This year Professor Ryszard Tadeusiewicz, a corresponding member of the Polish Academy of Sciences, a member of the Polish Academy of Arts and Sciences, the Russian Academy of Natural Sciences, the European Academy of Sciences, Arts and Literature, and the World Academy of Art and Science in San Francisco, celebrates his 60-th birthday and the 36-th anniversary of the beginning of his research activity.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Artykuł o charakterze przeglądowym przedstawia dynamiczne struktury sieci neuronowych i możliwości ich zastosowania w wybranych zagadnieniach elektrotechniki i energetyki. Omówione są problemy neuronowego modelowania i diagnostyki silników elektrycznych, jak również prognozowania krótkoterminowego obciążenia w sieciach energetycznych.
EN
In this overview paper, dynamical neural networks and their possible applications in selected problems of electrical and power engineering are discussed. Special attention is paid to the modeling and fault diagnosis of electrical engines, as well as short term load forecasting in a power system.
A new methodology for improving the performance and training of neural network classifiers employed in diagnostics is presented. The main idea is based on using redundant classifiers in an ensemble in order to guarantee the best generalisation ability of the diagnosis system. A brief survey of some commonly used methods for combining outputs in the ensemble is made. As compared to previous designs, a novel method for output combination is introduced. The proposed technique consist in considering the classes independently of one another and calculating the importance parameters, i.e. the weights, for individual outputs of the networks. In order to draw a comparison with previous methods, a real data medical benchmark is used. To improve the results of the ensemble, Negative Correlation Learning was applied.
6
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Przedstawiono komputerowy system doradczy detekcji i diagnostyki uszkodzeń symulatora elektrowni cieplnej przeznaczony do wspomagania operatora w procesie nominalnej pracy systemu energetycznego. Baza wiedzy systemu zawiera zbior reguł, wiedzę heurystyczną utworzoną dla rozmytych sygnałów wejściowych. Badania obejmują analizę wpływu metod wnioskowania w logice rozmytej na skuteczność procesu diagnostycznego. Wnioskowanie oparto na różnych realizacjach operacji T-normy, S-normy oraz rozmytej implikacji. Proponowany system lokalizacji uszkodzeń został przetestowany na przykładzie wybranych typów uszkodzeń.
EN
This paper deals with a computer diagnostic system for a power plant simulator. The system is designed to help the operator in fault detection and isolation during usual plant activity. The knowledge base of diagnostic system consist of heuristic knowledge. Investigation concerns the inference methods influence on diagnostic process efficiency. The inference method is founded on different operation implementation of T-norm, S-norm and fuzzy implication. Fault detection and isolation for some chosen faults was tested.
7
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
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.
PL
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.
8
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
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.
9
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The paper deals wit h the problems of designing observers and unknown input observers for discrete-time Lipschitz non-linear systems. In particular, with the use of the Lyapunov method, three different convergence criteria of the observer are developed. Based on the achieved results, three different design procedures are proposed. Then, it is shown how to extend the proposed approach to the systems with unknown inputs. The final part of the paper presents illustrative examples that confirm the effectiveness of the proposed tech-niques. The paper also presents a MATLAB@ function that implements one of the design procedures.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.