Temat: detekcja awarii - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Detekcja nieszczelności kotła fluidalnego z użyciem modeli rozmyto-neuronowych
Approach to boiler leak detection with fuzzy neural models
Autorzy:: Szadkowski, B.
Jankowska, A.
Powiązania:: https://bibliotekanauki.pl/articles/257517.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:: detekcja awarii
systemy rozmyto-neuronowe
kocioł fluidalny
modelowanie
detection of outage
fuzzy-neural system
fluidised bed boiler
modelling
Opis:: Zreferowano badania modelowe nad detekcją nieszczelności kotłów fluidalnych z wykorzystaniem danych z archiwum. Modelowanie prowadzono w przyborniku Fuzzy Logic pakietu Matlab. Omówiono dwa podejścia do rozwiązania problemu. W pierwszym - opracowano modele rozmyto-neuronowe typu Takagi-Sugeno-Kanga (TSK) 4 zmiennych procesowych o dużej wrażliwości na przeciek. Uśrednione residua tych zmiennych, w przesuwnym oknie czasowym, pozwoliły wykryć 7 z 8 rozważanych przypadków nieszczelności. Oceniono długość okna i uzyskane wyprzedzenie detekcji względem wyłączenia bloku. Następnie opracowano i przetestowano model awarii o binarnym wyjściu. Równoległe wykorzystanie opracowanych modeli pozwoliło na wykrycie z kilkudniowym wyprzedzeniem wszystkich analizowanych awarii, potwierdzając przydatność modeli TSK w ważnym zadaniu eksploatacyjnym. Wskazano dalsze kierunki prac.
The research results into leak detection in a fluidised bed boiler are presented. The studies took advantage of the historical data from DCS in the professional power plant. Models of neuro-fuzzy Takagi-Sugeno-Kanga (TSK) type were built and tested in the Fuzzy Toolbox of Matlab. The roots of boiler outage (in water-steam pressure system and aside from this system) are indicated. The two approaches to leak detection task are described. In the first, the models of the 4 process variables sensitive to leakage were built. The residues of these models were evaluated in a moving time window. The length of the time window and the advance of leakage detection are discussed. Next, the model the TSK of the boiler faults with binary output was built and tested. Training data was collected for 3 cases of raised outage (models output - 1) and the normal work of installation (models output - 0). The parallel usage of proposed TSK models provided a successful detection of all studied fault cases a few days in advance. This has confirmed the suitability of the fuzzy neural models in an important exploitation task.
Źródło:: Problemy Eksploatacji; 2011, 2; 181-188
1232-9312
Pojawia się w:: Problemy Eksploatacji
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Ocena sygnałów procesowych z kotła energetycznego pod względem ich przydatności diagnostycznej
Evaluation of the power boiler process signals regarding their diagnostic applicability
Autorzy:: Jankowska, A.
Powiązania:: https://bibliotekanauki.pl/articles/277665.pdf
Data publikacji:: 2010
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: sztuczne sieci neuronowe
kotły fluidalne
wczesna detekcja awarii kotłów energetycznych
analiza wrażliwości
artificial neural network
fluidized bed boiler
early boiler fault detection
sensitivity analysis
Opis:: Przedstawiono zastosowanie sztucznych sieci neuronowych do wczesnej detekcji stanu narastania nieszczelności parowych w obrębie komory spalania kotła energetycznego. Zestaw proponowanych w literaturze sygnałów wrażliwych na przeciek rozszerzono o dalsze zmienne pomiarowe osiągając znacznie lepszą jakość klasyfikacji niż przy minimalnym zestawie 3-4 zmiennych. Jako sieci klasyfikujące zbadano struktury radialne Radial Basis Function (RBF) oraz struktury wielowarstwowego perceptronu Multilayer Perceptron (MLP) o jednej lub dwu warstwach ukrytych, uczone metodami z nauczycielem. Redukcję rozważanego początkowo zbioru zmiennych wejściowych prowadzono poprzez analizę wrażliwości uzyskanych sieci, testując ich zdolności generalizacji na nieznanych sytuacjach awarii tego samego typu. Uzyskano klasyfikację przekraczającą 90% poprawnego przyporządkowania stanów procesu na nieznanych na etapie uczenia przypadkach niesprawności. W niezależnych testach na 11 awariach potwierdzono większą przydatność w omawianym zadaniu struktur MLP niż RBF, mimo wyższej wrażliwości sieci RBF na sygnały wejściowe.
An application of artificial neural networks for early detection of rising steam leaks and leaks within the combustion chamber of power unit, is presented. A set of signals sensitive to leakage proposed in the literature has been supplemented with further measuring variables enabling reaching significantly better classification quality than with the minimum set of 3-4 variables. As classification networks the Radial Basis Function (RBF) and Multilayer Perceptron (MLP) having one or two hidden layers trained with the teacher, were examined. Reduction of input variables belonging to the considered set was realised with sensitivity analysis of resulting networks, testing their generalisation ability on unknown failure situations of the same type. Classification exceeding 90% of proper process states attribution for unknown during the learning phase faults cases was obtained. The 11 independent test cases confirmed that for discussed tasks MLP structures were more useful than RBF ones, despite higher sensitivity of RBF networks to input signals.
Źródło:: Pomiary Automatyka Robotyka; 2010, 14, 11; 79-83
1427-9126
Pojawia się w:: Pomiary Automatyka Robotyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "detekcja awarii" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język