SylabUZ
Course name | Diagnostics of Industrial Processes |
Course ID | 11.3-WE-AEIT-DiagProc |
Faculty | Faculty of Computer Science, Electrical Engineering and Automatics |
Field of study | Automatic control engineering and robotics, Electrotechnology, Computer science |
Education profile | academic |
Level of studies | PhD studies |
Beginning semester | winter term 2016/2017 |
Semester | 4 |
ECTS credits to win | 2 |
Course type | optional |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Lecture | 15 | 1 | - | - | Exam |
Nabycie umiejętności i kompetencji w zakresie:
algebra i logika matematyczna, metody sztucznej inteligencji, logika rozmyta, automatyka
Wprowadzenie, pojęcia podstawowe, cele i zadania diagnostyki, specyfika diagnozowania procesów przemysłowych. Koncepcja diagnostyki procesów. Diagnostyka i zabezpieczenia w układach automatyki. Struktury tolerujące uszkodzenia.
Metody realizacji układów diagnostyki. Metody detekcji uszkodzeń. Metody kontroli ograniczeń, metody analizy sygnałów. Metody wykorzystujące proste związki między sygnałami.
Analityczne metody detekcji uszkodzeń. Metody obserwatorów stanu. Filtr Kalmana w detekcji uszkodzeń.
Generacja residuów na podstawie modeli neuronowych . Neuronowe modele z dynamiką i nieliniowymi charakterystykami. Modele neuronowe ze zmienną strukturą (sieci GMDH). Detekcja uszkodzeń z zastosowaniem sieci Hammersteina i Wienera.
Zastosowanie zbiorów rozmytych i sieci neuro-rozmytych w diagnostyce. Rozproszone struktury modeli rozmytych i ich zastosowanie w detekcji uszkodzeń.
Metody lokalizacji uszkodzeń. Opis obiektu i systemu diagnozowania dla potrzeb lokalizacji uszkodzeń. Klasyfikacja metod lokalizacji uszkodzeń. Metody analityczne w lokalizacji uszkodzeń. Zastosowanie banku obserwatorów i przestrzeni parzystości w lokalizacji uszkodzeń.
Rozpoznawanie obrazów w lokalizacji uszkodzeń. Poprawy jakości klasyfikatorów. Metody oceny klasyfikatorów. Wybrane problemy
klasyfikatorów.
Macierz diagnostyczna i jej różne formy reprezentacji oraz zasady lokalizacji uszkodzeń w oparciu o tę macierz. Logika klasyczna, teoria Bayes’a i system informacyjny w lokalizacji uszkodzeń.
wykład: wykład konwencjonalny/tradycyjny
Outcome description | Outcome symbols | Methods of verification | The class form |
Wykład - warunkiem zaliczenia jest zdany egzamin pisemny
Składowe oceny końcowej = wykład: 100%
Modified by dr hab. inż. Andrzej Pieczyński, prof. UZ (last modification: 28-09-2016 19:11)