Model i analiza diagnostycznego systemu informatycznego elektrowni w oparciu o teorię zbiorów przybliżonych

• Autorzy: Szostek, G. , Suraj, Z.
• Języki publikacji: PL

Abstrakty

PL

Analiza sygnałów jest jednym z podstawowych problemów praktycznych dyskutowanych w ramach sztucznej inteligencji. Celem pracy jest przedstawienie dotychczasowych wyników badań dotyczących analizy sygnałów realizowanej przy pomocy metod teorii zbiorów przybliżonych ([4],[3]). W badaniach wykorzystano dane eksperymentalne zebrane przez L. Hań z Uniwersytetu Manitoba w Winnipeg w Kanadzie ([2],[6]). Dane dotyczą błędów funkcjonowania systemu energetycznego w Elektrowni Manitoba w Kanadzie. Celem analizy danych było opracowanie metod identyfikacji rodzajów błędów pojawiających się w trakcie działania systemu energetycznego.

Słowa kluczowe

PL

system informatyczny elektrowni; teoria zbiorów przybliżonych; analiza sygnałów

EN

high voltages power system; signal analysis

• Czasopismo: Zeszyty Naukowe Politechniki Rzeszowskiej. Matematyka
• Rocznik: 2002
• Tom: z. 26 [199]
• Strony: 227-252
• Opis fizyczny: Bibliogr. 7 poz., rys., tab., wykr.

Twórcy

autor

Szostek, G.

• Katedra Podstaw Informatyki, Wyższa Szkoła Informatyki i Zarządzanie w Rzeszowie,

autor

Suraj, Z.

• Katedra Podstaw Informatyki, Wyższa Szkoła Informatyki i Zarządzanie w Rzeszowie,

Bibliografia

• [1] Grabisch, M.: Alternative expressions of the discrete Choquet integral, Proc. of 7th Int. Fuzzy Systems Association World Congress (IFSA'97), Prague, June 25 - 29, 1997, pp. 472-477.
• [2] Han, L.: The Fault Classification in High Voltage Power System. A project for Manitoba Hydro. Internal Report, Feb. 6, 2000.
• [3] Munakata, T.: Fundamentals of the Artificial intelligence. Beyond Traditional Paradigms. Springer- Verlag, New York 1998.
• [4] Pawlak, Z.: Rough Sets. Theoretical Aspects of Reasoning About Data. Kluwer Academic Publishers, Dordrecht 1992.
• [5] Pawlak, Z., Peters, J.F., Skowron, A., Suraj, Z., Ramanna, S., Borkowski, M.: Rough Measures: Theory and Applications, Proc. of International Workshop on Rough Set Theory and Granular Computing (RSTGC - 2001), Matsue, Shimana, Japan, May 20 - 22, 2001, pp. 177 - 184.
• [6] Peters, J.F., Han, L., Ramanna, S.: Rough neural computing in signal analysis, Computational Intelligence, Vol. 17 (2001), No. 3, pp. 493-513.
• [7] ROSETIA - A Rough Set Toolkit for Analysis of Data, www.idi.ntnu.no/-aleks/rosetta/.