کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6857942 664775 2014 20 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Situation prediction based on fuzzy clustering for industrial complex processes
ترجمه فارسی عنوان
پیش بینی وضعیت بر اساس خوشه بندی فازی برای فرایندهای پیچیده صنعتی
کلمات کلیدی
ترجمه چکیده
پیش بینی رفتار فرآیند مهم و مفید برای درک وضعیت سیستم و اقدامات کنترل زودهنگام در طول عملیات است. این مقاله یک رویکرد خوشه بندی فازی برای پیش بینی شرایط (حالت های عملکردی) در صنایع فرایند پیچیده ارائه می دهد. روش پیشنهادی، یک اندازه گیری استاتیک، مانند نتیجه یک طبقه بندی فازی که با داده های فرایند تاریخی تعلیم داده شده، و یک الگوریتم تخمینی بر اساس نظریه مارکوف برای سیستم های رویداد گسسته ترکیب شده است. عملکرد پیش بینی وضعیت در یک سیستم نظارت بر فرآیند بدون افزایش هزینه محاسبات، باعث می شود که اجرای عملی در زمان واقعی امکان پذیر باشد. استراتژی نظارت شامل دو مرحله اصلی است: یک مرحله آفلاین برای طراحی طبقه بندی فازی و پیش بینی کننده و یک مرحله آنلاین برای شناسایی شرایط فعلی روند و برای تخمین حالت های عملکرد پیش بینی شده. بنابراین، در هر زمان نمونه، نتایج یک طبقه بندی فازی به عنوان ورودی در روش پیش بینی استفاده می شود. یک ویژگی جذاب از روش پیشنهادی ما برای پیش بینی وضعیت، این است که اطلاعاتی در مورد تکامل فرآیند ارائه می دهد. رویکرد پیشنهادی بر روی یک سیستم نظارت برای خط انتقال برق مورد آزمایش قرار گرفت و همچنین برای نظارت بر زیر سیستم بویلر یک ژنراتور بخار مورد آزمایش قرار گرفت. نتایج تجربی نشان می دهد که روش پیشنهادی ما در این مقاله موثر است و می تواند به عنوان یک ابزار برای اپراتورها مورد استفاده قرار گیرد تا در تصمیم گیری صنعتی مورد استفاده قرار گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
پیش بینی وضعیت بر اساس خوشه بندی فازی برای فرایندهای پیچیده صنعتی
چکیده انگلیسی
Prediction of process behavior is important and useful to understand the system status and to take early control actions during operation. This paper presents a fuzzy clustering approach for predicting situations (functional states) in complex process industries. The proposed methodology combines a static measurement, such as the result of a fuzzy classifier trained with historical process data, and an estimation algorithm based on Markov's theory for discrete event systems. The situation prediction function is integrated into a process monitoring system without increasing the computational cost, which makes real-time implementation feasible. The monitoring strategy includes two principal stages: an offline stage for designing the fuzzy classifier and the predictor, and an online stage for identifying current process situations and for estimating predicted functional states. Thus, at each sample time, the results of a fuzzy classifier are used as inputs in the prediction procedure. An attractive feature of our proposed method, for situation prediction, is that it provides information about the evolution of the process. The proposed approach was tested on a monitoring system for a power transmission line, and also for monitoring a boiler subsystem of a steam generator. Experimental results indicate that our proposed technique in this paper is effective and can be used as a tool, for operators, to be used in industrial process decision making.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 279, 20 September 2014, Pages 785-804
نویسندگان
, , , ,