing techniques for fault diagnosis of processes. Taking into account the model-based structure of a diagnostics system, possible applications of analytical models, and first of all unknown input observers, are considered. Alternative soft computing methods such as artificial neural networks, fuzzy logic, neuro-fuzzy structures and evolutionary algorithms for global optimization problems are presented and discussed in greater detail. To illustrate the effectiveness of GMDH artificial neural networks in fault diagnosis, an industrial valve actuator system in a sugar factory (Cukrownia Lublin S.A., Poland) is tested.