Wyniki wyszukiwania - BazTech

1

Wyznaczanie atrybutów sygnału EEG w oparciu o transformatę Stockwella

Rutkowski G., Patan K.

Pomiary Automatyka Kontrola

|

2013

|

R. 59, nr 3

208--211

PL

W nowoczesnych systemach medycznych w dziedzinie elektroencefalografii coraz bardziej zwiększa się nacisk na udoskonalanie aparatury pomiarowej. Nieustannie poszukuje się rozwiązań poprawiających niedoskonałości sprzętowe, a trudności dotyczą zarówno sfery konstrukcyjnej, jak i zaimplementowanych algorytmów. Problemy dotyczą eliminacji artefaktów i samej charakterystyki sygnałów EEG. Proponowane rozwiązania począwszy od metod klasycznych, a skończywszy na metodach opartych na sztucznej inteligencji ciągle ewoluują i pozwalają na wdrażanie coraz to nowszych rozwiązań na potrzeby kliniczne. Techniki oparte na analizie widmowej pozwalają wspomóc pracę lekarzy specjalistów w procesie diagnostycznym dla poszczególnych dysfunkcji o podłożu neurologicznym. Jednym ze stosowanych rozwiązań jest dynamicznie rozwijająca się metodologia oparta na zaawansowanych narzędziach analizy widmowej. Transformata S pozwala na wprowadzenie i zastosowanie funkcji okna o zmiennej szerokości zależnej od częstotliwości. Uzyskane informacje pozwalają zarówno określić rozdzielczość zależną od częstotliwości, jak i wyznaczyć widmo. W artykule opisano eksperyment na próbkach rzeczywistych pomiarów EEG zgromadzonych przy ścisłej współpracy z Oddziałem Neurologii i Udarów Szpitala Wojewódzkiego w Zielonej Górze. Zaprezentowano wyniki przy użyciu transformaty S w ekstrakcji cech i klasyfikacji zaburzeń neurologicznych dla przypadków napadów epileptycznych.

EN

In modern medical systems more and more emphasis is put on improvement of the measuring equipment. We are constantly looking for solutions to improve both hardware and software. The main problems relate to the elimination of artifacts and the analysis of EEG signal characteristics. To date elaborated solutions still evolve and allow for the implementation of still newer and newer solutions for clinical needs. One of possible solutions is to use a dynamically developing methodology based on advanced spectral analysis tools. First, the Fourier Transform was used, but it turned out to be effective only for stationary signals. The Fourier Transform allows extracting information about the signal spectrum components, without providing the information about the component occurrence time of the component. Unfortunately, EEG signals are non-stationary in nature. The solution may be S Transform, which can be viewed as an extension of the popular Short-Time Fourier Transform and wavelet transform. S Transform allows for the introduction and application of window functions with a variable width frequency dependent. The resulting information helps us to determine attributes of EEG signals needed for classification. The paper deals with experiments carried out using EEG samples collected in close collaboration with the Ward of Neurology and Strokes of Provincial Hospital of Zielona Góra. EEG signals were recorded using 16-channel equipment under the supervision of experts in neurology practices. In result, 1154 sequences were acquired including both dysfunctions (586 epileptic seizures) and normal records (568). EEG sequences were analyzed using S-transform to extract signal features. The last step was classification of EEG signals performed using a nearest neighbor classifier. The presented results are very promising and may have an impact on the improvement and refinement of medical diagnostic tools.

2

Porównanie i ocena metod klasyfikacji sygnałów EEG

Rutkowski G., Patan K.

Pomiary Automatyka Kontrola

|

2012

|

R. 58, nr 4

369-371

PL

Analiza i interpretacja sygnałów elektroencefalograficznych znalazła szerokie spektrum zastosowań w diagnostyce klinicznej. Pomimo licznych doświadczeń specjalistów, ciągle napotyka się wiele trudności. Powstające problemy związane są m.in. z aspektami technicznymi co spowodowane jest charakterem niestacjonarności w przypadku sygnałów takich jak sygnały EEG. Rozwiązania sprzętowe i programowe w tej dziedzinie są poddawane ciągłej poprawie ze względu na rozwój technologiczny. Bardzo obiecującym narzędziem w analizie i interpretacji sygnałów EEG są sztuczne sieci neuronowe. W pracy przedstawiono eksperymenty oparte o analizę i klasyfikację danych biomedycznych za pomocą różnych technik, w tym metod klasycznych takich jak naiwny klasyfikator Bayesa, k najbliższych sąsiadów z zastosowaniem metod sztucznej inteligencji takich jak klasyfikatory SVM czy perceptron wielowarstwowy.

EN

Analysis and interpretation methods of electroencephalogram signals have found a broad spectrum of applications in clinical diagnosis. Despite the experience of professionals, biomedical data analysis encounters many difficulties. Measurement problems are associated with both the technical ground that determines the character of non-stationarity of EEG signals and the individual nature of a neurological dysfunction. The existing hardware and software have been continuously improved due to the rapid progress of technological development. Very promising tool in the analysis and interpretation of the EEG signals are artificial neural networks. An electroencephalogram (EEG) is a noninvasive technique for measurement of processes occurring in the human brain. This technique allows direct measurement of electrical potentials of neuronal activity. EEG is thus recording of electrical activity of nerve cells on the surface of the cerebral cortex. Seizures are very important element in clinical diagnosis due to the ongoing search for causal link in generating sudden discharges of electricity. The interpretation of such signals may allow for appropriate treatment and selection of relevant therapy for individual cases. There have been many works in the area of electroencephalography which used artificial neural networks involving among the others in the process of recognizing specific graphoelements, which in turn indicate a definite neurological dysfunction. Neural networks are also able to extract the relevant information contained in the EEG signals and support the process of solving problems, such as the identification of characteristic EEG [1, 5, 6] patterns or determine patterns based on spectral EEG topography [3]. Neural networks are also used to identify artifacts, where inputs to the classifier are implemented in the form of selected parameters of a specific wave length [10]. The paper presents experiments based on the analysis and classification of biomedical data using various techniques, including classical methods such as naive Bayes classifiers, and nearest neighbor using artificial intelligence methods including SVM classifiers and multilayer perceptron.

3

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.

4

Robust fault detection and accommodation of the boiler unit using state space neural networks

Czajkowski A., Patan K.

Pomiary Automatyka Kontrola

|

2011

|

R. 57, nr 11

1428-1435

EN

The paper deals with application of state space neural network models to fault detection and accommodation of a boiler unit. The work describes two aspects. The first one is the fault detection. In this paper three methods for fault diagnosis, namely: simple and adaptive threshold as well as more robust method which is model error modelling, are described and compared. The second part of the paper presents the approach to fault accommodation based on the so-called instantaneous linearization of the already trained nonlinear state space model of the system. With the obtained linear model it is possible to derive a new control law of the boiler unit in order to eliminate the fault effect in the case of faults. All data used in experiments are collected from the boiler unit simulator implemented in Matlab/Simulink.

PL

Artykuł dotyczy zastosowania modelu sztucznej sieci neuronowej w przestrzeni stanów do wykrywania i kompensacji uszkodzeń w układzie sterowania zbiornikiem przepływowym. Do wykrycia uszkodzenia zostały zaproponowane i doświadczalnie przetestowane trzy metody. Dwie pierwsze metody czyli progowanie proste oraz adaptacyjne polegają na obserwacji sygnału residuum i podejmowaniu decyzji przy przekroczeniu zadanego dopuszczalnego progu przez wartość tego sygnału. Trzecia metoda opiera się na zastosowaniu dodatkowego modelu dynamicznego do modelowania błędu modelu podstawowego w celu określenia zakresu niepewności jego pracy. W przypadku przekroczenia tego zakresu, można uznać, że wystąpiło uszkodzenie. Drugim podjętym przez autorów tematem jest problem kompensacji wykrytego uszkodzenia. W pracy opisuje się podejście oparte na tzw. chwilowej linearyzacji nauczonego w trybie off-line nieliniowego modelu systemu. Na podstawie zlinearyzowanego modelu możliwe jest wyznaczenie nowego prawa sterowania w celu wyeliminowania wpływu uszkodzenia w przypadku wystąpienia awarii. Wszystkie dane wykorzystywane do celów doświadczalnych są zbierane z symulatora zbiornika zrealizowanego w pakiecie Matlab/Simulink.

5

Optimal training strategies for locally recurrent neural networks

Patan K., Patan M.

Journal of Artificial Intelligence and Soft Computing Research

|

2011

|

Vol. 1, No. 2

103--114

EN

The problem of determining an optimal training schedule for locally recurrent neural network is discussed. Specifically, the proper choice of the most informative measurement data guaranteeing the reliable prediction of neural network response is considered. Based on a scalar measure of performance defined on the Fisher information matrix related to the network parameters, the problem was formulated in terms of optimal experimental design. Then, its solution can be readily achieved via adaptation of effective numerical algorithms based on the convex optimization theory. Finally, some illustrative experiments are provided to verify the presented approach.

6

Sztuczne sieci neuronowe w interpretacji i analizie sygnałów biomedycznych EEG. Przegląd metod

Rutkowski G., Patan K.

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2011

|

nr 2

28-33

PL

Metody pomiarów EEG (Elektroencefalografia), znalazły szeroki zakres zastosowań w diagnozach klinicznych. Problemy pomiarowe związane zarówno z aspektami technicznymi jak i samą strukturą zapisu EEG, wymusiły na naukowcach szukania nowych rozwiązań oraz ulepszania metod pomiarowych. Kliniczne podejście skupia się na interpretacji bezpośrednich potencjałów wywołanych, co ściśle związane jest z aktywnością spontaniczną komórek w mózgu oraz procesów w nim zachodzących. Rozwiązania sprzętowe jak i programistyczne w metodzie pomiarowej EEG, napotykają wiele trudności i poddawane są ciągłym ulepszeniom w dobie rozwoju technologicznego. Jako narzędzie w analizie procesów zachodzących w ludzkim mózgu swoje zastosowanie znalazły sztuczne sieci neuronowe. Metody inteligentne stosowane są w procesach wspomagania decyzji, diagnozowania medycznego, klasyfikacji struktur, rozpoznawania symptomów, analizie obrazów, wszelkiego rodzaju detekcji regularności związanych z wczesnym wykrywaniem niebezpiecznych symptomów chorobowych, separacji sygnałów, wyodrębnianiem charakterystycznych grafoelementów dla danych dysfunkcji, prognozowaniem oraz eliminacją artefaktów z zapisu, ściśle związanymi z doborem odpowiednich metod algorytmicznych. W artykule zaprezentowano przykłady zastosowań różnego typu sieci neuronowych do analizy i klasyfikacji napadów padaczkowych.

EN

Analysis methods of EEG (electroencephalogram), are widely used in clinical diagnosis. Measurement problems associated with both the technical aspects and structure of the EEG signal, forced researchers to find new solutions and improve measurement methods. The clinical approach focuses on the direct interpretation of the potentials of every hunt, which is closely linked with the spontaneous activity of cells in the brain and processes therein. Hardware and software implementation of methods of measuring EEG, faces many difficulties and is subjected to the constant technological improvement. To analyze processes in the human brain, artificial neural networks can be applied. The neural networks are widely used in the decision making support, medical diagnosis, classification structures, recognition of symptoms, analysis of images, the regularity detection, early detection of dangerous signs of sickness, separation of signals, extracting characteristic graphoelements for dysfunctions, forecasting and elimination of artifacts from the records. This paper presents the application of different neural structures to the analysis and classification of the epilepsy.

7

Local stability conditions for discrete-time cascade locally recurrent neural networks

Patan K.

International Journal of Applied Mathematics and Computer Science

|

2010

|

Vol. 20, no 1

23-34

EN

The paper deals with a specific kind of discrete-time recurrent neural network designed with dynamic neuron models. Dynamics are reproduced within each single neuron, hence the network considered is a locally recurrent globally feedforward. A crucial problem with neural networks of the dynamic type is stability as well as stabilization in learning problems. The paper formulates local stability conditions for the analysed class of neural networks using Lyapunov's first method. Moreover, a stabilization problem is defined and solved as a constrained optimization task. In order to tackle this problem, a gradient projection method is adopted. The efficiency and usefulness of the proposed approach are justified by using a number of experiments.

8

Ocena anizotropii skał na podstawie badań laboratoryjnych, danych z profilowań geofizycznych i pomiarów sejsmicznych z rejonu Czarna Wieś – Paproć - Cicha Góra

Kozłowski M., Wolański K., Buniak A., Jakubowska K., Chłódek K., Zalewska J., Patan K.

Prace Instytutu Nafty i Gazu

|

2008

|

nr 150 wydanie konferencyjne

485--490

PL

W pracy przedstawiono wyniki modelowania anizotropii ośrodka skalnego na podstawie integracji pomiarów otworowych (Upadomierz, Full Wave Sonic, Pionowe Profilowanie Sejsmiczne), atrybutów sejsmicznych i pomiarów laboratoryjnych (analizy mineralogiczne, porozymetryczne, elektryczne, spektrometryczne i m.in. z zastosowaniem jądrowego rezonansu magnetycznego) w celu identyfikacji kryteriów niezbędnych do oceny anizotropii. Badania kierunków transportu oraz sekwencji osadowych na rdzeniach wiertniczych oraz na danych z upadomierza pozwoliły na wyodrębnienie 4 sekwencji osadowych, w których począwszy od najstarszej deponowane były stożki aluwialne, następnie osady eoliczne przykryte później kolejną sekwencją stożków aluwialnych, by w czwartym najmłodszym cyklu ustąpić osadom eolicznym.

EN

The study presents results of rock medium anisotropy modelling on the grounds of well logs integration (inclinometer, Full Wave Sonic, Vertical Seismic Logging), seismic attributes and laboratory measurements (mineralogy, porosimetry, electrical, spectrometric analyses, and, among others, with use of Nuclear Magnetic Resonance) aimed at identification of criteria necessary for anisotropy assessment. Research of transport directions as well as sedimentary sequences on drilling, cores and based on inclinometer data, allowed for isolation of 4 sedimentary sequences in which detrital fans, then eolian sediments covered in turn with subsequent sequence of detrital fans have been deposited starting from the oldest one, in order to be conceded in favour of eolian sediments in the fourth, youngest cycle.

9

Ocena anizotropii skał, na podstawie badań laboratoryjnych, danych z profilowań geofizycznych i pomiarów sejsmicznych z rejonu Czarna Wieś – Paproć – Cicha Góra

Kozłowski M., Wolański K., Buniak A., Jakubowska K., Chłódek K., Zalewska J., Patan K.

Nafta-Gaz

|

2008

|

R. 64, nr 10

672-682

PL

W artykule przedstawiono wyniki modelowania anizotropii ośrodka skalnego na podstawie integracji pomiarów otworowych (Upadomierz, Full Wave Sonic, Pionowe Profilowanie Sejsmiczne), atrybutów sejsmicznych i pomiarów laboratoryjnych (analizy mineralogiczne, porozymetryczne, elektryczne, spektrometryczne i m.in. z zastosowaniem jądrowego rezonansu magnetycznego), w celu identyfikacji kryteriów niezbędnych do oceny anizotropii. Badania kierunków transportu oraz sekwencji osadowych na rdzeniach wiertniczych oraz na danych z upadomierza pozwoliły na wyodrębnienie 4 sekwencji osadowych, w których począwszy od najstarszej deponowane były stożki aluwialne, następnie osady eoliczne – przykryte później kolejną sekwencją stożków aluwialnych, by w czwartym, najmłodszym cyklu, ustąpić osadom eolicznym.

EN

The study presents results of rock medium anisotropy modelling on the grounds of well logs integration (inclinometer, Full Wave Sonic, Vertical Seismic Logging), seismic attributes and laboratory measurements (mineralogy, porosimetry, electrical, spectrometric analyses, and, among others, with use of Nuclear Magnetic Resonance) aimed at identification of criteria necessary for anisotropy assessment. Research of transport directions as well as sedimentary sequences on drilling cores and based on inclinometer data, allowed for isolation of 4 sedimentary sequences in which detrital fans, then eolian sediments covered in turn with subsequent sequence of detrital fans have been deposited starting from the oldest one, in order to be conceded in favour of eolian sediments in the fourth, youngest cycle.

10

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

Simultaneous Perturbation Stochastic Approximation in global optimisation

Patan K.

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2006

|

z. 156

343-350

EN

The paper deals with global property analysis of the Simultaneous Perturbation Stochastic Approximation algorithm. It spite of the fact that the algorithm uses an estimation of a gradient, a global optimisation property can be achieved by using properly shaped sequence {ck} used for generating trial points. The experiments are performed on a number of test functions showing efficiency of the method. The examined algorithm is also used to train a dynamic neural network. A network under consideration is designed using neuron models with internal dynamice. The identification of an industrial process based on real data shows usefullness of the algorithm.

12

Inwersja sejsmiczna metodą sztucznych sieci neuronowych na obszarze Cicha Góra-Paproć

Drop K., Kozłowski M., Patan K.

Prace Instytutu Nafty i Gazu

|

2006

|

nr 137

163-171

PL

Wyznaczenie rozkładów przestrzennych parametrów zbiornikowych zostało przeprowadzone poprzez transformację danych sejsmicznych w wybranej bramce czasowej do średnich parametrów zbiornikowych otrzymanych z danych geofizyki wiertniczej oraz z badań laboratoryjnych rdzeni wiertniczych metodą jądrowego rezonansu magnetycznego (NMR). Podstawowym parametrem wyznaczonym poprzez inwersję sejsmiczną refleksu pochodzącego od stropu czerwonego spągowca była pseudo-porowatość, obliczona algorytmem sztucznych sieci neuronowych. W rezultacie powstały mapy: - klasyfikacji bezpośredniego nadkładu czerwonego spągowca (poduszka solna/ wał anhydrytowy werry), w celu rozpoznania i ostatecznego, zredukowania względnego wzmocnienia amplitudy odbitej pod poduszkami solnymi; - pseudo-porowatości inwersyjnej z regresji z minimalnej amplitudy; - pseudo-porowatości ze sztucznych sieci neuronowych.

EN

Defining the spatial distribution of reservoir parameters was carried on transformation of the seismic data in chosen time gate into average reservoir parameters obtained from wire line logging and from laboratory drilling cores measurements using the nuclear magnetic resonance method (NMR). The basic average parameter calculated from seismic data inversion (reflection from base of zechsteine/top of rotliegend) was pseudo-porosity. The seismic inversion to pseudo-porosity was estimated with artificial neural network technique. As the result the set of reservoir characterization maps was created: - classification map of direct overlay of rotliegend (Werra - salt pillows or anhydrite swells) for purposes of recognizing and finally reduction of relative amplifying reflection of negative amplitudes below salt pillows; - statistical regression pseudo-porosity v. minimum amplitude, - pseudo-porosity from neural network algorithm.

13

Wyznaczenie rozkładów przestrzennych parametrów złożowych utworów czerwonego spągowca rejonu Cicha Góra-Paproć, z wykorzystaniem metody jądrowego rezonansu magnetycznego

Drop K., Kozłowski M., Patan K., Zalewska J.

Nafta-Gaz

|

2006

|

R. 62, nr 7-8

335-344

PL

Skład mineralny skał jest jednym z istotnych czynników wpływających na ocenę parametrów wykorzystywanych w interpretacji profilowań geofizycznych. W pracy przedstawiono wyniki badań piaskowców mioceńskich, karbońskich i piaskowców czerwonego spągowca oraz przeprowadzono wstępną analizę zmienności składu mineralnego. Wykorzystano metodę wzorca wewnętrznego (według Środoń et al. 2001), która eliminuje konieczność pomiaru współczynnika absorpcji masowej próbki. Jest to procedura analizy ilościowej skał, w której jako refleksy diagnostyczne, wykorzystywane są refleksy niewrażliwe lub mało wrażliwe na zmienność struktury i składu chemicznego. Dzięki temu metoda ta pozwala również wyznaczać zawartość minerałów ilastych.

EN

The mineralogical content of rocks is an important parameter used in the interpretation of well logs. In the presented paper the results of the X-ray quantitative analysis of the Miocene, the Rotliegend and the Carboniferous sandstones are discussed. The internal standard method (Środoń et al. 2001) which eliminates the measurements of the mass absorption coefficient has been employed. In this technique analytical reflections insensitive to chemical and structural variations are selected, what makes it possible to establish the content of clay minerals.

14

Fault detection in electrical drive by means of artificial neural networks

Głowacki G., Patan K.

Diagnostyka

|

2006

|

nr 2(38)

7-10

EN

The paper deals with problem model-based of fault detection electrical drive by using neural networks. The multilayer perceptron with tapped delay lines has been applied to model the diagnosed process at the nominal operation conditions. In turn, decision about faults has been performed using simple MultiLayer Feedforward Network (MFN). The electrical drive under consideration (AMIRA DR300) works in the closed loop and is controlled by PID controller. This laboratory electrical drive renders it positive to simulate a several faulty scenarios. In this way the proposed fault detection scheme can be tested on a number of faulty conditions.

PL

Artykuł przedstawia problem detekcji uszkodzeń w silniku elektrycznym przy pomocy sieci neuronowych. Do zamodelowania diagnozowanego obiektu pracującego w warunkach normalnych użyto sieci jednokierunkowych z liniami opóźniającymi. Następnie, jako blok decyzyjny o wystąpieniu uszkodzeń zastosowano zwykłe jednokierunkowe sieci wielowarstwowe. Do przeprowadzenia badań wykorzystano silnik prądu stałego firmy AMIRA (DR300). Silnik pracuje w układzie zamkniętym z regulatorem PID i umożliwia symulację pewnych scenariuszy uszkodzeń. Dzięki temu możliwe jest przetestowanie zaproponowanego schematu detekcji uszkodzeń na przykładzie wadliwych warunków pracy obiektu.

15

Projektowanie odpornych układów diagnostyki w oparciu o modelowanie niepewnosci modelu

Patan K.

Pomiary Automatyka Kontrola

|

2005

|

R. 51, nr 9 bis

106--108

PL

Artykuł przedstawia proces projektowania odpornego układu diagnostyki dla reaktora krakingu katalitycznego, przy zastosowaniu sztucznych sieci neuronowych. Identyfikacja rozważanego procesu jest przeprowadzana przy użyciu rekurencyjnych sieci neuronowych. Do uzyskania właściwości odporności, niepewność otrzymanego modelu wyznaczana jest poprzez zastosowanie techniki modelowania błędu modelu. W artykule zaproponowano neuronową wersję tej metody. Przedstawione rozwiązanie zostało przetestowane na przykładzie procesu krakingu katalitycznego.

EN

The paper presents designing a robust fault diagnosis system for a catalytic cracking process using aitificial neural networks. Identification of the considered process is carried out by using recurrent neural networks. To achieve a robust fault diagnosis system, an uncertainty associated with the model is also taken into account. Neural version of the Model Error Modelling is used to deal with two main uncertainty sources: unmodelled dynamics and noise corrupting the data. The proposed approach is tested on the example of catalytic cracking converter at the nominal operation conditions as well as in the case of faults.

16

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.

17

Neural Network Fault Detection System for Dynamic Processes

Korbicz J., Patan K., Obuchowicz A.

Bulletin of the Polish Academy of Sciences. Technical Sciences

|

2001

|

vol. 49, nr 2

301-321

EN

The neural model-based Fault Detection and Isolation (FDI) system for dynamic non-linear processes is considered. The emphasis is placed upon the use of Artificial Neural Networks (ANN's) for residual generation. The proposed network is constructed with the Dynamic Neuron Model (DNM) which contains local memory. Similar to server based schemes, a network is applied to build the nominal and fault models of the investigated system. The output residuals between the process and the models bank are use to detect and identify faults in the system. The modelling efficiency based on the multilayer feedforward Network of Dynamic Neurons (NDN) is compared with the Elman and recurrent network with outside feedbacks. Finally, the NDN and the cascade NDN architectures are applied to build Neural-Residual Generators (NRG) of the two tank system.

18

Dynamic Neural Networks for Process Modelling in Fault Detection and Isolation Systems

Korbicz J., Patan K., Obuchowicz A.

International Journal of Applied Mathematics and Computer Science

|

1999

|

Vol. 9, no 3

519-546

EN

A fault diagnosis scheme for unknown nonlinear dynamic systems with modules of residual generation and residual evaluation is considered. Main emphasis is placed upon designing a bank of neural networks with dynamic neurons that model a system diagnosed at normal and faulty operating points.To improve the quality of neural modelling, two optimization problems are included in the construction of such dynamic networks: searching for an optimal network architecture and the network training algorithm. To find a good solution, the effective well-known cascade-correlation algorithm is adapted here. The residuals generated by a bank of neural models are then evaluated by means of pattern classification. To illustrate the effectiveness of our approach, two applications are presented: a neural model of Narendra's system and a fault detection and identification system for the two-tank process.