SylabUZ
Nazwa przedmiotu | Diagnostics of industrial processes |
Kod przedmiotu | 06.0-WE-AutP-DiagIndusProc-Er |
Wydział | Wydział Nauk Inżynieryjno-Technicznych |
Kierunek | Automatyka i robotyka |
Profil | ogólnoakademicki |
Rodzaj studiów | Program Erasmus pierwszego stopnia |
Semestr rozpoczęcia | semestr zimowy 2021/2022 |
Semestr | 5 |
Liczba punktów ECTS do zdobycia | 4 |
Typ przedmiotu | obowiązkowy |
Język nauczania | angielski |
Sylabus opracował |
|
Forma zajęć | Liczba godzin w semestrze (stacjonarne) | Liczba godzin w tygodniu (stacjonarne) | Liczba godzin w semestrze (niestacjonarne) | Liczba godzin w tygodniu (niestacjonarne) | Forma zaliczenia |
Wykład | 30 | 2 | - | - | Egzamin |
Laboratorium | 30 | 2 | - | - | Zaliczenie na ocenę |
Control engineering, Discrete process control
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.
Lecture: conventional lecture
Laboratory: laboratory exercises
Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
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%
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
Each time given by the teacher.
Zmodyfikowane przez dr hab. inż. Wojciech Paszke, prof. UZ (ostatnia modyfikacja: 12-07-2021 07:56)