Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "fault network" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 52
Tytuł:
Fault diagnosis of networked control systems
Autorzy:
Aubrun, C.
Sauter, D.
Yamé, J.
Powiązania:
https://bibliotekanauki.pl/articles/929885.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
sterowanie siecią
system sterowania
diagnostyka uszkodzeń
sterowanie odporne na błędy
straty pakietów
komunikacja ograniczona
networked control systems
fault diagnosis
fault tolerant control
network-induced time delays
packet losses
limited communication
Opis:
Networked Control Systems (NCSs) deal with feedback control systems with loops closed via data communication networks. Control over a network has many advantages compared with traditionally controlled systems, such as a lower implementation cost, reduced wiring, simpler installation and maintenance and higher reliability. Nevertheless, the network-induced delay, packet dropout, asynchronous behavior and other specificities of networks will degrade the performance of closed-loop systems. In this context, it is necessary to develop a new theory for systems that operate in a distributed and asynchronous environment. Research on Fault Detection and Isolation (FDI) for NCSs has received increasing attention in recent years. This paper reviews the state of the art in this topic.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2008, 18, 4; 525-537
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An Expert System Coupled With a Hierarchical Structure of Fuzzy Neural Networks for Fault Diagnosis
Autorzy:
Calado, J. M. F.
Costa, I. S.
Powiązania:
https://bibliotekanauki.pl/articles/908283.pdf
Data publikacji:
1999
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
rozpoznanie błędu
wykrywanie błędu
system ekspertowy
sieć neuronowa rozmyta
fault diagnosis
fault detection
fault isolation
shallow knowledge
deep knowledge
expert system
fuzzy neural network
abrupt faults
incipient faults
Opis:
An on-line fault diagnosis system, designed to be robust to the normal transient behaviour of the process, is described. The overall system consists of an expert system cascade with a hierarchical structure of fuzzy neural networks, corresponding to a multi-stage fault detection and isolation system. The fault detection is performed through the expert system by means of fault detection heuristic rules, generated from deep and shallow knowledge of the process under consideration. If a fault is detected, the hierarchical structure of fuzzy neural networks starts and it performs the fault isolation task. The structure of this diagnosis system was designed to allow for the diagnosis of single and multiple simultaneous abrupt and incipient faults from only single abrupt fault symptoms. Also, it combines the advantages of both fuzzy reasoning and neural networks learning capacity. A continuous binary distillation column has been used as a test bed of the current approach. Single, double and triple simultaneous abrupt faults, as well as incipient faults, have been considered. The preliminary results obtained show a good accuracy, even in the case of multiple faults.
Źródło:
International Journal of Applied Mathematics and Computer Science; 1999, 9, 3; 667-687
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Research on big data attribute selection method in submarine optical fiber network fault diagnosis database
Autorzy:
Chen, G.
Powiązania:
https://bibliotekanauki.pl/articles/259788.pdf
Data publikacji:
2017
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
submarine optical fiber network
fault diagnosis database
big data attribute selection
Opis:
At present, in the fault diagnosis database of submarine optical fiber network, the attribute selection of large data is completed by detecting the attributes of the data, the accuracy of large data attribute selection cannot be guaranteed. In this paper, a large data attribute selection method based on support vector machines (SVM) for fault diagnosis database of submarine optical fiber network is proposed. Mining large data in the database of optical fiber network fault diagnosis, and calculate its attribute weight, attribute classification is completed according to attribute weight, so as to complete attribute selection of large data. Experimental results prove that ,the proposed method can improve the accuracy of large data attribute selection in fault diagnosis database of submarine optical fiber network, and has high use value.
Źródło:
Polish Maritime Research; 2017, S 3; 121-127
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Risk analysis of maritime accidents in an estuary: a case study of Shenzhen Waters
Autorzy:
Chen, P.
Mou, J.
Li, Y.
Powiązania:
https://bibliotekanauki.pl/articles/135412.pdf
Data publikacji:
2015
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
maritime accident
risk analysis
Bayesian network
fault tree analysis (FTA)
estuarine waters
maritime safety
Opis:
Due to the unique geographic location, complex navigation environment and intense vessel traffic, a considerable number of maritime accidents occurred in estuarine waters during recent years which caused serious loss of life, property and environmental contamination. Based on the historical data of maritime accidents from 2003 to 2012, which is collected from Shenzhen Maritime Safety Administration, this paper conducted a risk analysis of maritime accidents by applying Bayesian network and fault tree analysis. First a Bayesian network model was introduced to describe the consequence of accidents based on the accident investigation report. Then fault tree analysis was applied to estimate the probability on the basis of accident statistics and ship traffic flow. Finally the risk of maritime accidents in Shenzhen Waters was depicted through the consequence multiplied by the probability of an accident.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2015, 42 (114); 54-62
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja rodzaju i stopnia uszkodzenia zębów kół przekładni oparta na ciągłej transformacie falkowej i sieci neuronowej typu MLP - koncepcja wykorzystania danych z modelu i rzeczywistej przekładni
Classification of kinds and degee of tooth gear fail by using continuous wavelet transform and MLP neural network - conception of using dates from the model and real gearbox
Autorzy:
Czech, P.
Łazarz, B.
Powiązania:
https://bibliotekanauki.pl/articles/328338.pdf
Data publikacji:
2007
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka
przekładnia zębata
sztuczna sieć neuronowa
ciągła transformata falkowa
diagnostics
gear fault
neural network
continuous wavelet transform (CWT)
Opis:
W opracowaniu przedstawiono wyniki próby zastosowania sztucznej sieci neuronowej jako klasyfikatora rodzaju i stopnia uszkodzenia zębów kół w przekładni. Klasyfikator neuronowy oparto na sztucznej sieci neuronowej typu MLP. Dane wejściowe do klasyfikatora stanowiła macierz złożona z miar statystycznych otrzymanych z ciągłej analizy falkowej. Zidentyfikowany model przekładni zębatej pracującej w układzie napędowym oraz stanowisko mocy krążącej FZG posłużyły do generacji zbiorów uczących i testujących zastosowanych w eksperymencie.
The work presents results of an experiment that employs the artificial neuronal network in the task of identification of kinds and degree of tooth failure. Neural Networks were based on the Multi Layer Perceptrons. Statistical measures that describe the emergence and degree of tooth gear diagnostic served as input data for the artificial neural networks. The measures employed in the experiment were obtained from signals through the continuous wavelet transform. In the experiment the dynamic model of gearbox and power circulating gear testing machine was used as generator of data.
Źródło:
Diagnostyka; 2007, 2(42); 75-82
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fault diagnosis for complex systems based on reliability analysis and sensors data considering epistemic uncertainty
Diagnozowanie błędów w systemach złożonych na podstawie analizy niezawodności oraz danych z czujników z uwzględnieniem niepewności epistemicznej
Autorzy:
Duan, R.
Lin, Y.
Zeng, Y.
Powiązania:
https://bibliotekanauki.pl/articles/301518.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
dynamic fault tree
dynamic evidential network
interval numbers
sensor data
diagnostic importance factor
dynamiczne drzewo błędów
dynamiczna sieć dowodowa
liczba przedziałowa
dane z czujników
czynnik ważności diagnostycznej
Opis:
This paper presents an information fusion method to diagnose system fault based on dynamic fault tree (DFT) analysis and dynamic evidential network (DEN). In the proposed method, firstly, it uses a DFT to describe the dynamic fault characteristics and evaluates the failure rate of components using interval numbers to deal with the epistemic uncertainty. Secondly, qualitative analysis of a DFT is to generate the characteristic function via a traditional zero-suppressed binary decision diagram, while quantitative analysis is to calculate some importance measures by mapping a DFT into a DEN. Thirdly, these reliability results are updated according to sensors data and used to design a novel diagnostic algorithm to optimize system diagnosis. Furthermore, a diagnostic decision tree (DDT) is obtained to guide the maintenance workers to recover the system. Finally, the performance of the proposed method is evaluated by applying it to a train-ground wireless communication system. The results of simulation analysis show the feasibility and effectiveness of this methodology.
W artykule przedstawiono metodę fuzji informacji służącą do diagnozowania błędów systemu w oparciu o analizę dynamicznego drzewa błędów (DFT) oraz dynamiczną sieć dowodową (DEN). W proponowanej metodzie, pierwszym krokiem jest wykorzystanie DFT do opisania dynamicznych charakterystyk błędów oraz ocena intensywności uszkodzeń komponentów przy użyciu liczb przedziałowych, która rozwiązuje problem niepewności epistemicznej. Krok drugi stanowi jakościowa analiza DFT, która polega na wygenerowaniu funkcji charakterystycznej za pomocą tradycyjnego binarnego diagramu decyzyjnego typu "zero-suppressed" (w którym zostały wyeliminowane wszystkie węzły, których krawędź „1” prowadzi do liścia „0”), oraz analiza ilościowa polegająca na obliczeniu pewnych miar ważności poprzez odwzorowanie DFT w DEN. W kroku trzecim, otrzymane wyniki niezawodnościowe aktualizuje się zgodnie z danymi z czujników a następnie wykorzystuje do stworzenia nowego algorytmu diagnostycznego do optymalizacji diagnostyki systemu. Powstaje diagnostyczne drzewo decyzyjne (DDT), które stanowi dla pracowników utrzymania ruchu wytyczną w procesie odzyskiwania systemu. Działanie proponowanej metody oceniano poprzez zastosowanie jej do diagnostyki systemu łączności radiowej pociąg–ziemia. Wyniki analizy symulacyjnej wskazują na możliwość praktycznego wykorzystania i skuteczność omawianej metodologii.
Źródło:
Eksploatacja i Niezawodność; 2018, 20, 4; 558-566
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A fault location strategy based on information fusion and CODAS algorithm under epistemic uncertainty
Autorzy:
Duan, Rongxing
Chen, Li
He, Jiejun
Huang, Shujuan
Powiązania:
https://bibliotekanauki.pl/articles/2172032.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
fault tree
expert evaluation
evidence network
information fusion
CODAS algorithm
Opis:
Application of new technology in modern systems not only substantially improves the performance, but also presents a severe challenge to fault location of these systems. This paper presents a new fault location strategy for maintenance personnel to recover them based on information fusion and improved CODAS algorithm. Firstly, a fault tree is adopted to develop the failure model of a complex system, and failure probability of components is determined by expert evaluations to handle the uncertainty problem. Moreover, a fault tree is converted into an evidence network to obtain importance degrees, which are used to construct a diagnostic decision table together with the risk priority number. Additionally, these results are updated to optimize the maintenance process using sensor information. A novel dynamic location strategy is designed based on interval CODAS algorithm and optimal fault location strategy can be obtained. Finally, a real system is analyzed to demonstrate the feasibility of the proposed maintenance strategy.
Źródło:
Eksploatacja i Niezawodność; 2022, 24, 3; 478--488
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A High-Accuracy of Transmission Line Faults (TLFs) Classification Based on Convolutional Neural Network
Autorzy:
Fuada, S.
Shiddieqy, H. A.
Adiono, T.
Powiązania:
https://bibliotekanauki.pl/articles/1844462.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
fault detection
fault classification
transmission lines
convolutional neural network
machine learning
Opis:
To improve power system reliability, a protection mechanism is highly needed. Early detection can be used to prevent failures in the power transmission line (TL). A classification system method is widely used to protect against false detection as well as assist the decision analysis. Each TL signal has a continuous pattern in which it can be detected and classified by the conventional methods, i.e., wavelet feature extraction and artificial neural network (ANN). However, the accuracy resulting from these mentioned models is relatively low. To overcome this issue, we propose a machine learning-based on Convolutional Neural Network (CNN) for the transmission line faults (TLFs) application. CNN is more suitable for pattern recognition compared to conventional ANN and ANN with Discrete Wavelet Transform (DWT) feature extraction. In this work, we first simulate our proposed model by using Simulink® and Matlab®. This simulation generates a fault signal dataset, which is divided into 45.738 data training and 4.752 data tests. Later, we design the number of machine learning classifiers. Each model classifier is trained by exposing it to the same dataset. The CNN design, with raw input, is determined as an optimal output model from the training process with 100% accuracy.
Źródło:
International Journal of Electronics and Telecommunications; 2020, 66, 4; 655-664
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fault tolerance in networked control systems under intermittent observations
Autorzy:
Georges, J. P.
Theilliol, D.
Cocquempot, V.
Ponsart, J. C.
Aubrun, C.
Powiązania:
https://bibliotekanauki.pl/articles/930171.pdf
Data publikacji:
2011
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
przeciążenie sieci
sterowanie odporne na błędy
diagnostyka uszkodzeń
system sieciowy
model wielokrotny
network congestion
fault tolerant control
fault diagnosis
networked control system
interacting multiple model
Opis:
This paper presents an approach to fault tolerant control based on the sensor masking principle in the case of wireless networked control systems. With wireless transmission, packet losses act as sensor faults. In the presence of such faults, the faulty measurements corrupt directly the behaviour of closed-loop systems. Since the controller aims at cancelling the error between the measurement and its reference input, the real outputs will, in such a networked control system, deviate from the desired value and may drive the system to its physical limitations or even to instability. The proposed method facilitates fault compensation based on an interacting multiple model approach developed in the framework of channel errors or network congestion equivalent to multiple sensors failures. The interacting multiple model method involved in a networked control system provides simultaneously detection and isolation of on-line packet losses, and also performs a suitable state estimation. Based on particular knowledge of packet losses, sensor fault-tolerant controls are obtained by computing a new control law using fault-free estimation of the faulty element to avoid intermittent observations that might develop into failures and to minimize the effects on system performance and safety.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2011, 21, 4; 639-648
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fault detection in electrical drive by means of artificial neural networks
Detekcja uszkodzeń w silniku elektrycznym przy pomocy sztucznych sieci neuronowych
Autorzy:
Głowacki, G.
Patan, K.
Powiązania:
https://bibliotekanauki.pl/articles/327210.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
detekcja uszkodzeń
sieć neuronowa
klasyfikator neuronowy
modelowanie
silnik elektryczny
fault detection
neural network
neural classifier
modeling
electrical drive
Opis:
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.
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.
Źródło:
Diagnostyka; 2006, 2(38); 7-10
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Soft Fault Clustering in Analog Electronic Circuits with the Use of Self Organizing Neural Network
Autorzy:
Grzechca, D.
Powiązania:
https://bibliotekanauki.pl/articles/220571.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
fault detection
parametric faults
analogue electronic circuits
self-organizing neural network
Opis:
The paper presents a methodology for parametric fault clustering in analog electronic circuits with the use of a self-organizing artificial neural network. The method proposed here allows fast and efficient circuit diagnosis on the basis of time and/or frequency response which may lead to higher production yield. A self-organizing map (SOM) has been applied in order to cluster all circuit states into possible separate groups. So, it works as a feature selector and classifier. SOM can be fed by raw data (data comes from the time or frequency response) or some pre-processing is done at first. The author proposes conversion of a circuit response with the use of e.g. gradient and differentiation. The main goal of the SOM is to distribute all single faults on a two-dimensional map without state overlapping. The method is aimed for the development stage because the tolerances of elements are not taken into account, however single but parametric faults are considered. Efficiency analyses of fault clustering have been made on several examples e.g. a Sallen-Key BPF and an ECG amplifier. Testing procedure is performed in time and frequency domains for the Sallen-Key BPF with limited number of test points i.e. it is assumed that only input and output pins are available. A similar procedure has been applied to a real ECG amplifier in the frequency domain. Results prove a high efficiency in acceptable time which makes the method very convenient (easy and quick) as a first test in the development stage.
Źródło:
Metrology and Measurement Systems; 2011, 18, 4; 555-568
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnostyka wibroakustyczna silnika spalinowego o zapłonie samoczynnym na końcu linii montażowej
Vibroacoustic diagnosis of the internal combustion diesel engine at the end of assembly line
Autorzy:
Janczewski, Ł.
Nowakowski, J.
Powiązania:
https://bibliotekanauki.pl/articles/133432.pdf
Data publikacji:
2013
Wydawca:
Polskie Towarzystwo Naukowe Silników Spalinowych
Tematy:
test zimny
transformacja falkowa
sieci neuronowe
diagnostyka silnika spalinowego
cold test
wavelet transformation
neural network
engine fault diagnosis
Opis:
W referacie przedstawiono wibroakustyczną metodę oceny jakości silnika spalinowego o zapłonie samoczynnym opartą o wykorzystanie informacji zebranych podczas realizacji testu zimnego, zastosowanie transformacji falkowej oraz metod sztucznej inteligencji. W wyniku przeprowadzonych badań stwierdzono, że połączenie metody transformacji oraz sztucznych sieci neuronowych pozwala na uzyskanie wysokiej skuteczności klasyfikacji stanów wibroakustycznych silnika. Natomiast z uwagi możliwość wystąpienia błędnej klasyfikacji stanów uważa się, że metoda ta może stanowić wyłącznie element diagnostycznego systemu doradczego.
Method for quality evaluation of internal combustion diesel engine based on the wavelet transformation of the cold test vibroacoustic data and artificial inteligence methodology has been presented. Based on the presented investigations conclusion has been made that application of wavelet transformation and artificial neural network enables efficient classification of the different engine states. Because false egine states classification is still possible this method should not be used for purpose of binary classification (good-bad) but can be used as part of the diagnostic expert system.
Źródło:
Combustion Engines; 2013, 52, 3; 936-943
2300-9896
2658-1442
Pojawia się w:
Combustion Engines
Dostawca treści:
Biblioteka Nauki
Artykuł
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
Tytuł:
Fault diagnosis and identification in the distribution network using the fuzzy expert system
Identyfikacja i diagnoza błędów w elektroenergetycznej sieci rozdzielczej z wykorzystaniem rozmytego systemu eksperckiego
Autorzy:
Kaluđer, S.
Fekete, K.
Jozsa, L.
Klaić, Z.
Powiązania:
https://bibliotekanauki.pl/articles/301153.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
fault diagnosis
alarm processing
fuzzy logic
expert system
distribution network
diagnoza błędów
przetwarzanie alarmów
logika rozmyta
system ekspercki
sieć rozdzielcza
Opis:
In this paper, a fuzzy expert off-line system has been developed for fault diagnosis in the distribution network based on the structural and functional operation of the relay and circuit breakers. Functional operations (correct operation, false operation and failure to operate) of the relays and circuit breakers are described by fuzzy logic. Input data for the proposed fuzzy expert fault diagnosis system (FDS) are status and time stamps of the alarms, associated with relays and circuit breakers. The diagnostic system from a huge number of alarms sets, logically organizes and quantifies the diagnosis. FDS can diagnose correct operation, false operation and failure to operate of the relays and circuit breakers. Also, it can identify and quantify fault location based on the Hamacher’s operator of a fuzzy union. The additional contribution of this paper is in modeling unknown information using linear fuzzy membership function. Statuses of certain components may be unknown due to telemetry failures or are simply unavailable to the operator and proposed FDS can make diagnosis in such a situation. Developed fuzzy expert FDS is tested on the two examples of faults in real life distribution network.
W prezentowanym artykule opracowano rozmyty system ekspercki typu off-line do diagnozowania błędów w elektroenergetycznej sieci rozdzielczej. System bazuje na strukturze i działaniu przekaźnika i wyłączników automatycznych. Działanie (prawidłowe działanie, błędne działanie i brak działania) przekaźników i wyłączników opisano za pomocą logiki rozmytej. Dane wejściowe do proponowanego rozmytego eksperckiego systemu diagnostyki błędów (FDS) stanowią stany i sygnatury czasowe alarmów, związane z przekaźnikami i wyłącznikami. System diagnostyczny logicznie porządkuje i określa ilościowo diagnozę na podstawie ogromnej liczby zestawów alarmów. FDS pozwala zdiagnozować prawidłowe działanie, błędne działanie oraz awarię (brak działania) przekaźników i wyłączników. Ponadto umożliwia identyfikację i lokalizację błędów w oparciu o sumę Hamachera. W artykule dodatkowo omówiono metodę modelowania informacji nieznanych przy użyciu liniowej funkcji przynależności dla zbiorów rozmytych. Stany niektórych elementów mogą być nieznane z powodu awarii telemetrii lub mogą być po prostu niedostępne dla operatora. Proponowany FDS umożliwia postawienie diagnozy w takich sytuacjach. Opracowany rozmyty ekspercki FDS testowano na dwóch przykładach błędów powstałych w funkcjonującej sieci rozdzielczej.
Źródło:
Eksploatacja i Niezawodność; 2018, 20, 4; 621-629
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Integrated fault-tolerant control of a quadcopter UAV with incipient actuator faults
Autorzy:
Kantue, Paulin
Pedro, Jimoh O.
Powiązania:
https://bibliotekanauki.pl/articles/2172129.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
fault tolerant control
quadrocopter
incipient actuator fault
radial basis function
neural network
sterowanie tolerujące uszkodzenia
kwadrokopter
radialna funkcja bazowa
sieć neuronowa
Opis:
An integrated approach to the fault-tolerant control (FTC) of a quadcopter unmanned aerial vehicle (UAV) with incipient actuator faults is presented. The framework is comprised of a radial basis function neural network (RBFNN) fault detection and diagnosis (FDD) module and a reconfigurable flight controller (RFC) based on the extremum seeking control approach. The dynamics of a quadcopter subject to incipient actuator faults are estimated using a nonlinear identification method comprising a continuous forward algorithm (CFA) and a modified golden section search (GSS) one. A time-difference-of-arrival (TDOA) method and the post-fault system estimates are used within the FDD module to compute the fault location and fault magnitude. The impact of bi-directional uncertainty and FDD detection time on the overall FTC performance and system recovery is assessed by simulating a quadcopter UAV during a trajectory tracking mission and is found to be robust against incipient actuator faults during straight and level flight and tight turns.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2022, 32, 4; 601--617
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 52

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies