Autor: Korbicz, J. - Prolib Integro

Skocz do pozycji: 1.

Tytuł:: Sztuczne sieci neuronowe i ich zastosowanie w diagnostyce procesów przemysłowych
Artificial neural networks and their applications in diagnostics of industrial processes
Autorzy:: Korbicz, J.
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Powiązania:: https://bibliotekanauki.pl/articles/152110.pdf Link otwiera się w nowym oknie
Opis:: W pracy o charakterze przeglądowym omówiono możliwości zastosowania sztucznych sieci neuronowych w układach diagnostyki technicznej, a w szczególności w diagnostyce procesów przemysłowych. Analizuje się różne znane struktury sieci neuronowych, jak np. wielowarstwowy perceptron, sieci samoorganizujące typu Kohonena lub sieci ewolucyjne typu GMDH (ang. Group Method of Data Handling). Przyjmując uogólnioną strukturę układu diagnostyki procesów przemysłowych omawia się funkcje i zadania jakie można rozwiązywać z wykorzystaniem sztucznych sieci neuronowych.
This overview paper presents the applications possibility of artificial neural networks in technical diagnostics, and especially in diagnostics of industrial processes. The various known structures of neural networks i.e. the multilayer perceptron, the Kohonen self-organizing feature maps, and group method of data handling (GMDH) networks are discussed. Considering the general scheme of the diagnostic system, the different problems, functions and tasks which can be solved using the artificial neural networks are presented.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: Fault diagnosis of non-linear dynamical systems using analytical and soft computing methods
Autorzy:: Korbicz, J.
Tematy:: fault detection
unknown input observer
dynamical neural networks
neuro-fuzzy systems
evolutionary algorithms; Pokaż więcej
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Powiązania:: https://bibliotekanauki.pl/articles/384480.pdf Link otwiera się w nowym oknie
Opis:: The paper deals with the problems of robust fault detection using analytical methods (observers and unknown input observers) and soft computing techniques (neural networks, neuro-fuzzy networks and genetic programming). The model-based approach to Fault Detection and Isolation (FDI) is considered. In particular, observers for non-linear Lipschitz systems and extended unknown input observers are discussed. In the case of soft computing techniques, the main objective is to show how to employ the bounded-error approach to determine the uncertainty of the GMDH and neuro-fuzzy networks. It is shown that based on soft computing models uncertainty defined as a confidence range for the model output, adaptive thresholds can be defined. The final part of the paper presents two illustrative examples that confirm the effectiveness of the unknown input observers and the neuro-fuzzy networks approaches.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: Artificial intelligence in technical diagnostics
Sztuczna inteligencja w diagnostyce technicznej
Autorzy:: Korbicz, J.
Tematy:: detekcja uszkodzeń
odporność
próg adaptacyjny
sieć neuronowa
sieć neuronowo-rozmyta
programowanie genetyczne
diagnostyka techniczna
fault detection
robustness
adaptive threshold
neural networks
neuro-fuzzy networks
genetic programming
technical diagnostics; Pokaż więcej
Wydawca:: Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Powiązania:: https://bibliotekanauki.pl/articles/327534.pdf Link otwiera się w nowym oknie
Opis:: The paper deals with the problems of robust fault detection using soft computing techniques, particularly neural networks (Group Method of Data Handling, GMDH), neuro-fuzzy networks (Takagi-Sugeno (T-S) model) and genetic programming. The model-based approach to Fault Detection and Isolation (FDI) is considered. The main objective is to show how to employ the bounded-error approach to determine the uncertainty defined as a confidence range for the model output, the adaptive thresholds can be defined. Finally, the presented approaches are tested on a servoactuator being an FDI benchmark in the DAMADICS project.
W artykule rozpatruje się problemy odpornej detekcji uszkodzeń z wykorzystaniem technik obliczeń inteligentnych, a w szczególności sieci neuronowych (Group Method of Data Handling, GMDH), sieci neuronowo-rozmytych (model Takagi-Sugeno) oraz programowania genetycznego. Rozpatruje się układ detekcji i lokalizacji uszkodzeń z modelem. Głównym celem jest pokazanie jak zastosować metodę ograniczonego błędu do wyznaczenia niepewności modeli neuronowych i rozmytych. Pokazano, że korzystając z wyznaczonych niepewnych modeli obliczeń inteligentnych zdefiniowanych w postaci przedziałów ufności dla wyjścia modelu można zdefiniować adaptacyjny próg decyzyjny. W ostatniej części efektywność rozpatrywanych podejść ilustrowana jest na przykładzie układu diagnostyki inteligentnego urządzenia siłownik-ustawnik-zawór z projektu DAMADICS.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 4.

Tytuł:: Trendy i problemy w diagnostyce procesów
Trends and problems in diagnostics
Autorzy:: Korbicz, J.
Tematy:: diagnostyka procesów
model-based structure
układ z modelem
obserwator o nieznanych wejściach
sztuczne sieci neuronowe
logika rozmyta
sieci neuronowo-rozmyte
algorytmy ewolucyjne
process diagnosis
unknown input observers
artificial neural networks
fuzzy logic
neuro-fuzzy systems
evolutionary algorithms; Pokaż więcej
Wydawca:: Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Powiązania:: https://bibliotekanauki.pl/articles/328569.pdf Link otwiera się w nowym oknie
Opis:: W ostatnich latach w systemach detekcji i lokalizacji uszkodzeń dla układów dynamicznych stosuje się zintegrowane ilościowe i jakościowe modele informacji, a większość z nich oparta jest na modelach obliczeń inteligentnych. Celem niniejszej pracy jest prezentacja nowych metod i technik analitycznych oraz obliczeń inteligentnych w systemach diagnostyki procesów. Przyjmując strukturę układu diagnostyki z modelem omawia się możliwości stosowania modeli analitycznych, a przede wszystkim obserwatorów o nieznanych wejściach. Szerzej rozpatruje się alternatywne podejścia oparte na wykorzystaniu metod obliczeń inteligentnych, takich jak sztuczne sieci neuronowe, logika rozmyta, sieci neuronowo-rozmyte oraz algorytmy ewolucyjne do rozwiązywania zadań globalnej optymalizacji. Dla zilustrowania efektywności metod sztucznych sieci neuronowych typu GMDH w układach diagnostyki w końcowej części referatu rozpatruje się problem diagnostyki urządzenia wykonawczego w Cukrowni Lublin.
Recents approaches to Fault Detection and Isolation (FDI) for dynamic systems use methods of integrating quantitative and qualitative model information, and most of these are based on soft computing methods. The purpose of this paper is to present new methods and applications in the field of analytical and soft computing techniques for fault diagnosis of processes. Taking into account the model-based structure of a diagnostics system, possible applications of analytical models, and first of all unknown input observers, are considered. Alternative soft computing methods such as artificial neural networks, fuzzy logic, neuro-fuzzy structures and evolutionary algorithms for global optimization problems are presented and discussed in greater detail. To illustrate the effectiveness of GMDH artificial neural networks in fault diagnosis, an industrial valve actuator system in a sugar factory (Cukrownia Lublin S.A., Poland) is tested.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 5.

Tytuł:: Nonlinear model predictive control of a boiler unit: a fault tolerant control study
Autorzy:: Patan, K.
Korbicz, J.
Tematy:: rekurencyjna sieć neuronowa
model procesu
sterowanie predykcyjne
detekcja uszkodzeń
zbiornik przepływowy
recurrent neural networks
process model
predictive control
fault detection
boiler unit; Pokaż więcej
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Powiązania:: https://bibliotekanauki.pl/articles/331450.pdf Link otwiera się w nowym oknie
Opis:: This paper deals with a nonlinear model predictive control designed for a boiler unit. The predictive controller is realized by means of a recurrent neural network which acts as a one-step ahead predictor. Then, based on the neural predictor, the control law is derived solving an optimization problem. Fault tolerant properties of the proposed control system are also investigated. A set of eight faulty scenarios is prepared to verify the quality of the fault tolerant control. Based of different faulty situations, a fault compensation problem is also investigated. As the automatic control system can hide faults from being observed, the control system is equipped with a fault detection block. The fault detection module designed using the one-step ahead predictor and constant thresholds informs the user about any abnormal behaviour of the system even in the cases when faults are quickly and reliably compensated by the predictive controller.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 6.

Tytuł:: Design of unknown input observers for non-linear stochastic systems and their application to robust fault diagnosis
Autorzy:: Witczak, M.
Korbicz, J.
Józefowicz, R.
Tematy:: fault diagnosis
unknown input
unscented Kalman filter
interactive multiple models
non-linear systems; Pokaż więcej
Wydawca:: Polska Akademia Nauk. Instytut Badań Systemowych PAN
Powiązania:: https://bibliotekanauki.pl/articles/205987.pdf Link otwiera się w nowym oknie
Opis:: The paper deals with the problem of designing filters for non-linear discrete-time stochastic systems. In particular, it is shown how to design an unknown input filter for a single (constant) unknown input distribution matrix, which guarantees that the effect of a fault will not be decoupled from the residual. Subsequently, the problem of using one, fixed disturbance distribution matrix is eliminatek by using the interacting multiple models algorithm to select an appropriate unknown input distribution matrix from a predefined set of matrices. The final part of the paper shows an illustrative example, which confirms the effectiveness of the proposed approach.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 7.

Tytuł:: Dynamic Neural Networks for Process Modelling in Fault Detection and Isolation Systems
Autorzy:: Korbicz, J.
Patan, K.
Obuchowicz, A.
Tematy:: wykrywanie błędu
sieć neuronowa dynamiczna
modelowanie nieliniowe
algorytm inteligentny
fault detection
dynamic neural networks
non-linear modelling
learning algorithms
FL-classifier
two-tank system; Pokaż więcej
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Powiązania:: https://bibliotekanauki.pl/articles/908291.pdf Link otwiera się w nowym oknie
Opis:: A fault diagnosis scheme for unknown nonlinear dynamic systems with modules of residual generation and residual evaluation is considered. Main emphasis is placed upon designing a bank of neural networks with dynamic neurons that model a system diagnosed at normal and faulty operating points.To improve the quality of neural modelling, two optimization problems are included in the construction of such dynamic networks: searching for an optimal network architecture and the network training algorithm. To find a good solution, the effective well-known cascade-correlation algorithm is adapted here. The residuals generated by a bank of neural models are then evaluated by means of pattern classification. To illustrate the effectiveness of our approach, two applications are presented: a neural model of Narendra's system and a fault detection and identification system for the two-tank process.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 8.

Tytuł:: Hybrid cytological image segmentation method based on competitive neural network and adaptive thresholding
Hybrydowa metoda segmentacji obrazów cytologicznych oparta o konkurencyjne sieci neuronowe i adaptacyjne progowanie
Autorzy:: Kowal, M.
Filipczuk, P.
Korbicz, J.
Tematy:: segmentacja obrazu
sieci neuronowe
rak piersi
diagnostyka
image segmentation
neural networks
breast cancer
diagnosis; Pokaż więcej
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Powiązania:: https://bibliotekanauki.pl/articles/153798.pdf Link otwiera się w nowym oknie
Opis:: The paper provides a preview of research on the computer system to support breast cancer diagnosis. The approach is based on analysis of microscope images of fine needle biopsy material. The article is devoted mainly to the segmentation problem. Hybrid segmentation algorithm based on competitive learning neural network and adaptive thresholding is presented. The system was tested on a set of real case medical images obtained from patients of the hospital in Zielona Góra with promising results.
Niniejszy artukuł przedstawia wyniki prac badawczych prowadzonych nad komputerowym systemem wspierającym diagnostykę raka piersi. Zaprezentowane podejscie oparte jest na analizie mikroskopowych obrazów materiału pozyskanego metodą biopsji cienkoigłowej bez aspiracji. Zadaniem systemu jest określenie czy badany przypadek jest zmianą łagodną czy złośliwą. Badania skupione są na dwóch głównych problemach. Pierwszym z nich jest segmentacja obrazów cytologicznych oraz ekstrakcja cech morfometrycznych jąder komórkowych występujących na rozmazach. Drugim problemem jest klasyfikacja raka sutka oraz odpowiedni dobór cech najlepiej opisujących daną klasę. W artykule autorzy położyli główny nacisk na opisie sposobu segmentacji obrazów. Poprawność procesu segmentacji w dużym stopniu decyduje o możliwości wykonania skutecznych pomiarów cech morfometrycznych jąder komórkowych i w konsekwencji dokonania właściwej diagnozy. W artykule przedstawiono hybrydowy algorytm segmentacji oparty o konkurencyjne sieci neuronowe i adaptacyjne progowanie. Jest to metoda alternatywna do zaprezentowanej wcześniej metody bazującej na rozmytym algorytmie c-średnich. Porównanie wyników obydwu metod zamieszczono w artykule. Automatyczny system wspierający diagnostykę raka piersi przetestowano na prawdziwych obrazach medycznych pacjentów regionalnego szpitala w Zielonej Górze. W przeprowadzonych eksperymetach uzyskano obiecujące wyniki.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 9.

Tytuł:: Towards robustness in neural network based fault diagnosis
Autorzy:: Patan, K.
Witczak, M.
Korbicz, J.
Tematy:: diagnostyka uszkodzeń
odporność
sieć neuronowa dynamiczna
fault diagnosis
robustness
dynamic neural networks
GMDH neural network; Pokaż więcej
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Powiązania:: https://bibliotekanauki.pl/articles/929913.pdf Link otwiera się w nowym oknie
Opis:: Challenging design problems arise regularly in modern fault diagnosis systems. Unfortunately, classical analytical techniques often cannot provide acceptable solutions to such difficult tasks. This explains why soft computing techniques such as neural networks become more and more popular in industrial applications of fault diagnosis. Taking into account the two crucial aspects, i.e., the nonlinear behaviour of the system being diagnosed as well as the robustness of a fault diagnosis scheme with respect to modelling uncertainty, two different neural network based schemes are described and carefully discussed. The final part of the paper presents an illustrative example regarding the modelling and fault diagnosis of a DC motor, which shows the performance of the proposed strategy.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 10.

Tytuł:: Obserwatory stanu i programowanie genetyczne w identyfikacji i diagnostyce systemów przemysłowych
Observers and genetic programming in identification and fault diagnosis of industrial systems
Autorzy:: Korbicz, J.
Witczak, M.
Obuchowicz, A.
Tematy:: obserwatory stanu
programowanie genetyczne
identyfikacja systemów
systemy przemysłowe
diagnostyka systemów przemysłowych
observers programming
genetic programming
identification of industrial systems
fault diagnosis of industrial systems; Pokaż więcej
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Powiązania:: https://bibliotekanauki.pl/articles/157517.pdf Link otwiera się w nowym oknie
Opis:: Tematem pracy jest problem projektowania układu detekcji uszkodzeń dla pewnej klasy systemów nieliniowych. Jednym z zadań jest zaprezentowanie wykorzystania programowania genetycznego do wyznaczania modeli systemów nieliniowych w przestrzeni stanów. Innym zadaniem jest zastosowanie zmodyfikowanej wersji, obserwatora o nieznanym wejściu do zaprojektowania deterministycznego obserwatora dla potrzeb generacji residuum. W końcowej części pracy przedstawione jest zastosowanie proponowanego rozwiązania do detekcji uszkodzeń zaworu stanowiącego jeden z elementów pierwszego stopnia stacji wyparnej cukrowni Lublin S.A.
This paper is focused on the problem of designing a fault diagnosis scheme for a class of non-linear systems. The one objective is to show how to employ a genetic programming technique to obtain state-space models of non-linear systems. Another objective is to employ a modified version of the unknown input observer to from a non-linear deterministic observer for the purpose of residual generation. The final part of the paper shows how to use the proposed approach to tackle fault detection concerning the valve actuator of the first stage of the evaporation station at the sugar factory Lublin S.A.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Informacja

Wyszukujesz frazę "Korbicz, J." wg kryterium: Autor