1. SylabUZ
2. Wydział Informatyki, Elektrotechniki i Automatyki
3. semestr zimowy 2020/2021
4. Automatyka i robotyka - Program Erasmus pierwszego stopnia
5. Diagnostics of industrial processes

Wygeneruj PDF dla tej strony

Diagnostics of industrial processes - opis przedmiotu

Cel przedmiotu

• familiarize students with basic fault detection and localization methods
• increasing skills in the design of diagnostic systems for industrial applications
• acquire the ability to choose the appropriate diagnostic method for the conditions of the industrial plant

Wymagania wstępne

Zapisz zmiany

Control engineering, Discrete process control

Zakres tematyczny

Introduction to diagnostics of the processes. Basic tasks, basic concepts, diagnostic objectives, diagnostic systems concepts, classification of  fault detection methods and localization. Models in process diagnostics.

Fault detection: physical equations, linear state equations, state observers (Kalman and Luenberger filters), linear object transmitters, neural models, fuzzy models. 

Fault localization: binary diagnostic matrix, diagnostic tree and graphs, rules and logic functions. Verification of credibility. Signal analysis methods. Analysis of statistical signal parameters, spectral analysis.

Analytical detection methods. Analytical redundancy. Generate residues using: linear object transmission, conformal equations, object state equations, state observers, process model parameter identifiers.

Intelligent computing in fault detection systems. Neural models: multilayer perceptron, recursive networks, GMDH networks. Fuzzy models: Wang and Mendel type, fuzzy neural networks - Takagi-Sugeno-Kang (TSK).

Banks of observers. The concept of  observers bank with unknown inputs, robust banks of observers.

Industrial applications: Fault diagnosis in a sugar evaporation station: fault detection and localization of the evaporator.

Metody kształcenia

Lecture: conventional lecture

Laboratory: laboratory exercises

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

Lecture - the pass condition of the course is to obtain a positive assessment from a written or oral exams.

Laboratory - the pass condition is to obtain positive grades from all laboratory exercises, intended to be implemented within the laboratory program

Components of the final grade = lecture: 50% + laboratory: 50%

Literatura podstawowa

1. Korbicz J., Kościelny J.M., Kowalczuk Z., Cholewa W. (red.): Diagnostyka procesów. Modele, Metody Sztucznej Inteligencji, Zastosowania, Wydawnictwa NaukowoTechniczne, Warszawa, 2002

2. Kościelny J.M.: Diagnostyka zautomatyzowanych procesów przemysłowych, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2001

3. Kowalczuk Z., Wiszniewski B (red.): Inteligentne wydobywanie informacji w celach diagnostycznych, Pomorskie Wydawnictwo Naukowo-Techniczne, Gdańsk, 2007

4. Pieczyński A.: Reprezentacja wiedzy w diagnostycznym systemie ekspertowym, Lubuskie Towarzystwo Naukowe, Zielona Góra, 2003

5. Basztura Cz.: Komputerowe systemy diagnostyki akustycznej, Wydawnictwo Naukowe, PWN, Warszawa, 1996

Literatura uzupełniająca

Each time given by the teacher.

Uwagi

Zmodyfikowane przez prof. dr hab. inż. Józef Korbicz (ostatnia modyfikacja: 27-04-2020 20:59)