Warianty tytułu
Odporna detekcja uszkodzeń z wykorzystaniem modeli neuro-rozmytych
Konferencja
PELINCEC Workshop "Bridges Through Time: Intelligent Control, Signal Processing and Real-Time Process Control"
Języki publikacji
Abstrakty
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.
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.
Czasopismo
Rocznik
Tom
Strony
32-36
Opis fizyczny
Bibliogr. 18 poz., rys., tab.
Twórcy
Bibliografia
- [1] Korbicz J., Kościelny J. M., Kowalczuk Z., Cholewa W. (Eds), Fault diagnosis. Models, Artificial Intelligence, Applications, Berlin, Heidelberg, Germany, Springer-Verlag, 2004
- [2] Kościelny J.M., Diagnostics of Automated Industrial Processes, Warsaw, Poland, Akademicka Oficyna Wydawnicza EXIT, 2001, (in Polish)
- [3] Sóderstróm T., Stoica P., System Identification, London, UK, Prentice Hall, 1994
- [4] Rutkowska D., Zadeh L., (Eds.), Neuro-Fuzzy and Soft Computing, Special issue of Int. J. of Applied Mathematics and Computer Science, 10 (2000), No. 4
- [5] Rutkowska D., Neuro-Fuzzy Architectures and Hybrid Learning, Heidelberg, New York, Physica-Verlag, Springer-Verlag Company, 2002
- [6] Rutkowski L., New Soft Computing Techniques for System Modelling, Pattern Classification and Image Processing, Berlin, Heidelberg, Germany, Springer-Verlag, 2004
- [7] Kang S-J., Woo C-H., Hwang H-S., Woo K.B., Evolutionary design of fuzzy rule base for nonlinear system modelling and control, IEEE Trans, on Fuzzy Systems, 8 (2000), No. 1, 37-45
- [8] Chiu S., Fuzzy model Identification based on cluster estimation, J. of Intelligent and Fuzzy Systems, 2 (1994), No. 3, 665-685
- [9] Nelles O., Nonlinear System Identification, Berlin, Germany, Springer-Verlag, 2001
- [10] Patton R.J., Chen J., Robust Model-Based Fault Diagnosis for Dynamic Systems, London, UK, Kluwer Academic Publishers, 1999
- [11] Takagi T., Sugeno M., Fuzzy identification of systems and its application to modeling and control, IEEE Trans, on Systems, Man and Cybernetics, 15 (1985), No. 1, 116-132
- [12] Gertler J., Kowalczuk Z., Detection and distinction of errors using analytical models, Proc. 2nd Nat. Conf. Diagnostics of Industrial Processes, DPP'97, Łagów Lubuski, 1997, 169-174, (in Polish)
- [13] Witczak M., Identification and Fault Detection of Non-linear Dynamic Systems, Zielona Góra, Poland, Oficyna Wydawnicza Uniwersytetu Zielonogórskiego, 2003
- [14] Patton R.J., Frank P., Clark R.N., (Eds.), Issues of Fault Diagnosis for Dynamic Systems, Berlin, Germany, Springer-Verlag, 2000
- [15] Frank P.M., Ding X., Survey of robust residual generation and evaluation methods, J. of Process Control, 7 (1997), No. 6, 403-424
- [16] Rafajłowicz E., Algorithms of experimental design with implementations in MATHEMATICA, Warsaw, Poland, Akademicka Oficyna Wydawnicza PLJ, 1996, (in Polish)
- [17] Walter E., Pronzato L., Identification of Parametric Models from Experimental Data, Berlin, Germany, Springer- Verlag, 1997
- [18] Milanese M., Norton J.P., Piet-Lahnier H., Walter E., Bounding Approaches to Identification, New York, USA, Plenum Press, 1996
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-article-BAR0-0014-0026