System zaawansowanego monitorowania i diagnostyki procesów przemysłowych AMandD
|
|
- Dominik Kwiecień
- 8 lat temu
- Przeglądów:
Transkrypt
1 Politechnika Warszawska Instytut Automatyki i Robotyki Jan Maciej Kościelny, Michał Syfert, Paweł Wnuk System zaawansowanego monitorowania i diagnostyki procesów przemysłowych AMandD ver..0
2 Plan wystąpienia 2 Informacja o zespole i laboratorium Nowe funkcje systemów automatyki Modelowanie rozmyte i neuronowe Wirtualne sensory Diagnostyka procesów przemysłowych cele i zadania Metody detekcji i lokalizacji uszkodzeń System AMandD Podsumowanie
3 Politechnika Warszawska - Wydział Mechatroniki 3 POLITECHNIKA WARSZAWSKA Politechnika Warszawska Wydział Architektury Wydział Chemiczny Wydział Elektroniki i Technik Informacyjnych Wydział Elektryczny Wydział Fizyki Wydział Geodezji i Kartografii Wydział Inżynierii Chemicznej i Procesowej Wydział Inżynierii Lądowej Wydział Inżynierii Materiałowej Wydział Inżynierii Produkcji Wydział Inżynierii Środowiska Wydział Matematyki i Nauk Informacyjnych Wydział Mechaniczny Energetyki i Lotnictwa Wydział Mechatroniki Wydział Samochodów i maszyn Roboczych Wydział Transportu Kolegium Nauk Społecznych i Administracji
4 Instytut Automatyki i Robotyki 4 Instytut Automatyki i Robotyki Instytut Inżynierii Precyzyjnej i Biomedycznej Instytut Mikromechaniki i Fotoniki Instytut Metrologii i Systemów Pomiarowych Zakład Mechaniki Stosowanej 49 pracowników 4 profesorów 2 dr hab. 6 dr 6 doktorantów
5 Zespół 5 prof. Jan Maciej Kościelny dr Michał Bartyś dr Michał Syfert dr Piotr Wasiewicz Paweł Wnuk Andrzej Ostasz Paweł Rzepiejewski Bolesław Dziembowski Marcin Leszczyński
6 Laboratorium nadzorowania i diagnozowania procesów przemysłowych 6 Obszar zainteresowań Diagnostyka procesów przemysłowych: metody detekcji i i lokalizacji uszkodzeń metody diagnozowania procesów przemysłowych metody diagnozowania urządzeń wykonawczych zastosowanie logiki rozmytej i i sieci neuronowych w algorytmach diagnostycznych diagnostyka urządzeń mechatronicznych systemy diagnostyczne Sterowanie i nadzorowanie procesów: badanie systemów sterowania tolerujących uszkodzenia zaawansowane algorytmy nadzorowania procesów (wirtualne sensory i i analizatory)
7 Granty Europejskie 7 Partners FP5 Research Training Network Project DAMADICS Development and Application of Methods for Actuator Diagnosis in Industrial Control Systems Great Britain, University of Hull, Department of Electronic Enginiering France, Universite Des Sciences et Technologies de Lille Spain, Universitat Politecnica de Catalunya Germany, Technische Universität Bochum Portugal, Instituto Superior Técnico Italy, Universita Degli Studi di di Genova Poland, Politechnika Zielonogórska, Instytut Robotyki i i Inżynierii Oprogramowania Poland, Sugar Factory Lublin
8 Granty Europejskie 8 FP5 FP5 Research and and Technological Development Project CHEM Advanced decision support system for for Chemical/Petrochemical manufacturing processes Partners France, Institut Francais du Petrole France, Universite Des Sciences et Technologies de Lille Spain, Universitat Politecnica de Catalunya Spain, Universitat de Girona Sweden, University of Lund Finland, Technical Research Center of Finland Finland, Metso Automation Finland, VTT Automation Holland, Gensym Europe France, Thomson-Detexis Norge, Computas Poland, Nitrogen Works Puławy
9 Inne prace badawcze 9 Przykłady FP4 Research Training Network Project - COPERNICUS IQ2FD Integration on Quantitative and Qualitative Fault Diagnosis Method within the Framework of Industrial Application Metody diagnostyki on-line elementów wykonawczych. Opracowanie inteligentnego pozycjonera wyposażonego w funkcje zespołu siłownik - zawór Układ sterowania turbiną kondensacyjną odporny na uszkodzenia torów pomiarowych. Diagnostyka obiektów złożonych z wykorzystaniem modeli lokalnych i i logiki rozmytej.
10 Współpraca z przemysłem 0 Cukrownie Zakłady Chemiczne Elektrownie i elektrociepłownie
11 Laboratorium Instalacja laboratoryjna do badań metod diagnostyki
12 Laboratorium 2
13 Laboratorium przemysłowe (Cukrownia Lublin) 3 Struktura Proces technologiczny w cukrowni System sterowania i i monitorowania Industrial IT (zainstalowany na potrzeby badań urządzeń wykonawczych) System diagnostyczny AMandD Dostęp do wszystkich danych z procesu przez system sterowania w cukrowni (sterowniki GE-FANUC i i system SCADA OSA-2) GE FANUC OSA-2 IndustrialIT
14 Plan wystąpienia 4 Informacja o zespole i laboratorium Nowe funkcje systemów automatyki Modelowanie rozmyte i neuronowe Wirtualne sensory Diagnostyka procesów przemysłowych cele i zadania Metody detekcji i lokalizacji uszkodzeń Nasze podejście do diagnostyki procesów System AMandD Podsumowanie
15 Nowe funkcje systemów automatyki 5 modelowanie procesów wirtualne sensory i analizatory zaawansowane sterowanie optymalizacja bieżąca diagnostyka procesu, urządzeń pomiarowych, wykonawczych symulatory procesów monitorowanie sprawności urządzeń, emisji bieżąca analiza bezpieczeństwa Wykorzystanie nowych technik przetwarzania sygnałów: sieci neuronowych logiki rozmytej i i zbiorów przybliżonych algorytmów genetycznych systemów eksperckich
16 Zaawansowane sterowanie 6 regulatory stanu regulatory predykcyjne regulatory adaptacyjne regulatory rozmyte regulatory neuronowe układy regulacji tolerujące uszkodzenia torów pomiarowych i i elementów wykonawczych Klasyczny układ regulacji Regulator predykcyjny Connoiseur Advanced Control para FIC TI FT produkt
17 Optymalizacja 7 Optymalizacja spalania w kotłach energetycznych Algorytm optymalizacji Model procesu Warstwa walidacji DCS PROCES Kryteria: minimalizacja emisji: NOx, CO, (S02) wzrost sprawności (strata kominowa,węgiel w popiele)
18 Wirtualne sensory 8 Rekonstrukcja sygnału na podstawie modelu PV t Uszkodzenie toru pomiarowego
19 Wirtualne analizatory 9 Laboratorium (dane odniesienia) DCS Programowy analizator spalin
20 Diagnostyka w układach automatyki 20 Diagnostyka komunikacji w systemie Diagnostyka elektronicznych modułów systemu sterującego Diagnostyka inteligentnych urządzeń pomiarowych i i wykonawczych Diagnostyka procesu Level 4 Level 3 Process Fis her Level 2 Actuators, Elements Valves, Connections Level Electronics Communications Fis her
21 Diagnostyka inteligentnych urządzeń polowych 2 Kalibracja, konfiguracja Diagnostyka Profilaktyczna obsługa na podstawie diagnostyki Automatyczna dokumentacja AMS Asset Manager PKS TROVIS- EXPERT
22 22 Systemy diagnostyczne dla procesów przemysłowych Zadaniem systemów diagnostycznych dla procesów przemysłowych jest wczesne i i dokładne rozpoznawanie nieprawidłowych stanów procesu oraz uszkodzeń urządzeń technologicznych, wykonawczych i i pomiarowych Detekcja uszkodzeń alarmy Identyfikacja uszkodzeń diagnozy Komputerowy system automatyki Doradztwo w stanach awaryjnych operator Systemy: MODI KNOBOS DIAG (AMandD) ASM (2004) Nowy moduł G2 (2004) Proces
23 Systemy ekspertowe 23 Program komputerowy, który na podstawie szczegółowej, specyficznej wiedzy z danej dziedziny, przechowywanej w systemie komputerowym, może podejmować decyzje i wyciągając wnioski, działając w sposób zbliżony do procesu rozumowania człowieka Użytkownik Układ wnioskujący Baza wiedzy Interfejs użytkownika Układ objaśniający Baza danych Struktura systemu ekspertowego
24 Plan wystąpienia 24 Informacja o zespole i laboratorium Nowe funkcje systemów automatyki Modelowanie rozmyte i neuronowe Wirtualne sensory Diagnostyka procesów przemysłowych cele i zadania Metody detekcji i lokalizacji uszkodzeń System AMandD Podsumowanie
25 6 k k 6 i 9 Modelowanie rozmyte i neuronowe 25 Modele fizyczne Modele liniowe u y L(y, u) P(y, u) + - r wejście u uszkodzenia zakłócenia f d Proces G(s) wyjście y residuum r wejście f Proces Model d wyjście + residuum - H Modele neuronowe Modele rozmyte x x 2 x 3 x 4 y y 2 x x2 w c wc wc Σ Σ Σ Σ Σ Σ wg w g wg f f f f f f τ τ τ τ τ τ τ τ wf wf wf Σ y τ x N (Α) (Β) ( C ) ( D ) ( E) Zastosowanie: redundancja analityczna, detekcja uszkodzeń, sterowanie, optymalizacja
26 x 2 x 3 x W 3 W 2 W b Sztuczne sieci neuronowe Σ u f(u) y Neuron 26 x n W n Model neuronu Funkcja aktywacji u = W x f ( u) n i= i i + = + e x b f(u) u
27 Struktura jednokierunkowej sieci neuronowej 27 Wejścia x x 2 Wyjścia y x 3 y 2 x 4 y M x N Warstwa wejściowa Warstwa ukryta Warstwa wyjściowa
28 Metoda uczenia sieci neuronowych 28 x Zbiór uczący t W y e = t - y Algorytm uczenia (propagacja wsteczna błędu) e
29 Modelowanie neuronowe obiektów 29 Sygnał sterujący Przepływ Różnica ciśnień Sieć neuronowa
30 Neuronowy model zaworu wody wtryskowej 30 Zawór + Serwomotor ( P W U(X) F W ) F = k W f ) k k U, P W Perceptron wielowarstwowy Jakość modelowania 4 Przepływ F W F * W t [s]
31 Zalety modelowania neuronowego 3 Możliwość uczenia na podstawie danych pomiarowych Zdolność uogólniania wiedzy Możliwość odwzorowania nieliniowych zależności Możliwość odwzorowania bardzo złożonych funkcji Wada: model jest czarną skrzynką wagi nie mają interpretacji fizycznej
32 Przynależność do zbioru w logice rozmytej Logika klasyczna 32 Wsp. przynależności do zbioru M S D temeratura Logika rozmyta Wsp. przynależności do zbioru M S D temeratura
33 Struktura systemu rozmytego 33 Wejścia ciągłe Stopnie przynależności Stopnie aktywacji reguł Wyjście ciągłe x x 2 Rozmywanie Wnioskowanie Wyostrzanie y (fuzyfikacja) (inferencja) (defuzyfikacja) x n x i Reguły x i =A Jesli ( x = M) ( x2 to( y = S) = S)... ( x n = D) Y µ 0
34 Modele TSK 34 Połączenie modelowania rozmytego i analitycznego Reguły: Jesli ( x = A i) ( x2 = A2 j ) to( y = a ix + a2 jx2 + b ij ) X X 2
35 Rozmyty model zaworu wody wtryskowej 35 Zawór + Serwomotor P W ( U(X) F W ) F = k W f ) k k U, P W Rozmyta siec neuronowa Fw2 [t/h] k
36 Rozmyty model schładzacza 36 Zawór + Serwomotor F P T P T P P P2 = f ( TP,FP, FW ) F W,T W,P W ) Jakość modelowania 420 Temperatura T P2 T P2 * Błąd względny [%] t [s] t [s]
37 Rozmyty model strumienia masy pary Rozmyta sieć neuronowa m DTt = f ( YH, m DTt ) t 37
38 Rozmyty model mocy czynnej 38 Rozmyta siec neuronowa Λ P t = f ( m DTt, Pt )
39 Zalety modelowania rozmytego 39 Możliwość przetwarzania informacji niepewnej i nieprecyzyjnej Możliwość odwzorowania nieliniowych zależności Możliwość wykorzystania wiedzy ekspertów Możliwość uczenia na podstawie danych pomiarowych Model nie jest czarną skrzynką Ograniczenie: przekleństwo rozmiaru Rozmyte sieci neuronowe: połączenie logiki rozmytej i uczenia neuronowego
40 Wirtualne sensory 40 Rekonstrukcja sygnału na podstawie modelu PV t Uszkodzenie toru pomiarowego
41 Wirtualne sensory Symulacja uszkodzenia toru pomiarowego mocy czynnej 4
42 Dynamiczne nadzorowanie punktu pracy 42 Wyznaczanie residuów na bazie modeli P zmienne procesowe Proces Model cząstkowy Model Model - R residua Zmienne wyliczane Idea modeli cząstkowych R R R T P T P P P T P2 T P2 T P3 T P3 F P P P2 Wtryskiwacz F W P W Zawór wody wtryskowej X M Serwomotor Przegrzewacz U Przykładowe modele cząstkowe: X F T T W P2 P3 = = = = f ( U ) f ( X, PW, P ) f ( TP, FP, FW ) f ( T,K) P2
43 Plan wystąpienia 43 Informacja o zespole i laboratorium Nowe funkcje systemów automatyki Modelowanie rozmyte i neuronowe Wirtualne sensory Diagnostyka procesów przemysłowych cele i zadania Metody detekcji i lokalizacji uszkodzeń System AMandD Podsumowanie
44 Bieżąca diagnostyka procesu 44 Systemy: MODI KNOBOS DIAG (AMandD) ASM (2004) Nowy moduł G2 (2004) Sygnały pomiarowe i sterujące Detekcja uszkodzeń Symptomy Proces Lokalizacja uszkodzeń Diagnozy
45 Przyczyny i skutki stanów awaryjnych 45 złożoność systemu koncentracja sprzętu błędy obsługi uszkodzenia stany awaryjne straty ekonomiczne skażenie środowiska zagrożenie życia ludzkiego nagromadzenie alarmów przeciążenie informacyjne operatorów błędy obsługi
46 Alarmy w systemach automatyki 46 Wady systemów alarmowych: duża liczba alarmów sygnalizowanych w krótkim przedziale czasu - zjawisko przeciążenia informacyjnego operatorów, brak możliwości detekcji uszkodzeń parametrycznych, duże opóźnienia detekcji, brak mechanizmów formułowania diagnoz o uszkodzeniach niedogodności sposobu prezentacji alarmów uszkodzenie objawia się wystąpieniem wielu alarmów na różnych obrazach alarmy będące skutkiem różnych uszkodzeń sygnalizowane mogą być równocześnie na tym samym obrazie Lista alarmów REG SP L Wyciek
47 Wczesne rozpoznawanie uszkodzeń 47 Zadziałanie blokady Alarm Granica bezpieczeństwa Granica alarmowa Pv Diagnoza Uszkodzenie t
48 Specyfika diagnostyki procesów przemysłowych 48 Obiekty diagnozowania złożone instalacje technologiczne w przemyśle chemicznym, energetycznym, hutniczym itp. Realizacja diagnostyki na bieżąco w trakcie trwania procesu Wykorzystanie wyłącznie danych roboczych brak możliwości zakłócania przebiegu procesu Bardzo duża liczba możliwych uszkodzeń rozumianych jako wszelkiego rodzaju zdarzenia destrukcyjne Brak danych pomiarowych dla stanów awaryjnych Awarie występujące po raz pierwszy powinny być rozpoznawane W systemach DCS i SCADA dostępne są duże zbiory danych pomiarowych przydatnych do budowy modeli
49 Plan wystąpienia 49 Informacja o zespole i laboratorium Nowe funkcje systemów automatyki Modelowanie rozmyte i neuronowe Wirtualne sensory Diagnostyka procesów przemysłowych cele i zadania Metody detekcji i lokalizacji uszkodzeń System AMandD Podsumowanie
50 Ogólny schemat diagnozowania 50 Z wykorzystaniem modeli procesów Bez wykorzystania modeli procesów F - uszkodzenia F - uszkodzenia U - wejścia PROCES Proces Y - wyjścia U - wejścia PROCES Proces Y - wyjścia Model obiektu Generacja residuów Klasyfikator U Y S Generacja sygnałów diagnostycznych R - residua detekcja uszkodzeń S - sygnały diagnostyczne Klasyfikator R S Ocena wartości residuów Relacja S F Lokalizacja uszkodzeń Relacja S F Lokalizacja uszkodzeń S - sygnały diagnostyczne F - uszkodzenia F - uszkodzenia
51 6 k k 6 i 9 Metody detekcji uszkodzeń 5 Metody bazujące na kontroli parametrów zmiennych procesowych Kontrola ograniczeń wartości zmiennych procesowych Metody analizy sygnałów Metody bazujące na kontroli związków między zmiennymi procesowymi Kontrola prostych relacji Zastosowanie modeli analitycznych Zastosowanie modeli neuronowych Zastosowanie modeli rozmytych wejście f d Proces Model H wyjście + residuum - x x 2 x 3 x 4 x N y y 2 x x2 wc w c wc Σ Σ Σ Σ Σ Σ wg wg wg f f f f f f (Α) (Β) ( C ) ( D ) ( E) τ τ τ τ τ τ τ τ τ wf w f w f Σ y
52 Kontrola prostych relacji między zmiennymi 52 redundancja sprzętowa kontrola sygnałów sprzężeń zwrotnych kontrola relacji między wartościami zmiennych kontrola związków statystycznych między zmiennymi water vapour water vapour T 0 P T 3 T 2 Z water Y L A 0 I F T T 4 A syrup Z2 syrup liquid water vapour
53 Zastosowanie modeli do detekcji uszkodzeń 53 u Proces y Model procesu y m r Ocena residuów S Detekcja uszkodzeń
54 Modele cząstkowe zespołu zawór wody wtr. + schładzacz 54 Ciąg parowy Pomiary redundantne T P T P R T P2 T P2 R F P P P Model schładzacza F W Model zaworu wody wtryskowej M U P W T W Modele cząstkowe zespołu X Model serwomotoru
55 Modele cząstkowe i testy diagnostyczne 55 Zawór + Serwomotor Schłądzacz F P P W T P U(X) F W T P2 ) U = f ) F = f W ( X ) 2 ) T = P2 ( X, P ) f 3 W ( T,P,F,F, T ) P P P W W Zbiór uszkodzeń F k f f 2 f 3 f 4 f 5 f 6 f 7 Uszkodzenia Uszkodzenie toru pomiarowego T P Uszkodzenie toru pomiarowego T PR Uszkodzenie toru pomiarowego T P2 Uszkodzenie toru pomiarowego T P2R Uszkodzenie toru pomiarowego F P Uszkodzenie toru pomiarowego P P Uszkodzenie toru pomiarowego X P P F W,T W,P W f 8 f 9 Uszkodzenie toru pomiarowego F W Uszkodzenie toru pomiarowego P W f 0 Uszkodzenie toru pomiarowego T W f Uszkodzenie siłownika f 2 Uszkodzenie zaworu wody wtryskowej f 3 Uszkodzenie wtryskiwacza Bazujące na modelach redundancja sprzętowa Zbiór residuów R j r r 2 r 3 r 4 r 5 Algorytm generacji residuum ) r = X X ) r2 = FW FW ) r = T 3 P 2 TP 2 4= TP TPR 5 = TP2 TP2R r r r r 2 r 3 r 4 r 5 Wnioskowanie f f 2 f 3 f 4 f 5 f 6 f 7 f 8 f 9 f 0 f f 2 f 3
56 Metody lokalizacji uszkodzeń 56 Metody wnioskowania automatycznego Drzewa diagnostyczne Wnioskowanie logiczne, rozmyte (metody DTS, F-DTS, T-DTS) Regułowe systemy eksperckie Metody rozpoznawania wzorców Klasyfikatory klasyczne Klasyfikatory neuronowe Klasyfikatory rozmyte
57 Metody lokalizacji uszkodzeń 57 Metody pozyskiwania wiedzy o relacji uszkodzenia - symptomy Na podstawie struktury modeli matematycznych tworzonych z uwzględnieniem wpływu uszkodzeń x ( k + ) = Ax( k) + Bu( k) + Ed( k) + Ff( k) y ( k) = Cx( k) + y y ( s) = G ( s) u( s) + G ( s) f( s) i i Fi Na podstawie danych wzorcowych - uczenie r 2 f 2 f 3 f r S/ Na podstawie wiedzy eksperckiej F s f f 2... f k... f K Reguły: Jeśli symptomy... to uszkodzenie.. s 2... s j... s J V kj
58 Wnioskowanie diagnostyczne Równoległe 58 Wartości wzorcowe Bieżące wartości F/ S S S j f... f k 0... f K ROZPOZNAWANIE OBRAZÓW Sygnały diagn. v... v j... s J V K J v J Sygnatura uszkodzenia Bieżące wartości Diagnoza V = v( s v( s v(... s 2 ) v ) v2... ) DGN = { f F :( V ( f ) V )} J v J V ( f k ) k k = = V j: s j S [ v j ( f k ) = v j ]
59 Wnioskowanie diagnostyczne Równoległe 59 Przykład Wartości wzorcowe Bieżące wartości f f 2 f 3 f 4 f 5 f 6 f 7 f 8 f 9 f 0 f f 2 f 3 f 4 S s s 2 s 3 s 4 s 5 DGN= {f, f 4 }
60 Metody diagnostyki procesów przemysłowych 60 u Proces PROCES Obserwator NW Obserwator NW2 2 y y 2 y m y u Logika y 2 diagnozy u wejścia PROCES Proces Sieć Sieć Obserwator neuronowa NW neuronowa NW nr nr y 3 2 UCZENIE wyjścia + residua r Sieć uszkodzenie Obserwator neuronowa NW nr 2 f UCZENIE baza sygnatur uszkodzeń Obserwator NWm m y m wejścia/ wyjścia obiektu uszkodzenia u Proces y Model rozmyty r s f Warunki PROCES normalne y 0 r 0 Proces Model rozmyty n r J Rozmyta ocena residuów s J Wnioskowanie rozmyte δ [0,] Diagnozy f k Uszkodzenie PROCES PROCES Uszkodzenie n y y n r r n Klasyfikator PROCES f Relacja symptomyuszkodzenia δ K [0,] Generacja residuów Ocena residuów
61 Problemy praktyczne 6 Brak pomiaru ważnych zmiennych procesowych Sprzeczność między dążeniem do wczesnego wykrywania małych uszkodzeń a możliwością powstawania fałszywych alarmów Uzyskanie zadawalającej rozróżnialności uszkodzeń Niepewności symptomów i związku uszkodzeniasymptomy Uszkodzenia wielokrotne Zmienność struktury obiektu Dynamika powstawania symptomów Bardzo duża liczba możliwych uszkodzeń Niejednakowy stopień wiedzy o różnych częściach obiektu diagnozowania potrzeba integracji różnych metod Konieczność diagnozowania zdecentralizowanego
62 Lokalizacja uszkodzeń z zastosowaniem logiki rozmytej 62 Proces Model rozmyty M Model neuronowy J - - r M r J Rozmyta ocena residuów s M s J Wniosko wanie rozmyte f M f K δ [ 0, ] Diagnozy δ K [ 0, ] Relacja symptomy uszkodzenia Element bazy wiedzy
63 Rozmyta ocena residuów 63 u Proces y r µ + 0 s Model procesu y m r Ocena residuów S 0 0 t Detekcja uszkodzeń Trójwartościowa ocena residuów - { < µ 0>, < µ, + >, <, > } s µ j = j,0, j, + j, r Positive values P 0 Close to zero values Negative values Z N
64 Reguły wnioskowania 64 wartości wzorcowe F/ S f... f k... f K S V k... S j V kj... s J V kj V KJ Sygnatura uszkodzenia Reguły ( s = v k ) ( s 2 = v k 2 )... ( s J = Jesli v ) to kj f k Reguły sprzeczne dla uszkodzeń nierozróżnialnych
65 Stopień spełnienia przesłanki 65 Reguła Jesli Przesłanka prosta ( s = + ) ( s2 = 0)... ( s J = ) to f k r µ + 0 s µ (, s ) = f k t -
66 Stopień aktywacji reguły 66 Jesli ( s = vk) ( s2 = vk 2)... ( sj = v kj ) to f k Rozmyta koniunkcja stopni spełnienia przesłanek µ f ) = µ ( f, s ) µ ( f, s )... µ ( f ( k k k 2 k, sj ) Operator PROD µ f ) = µ ( f, s ) µ ( f, s )... µ ( f ( k k k 2 k, sj ) Operator MIN µ f ) = MIN{ µ ( f, s ), µ ( f, s ),... µ ( f ( k k k 2 k, sj )}
67 Wnioskowanie rozmyte - przykład 67 Jesli ( s = 0) ( s2 = + ) ( s3 = ) ( s4 = 0) to f k r t µ (, s ) = f k r 2 µ i t µ (, s2 ) = 0.9 f k - r 3 µ 2i t µ (, s3 ) = f k - r 4 µ 3i t µ (, s4 ) = 0.6 f k µ 4i - µ ( ) = f k PROD =
68 Diagnozy 68 Diagnoza Wizualizacja diagnoz DGN { < f, µ ( f ) > : µ ( f ) > 0} = k k k DGN= { < f, µ ( f ) > : µ ( f ) M} k k k > Przykład: DGN= { < f3,0.2>, < f8,0.67> }
69 Plan wystąpienia 69 Informacja o zespole i laboratorium Nowe funkcje systemów automatyki Diagnostyka procesów przemysłowych cele i zadania Metody detekcji i lokalizacji uszkodzeń Nasze podejście do diagnostyki procesów System AMandD Podsumowanie
70 Funkcje systemu AMandD 70 Modelowanie i symulacja obiektów Wirtualne sensory i analizatory Detekcja uszkodzeń (aparatury technologicznej, urządzeń pomiarowych i wykonawczych) Lokalizacja uszkodzeń Graficzna prezentacja diagnoz Wspomaganie decyzji zabezpieczających obiekt Archiwizacja diagnoz Alarmy przesyłane w sieci GSM Uzasadnianie diagnoz Raporty diagnostyczne
71 Akwizycja danych 7 Na drodze transmisji cyfrowej system AMandD pobiera dane z systemu sterowania i monitorowania (DCS, SCADA) - wykorzystanie technologii OPC
72 AMandD struktura systemu (on-line) 72 Proces (DCS, SCADA) Serwer OPC Moduły IO OPCLink Nadzorca Moduły obliczeniowe MITforRD RTS (symulator modeli) ihistorian OleDBLink ifuzzyfdi RTFI (moduł diagnostyczny) Moduły użytkowe InView (wizualizacja) Komunikacja XMLBlaster (serwer komunikacji) Natywny serwer komunikacji Tory przetwarzania zmiennych Archiwizator Archiwa Dane archiwalne (baza danych SQL) Dane konfiguracyjne (XML) Moduły dodatkowe CCOMScan (monitoring komunikacji) PVPlayer (odtwarzanie archiwów) Inni użytkownicy Pliki danych archiwalnych Platforma CHEM (G2) DTM (tymczasowe archiwum) CCUI (wizualizacja) RTM (nadzorca)
73 AMandD struktura systemu (off-line) 73 Archiwa Dane archiwalne (baza danych SQL) Dane konfiguracyjne (XML) Moduły konfiguracyjne AMandD Config Pliki modeli MITforRD Config ifuzzyfdi Config OPCLink Conf OleDBLink Conf MITforRD Model Builder (budowa modeli) Pliki danych archiwalnych Serwer OPC Archiwa (DCS, SCADA) ihistorian
74 XMLBlaster 74
75 AMandD przyjęty schemat diagnozowania 75 u PROCES ŷ - + y r Residuum - różnica pomiędzy wartością mierzoną i symulowaną ifuzzy-fdi: Detekcja Lokalizacja Model cząstkowy Model cząstkowy Model cząstkowy ŷ Generacja residuów i odtwarzanie zmiennych procesowych Symulowane zmienne procesowe Ocena residuów s MITforRD Diagnosis Identyfikacja Symulacja Generowanie residuów DGN Wnioskowanie rozmyte Detekcja i lokalizacja uszkodzeń
76 Model Identification Tool for Reconstruction and Diagnosis 76
77 MITforRD główne funkcje oprogramowania 77 Generacja residuów w oparciu o identyfikowane modele Identyfikacja Symulacja off-line MI/A-0 on-line GR/A-0
78 MITforRD komponenty 78 Aplikację można podzielić na następujące części: Model Builder narzędzie do identyfikacji modeli Real Time Simulator symulator on-line obliczający wyjścia z modeli oraz residua RTS Configurator narzędzie do zarządzania modelami w konfiguracji systemu AMandD Środowisko: Aplikacja pracująca pod kontrolą systemu MS Windows, Współpraca z innymi modułami systemu AMandD odbywa się poprzez przesyłanie komunikatów w formacie XML przy wykorzystaniu XML Blaster-a,
79 MITforRD Model Builder 79 MITforRD Model Builder Przetwarzanie danych Identyfikacja Weryfikacja Akwizycja, wyświetlanie, analiza i przetwarzanie wstępne danych Główny moduł programu. Pozwala na zdefiniowanie struktury modelu i estymację współczynników. Symulacja modeli dla archiwalnych danych Model Builder zbudowany jest w oparciu o technologię plugin-ów. Dzięki temu możliwa jest rozbudowa programu przez niezależne grupy programistów.
80 MITforRD przetwarzanie danych 80 Właściwości: Otwarta architektura. W główny program wbudowane są jedynie obiekt przechowujący dane archiwalne, wizualizacja oraz manager plugin-ów. Pozostałe funkcje importu, analizy i i przetwarzania danych dostarczane są w postaci plugin-ów. Taka budowa programu umożliwia osiągnięcie maksymalnej elastyczności i i łatwości rozbudowy. Wbudowane zaawansowane wyświetlanie danych archiwalnych. Plugin-y umożliwiające import-eksport danych, wyświetlanie spektrum, histogramów, filtrację, uśrednianie itp.
81 MITforRD identyfikacja 8 Właściwości: Wspólna struktura modelu MIMO. Struktura ta jest opakowaniem na modele MISO różnych typów. Otwarta architektura. Samokonfigurowalne rozproszone środowisko obliczeniowe. Prosty interfejs użytkownika. Możliwość identyfikacji statycznych i i dynamicznych modeli różnych typów.
82 MITforRD identyfikacja 82 Modele: Zarówno modele statyczne, jak i i uwzględniające dynamikę procesu. Klasyczne modele liniowe. Modele wielomianowe zarówno identyfikacja struktury wielomianu, jak i i estymacja współczynników. Modele w formie sztucznych sieci neuronowych Modele rozmyte o strukturze TSK, z identyfikowaną strukturą, parametrami rozmywania, jak i i współczynnikami. Modele rozmyte TSK z funkcją następnika w formie wielomianu. Szeroka gama algorytmów identyfikacji poczynając od klasycznej regresji, a kończąc na zaawansowanych algorytmach ewolucyjnych.
83 MITforRD rozproszone środowisko obliczeniowe 83 Parametry identyfikacji Przetworzone dane archiwalne Lokalny serwer obliczeń Manager Lokalny komputer PC Serwer TCP Klient TCP Klient TCP Serwer obliczeń Zdalny serwer obliczeń Serwer obliczeń 2 Zdalny serwer obliczeń
84 MITforRD podsumowanie 84 MITforRD jest jednolitą aplikacją zawierającą możliwości niedostępne razem w innych programach: Wspólny interfejs do wielu typów modeli, Łatwość użytkowania nie jest wymagana znajomość programowania, Wymaganie od użytkownika jedynie podstawowej wiedzy z dziedziny identyfikacji, Wykorzystanie wielu PC w celu przyspieszenia obliczeń, Pewne algorytmy identyfikacje zostały opracowane tylko i i wyłącznie dla MITforRD-a.
85 Fuzzy Logic Based Fault Detection and Isolation 85
86 ifuzzyfdi główne funkcje oprogramowania 86 Detekcja i lokalizacja uszkodzeń Konfiguracja Wnioskowanie off-line MI/A-0 on-line GR/A-0
87 ifuzzyfdi detekcja i lokalizacja 87 MITforRD L=f(F) Inne moduły - + Residua Sygnały diagnostyczne Bieżąca diagnostyka bazująca na logice rozmytej. Rozpoznawanie różnego rodzaju uszkodzeń. Podczas konfiguracji wymagane są są jedynie dane archiwalne z normalnej pracy instalacji oraz wiedza ekspercka. r R Diagnoza zbiór współczynników pewności uszkodzeń S 2 S 3 S 4 S 5 f (2,3) (3,4) (0, inf) ifuzzyfdi S f 2 S f 5 (0,0) (0, inf) 0 f 3 (0, inf) (0, inf) DGN f 4 (0,5) r (0,0) (0,0) (0,0) Konfiguracja zbiorów rozmytych Relacja uszkodzeniasymptomyczas
88 ifuzzyfdi dlaczego logika rozmyta? 88 Główne problemy diagnostyki złożonych procesów przemysłowych: obecność zakłóceń pomiarowych, niedokładne pomiary niedostępność analitycznych modeli procesu trudność określenia wartości progowych, których przekroczenie świadczy o wystąpieniu uszkodzenia niepewność symptomów uszkodzeń niepewność co do relacji pomiędzy symptomami (wartościami residuów) a uszkodzeniami Logika rozmyta jest szczególnie przydatna w przetwarzania informacji niepewnej i nieprecyzyjnej. Dodatkowo, jest ona intuicyjnie zrozumiała i łatwa w implementacji.
89 ifuzzyfdi komponenty 89 Aplikację można podzielić na następujące części: Real Time Fault Isolator moduł obliczeniowy realizujący w trybie on-line zadania detekcji i i lokalizacji uszkodzeń FIS Configurator moduł konfiguracyjny służący do wprowadzania parametrów rozmytej oceny residuów i i reguł wnioskowania diagnostycznego Środowisko: Aplikacja pracująca pod kontrolą systemu MS Windows, Współpraca z innymi modułami systemu AMandD odbywa się poprzez przesyłanie komunikatów w formacie XML przy wykorzystaniu XML Blaster-a,
90 ifuzzyfdi rozmyta ocena residuów 90 W stanie bez uszkodzeń wartość rsiduum jest bliska zera Chwila wystąpienia uszkodzenia r Wartości dodatnie P r 0 Wartości bliskie zeru Z S Wartości ujemne N Detekcja przekroczenie ustalonego poziomu granicznego Symptom w wyniku wystąpienia uszkodzenia residuum przyjmuje wartości niezerowe W czasie rzeczywistym wyznaczane są wartości funkcji przynależności w oparciu o ostre wartości residuów. W oparciu o ich rozmytą reprezentację dokonywana jest detekcja uszkodzeń.
91 ifuzzyfdi konfiguracja oceny residuów 9 W procesie konfiguracji użytkownik definiuje parametry zbiorów rozmytych opisujących rozmytą reprezentację residuów Zbiory rozmyte opisujące warości residuum w stanie z uszkodzeniami Residuum w stanie bez uszkodzeń Pojedynczy zbiór rozmyty dla stanu normalnego 5 R [%] t [s] Rozmyte przełącznie obszarów pozwala uwzględnić niepewności residuum
92 ifuzzyfdi definiowanie reguł diagnostycznych 92 X U F L Modele cząstkowe F=f(X) F ) + L=f(F,L) Lˆ + IF IF residual residual (F-F^) (F-F^) has has close closeto to zero zero value valueand residual residual (L-L^) (L-L^) has has negative negative value value THEN THEN L sensor sensor fault faultor OR tank tank leakage leakage r r 2 IF IF residual residual (F-F^) (F-F^) is is positive positiveor OR negative negativeand residual residual (L-L^) (L-L^) has has close closeto to zero zero value value THEN THEN X sensor sensor fault fault PROCES Reguły diagnostyczne definiują w prosty sposób relację pomiędzy uszkodzeniami a obserwowanymi symptomami. Są one ustalane podczas konfiguracji na podstawie: wiedzy eksperta o procesie struktury residuów
93 ifuzzyfdi wnioskowanie on-line 93 f 5 N S (2,3) S 2 S 3 S 4 S S 3 4 = = f N (3,4) { N,0, Z,0, P, } { N,0.9, Z,0., P,0 } f 2 P (0,0) N (0, inf) f 3 P (0, inf) N (0, inf) f 4 P (0,5) P (0,0) N (0,0) Sygnały diagnostyczne rozmyta reprezentacja wartości residuów Lokalizacja uszkodzeń prowadzone jest z wykorzystaniem wnioskowania rozmytego. Na podstawie obserwowanych symptomów z wykorzystaniem wprowadzonych reguł diagnostycznych wyznaczane są współczynniki pewności uszkodzeń. S 5 N (0, inf) N (0,0) Diagnoza w postaci zbioru możliwych uszkodzeń wraz ze współczynnikami pewności
94 ifuzzyfdi właściwości algorytmu FDI 94 Dostosowany do diagnostyki procesów złożonych Możliwość uwzględnienia różnego rodzaju niepewności Możliwość uwzględnienia dynamiki pojawiania się symptomów Automatyczna rekonfiguracja w przypadku zmiany zbioru dostępnych zmiennych procesowych oraz residuów Łatwa możliwość rozbudowy FIS w czasie eksploatacji Dwupoziomowa, hierarchiczna struktura algorytmu (możliwość uwzględnienia dekompozycji systemu) Możliwość detekcji uszkodzeń niezdefiniowanych w procesie konfiguracji Wnioskowanie szeregowo-równoległe (pochodna metod TDS, F-DTS, T-DTS) Dynamiczne tworzenie wątków lokalizacji możliwość lokalizacji uszkodzeń krotnych
95 Pozostałe moduły systemu 95 CCOMScan śledzenie i przechwytywanie komunikatów PVGraber zapis danych archiwalnych PVPlayer odtwarzanie danych archiwalnych OPCLink OleDBLink DTMLink moduły wejść / wyjść (do serverów OPC, OLE DB) InView wizualizacja zmiennych systemowych SysBuilder zintegrowany konfigurator WebPoster serwer stron WWW
96 Pilotowe aplikacje systemu AMandD 96 Zakłady Azotowe Puławy LAIL generator pary Cukrownia Lublin Laboratorium IAiR
97 Pilotowa aplikacja dla generatora pary w LILE 97
98 Pilotowa aplikacja dla generatora pary w Lille 98 Stan bez uszkodzeń
99 Pilotowa aplikacja dla generatora pary w Lille 99 Wizualizacja uszkodzenia wyciek ze zbiornika lub uszkodzenie toru pomiarowego L
100 Aplikacja dla Generatora Pary w LAIL W instalacja wydzielić można cztery zasadnicze części:. zbiornik wraz z systemem dostarczającym wodę 2. boiler ogrzewany 55kW rezystorem termicznym 3. ciąg parowy 4. złożony kondenser z wymiennikiem ciepła Dostępne są 30 zmienne procesowe, rozważane są 23 uszkodzenia torów pomiarowych, elementów wykonawczych oraz komponentów instalacji technologicznej.
101 Współpraca modułów w trybie on-line 0 Steam Generator (+PANORAMA) DTM DTMLink MITforRD Real Time Simulator ifuzzyfdi Real Time Fault Isolator. Zmienne procesowe dostarczane są do moduły symulatora 2. Moduł symulatora wyznacza symulowane zmienne procesowe oraz residua 3. Residua bazujące na modelach dostarczane są do moduły diagnostycznego 4. Moduł diagnostyczny wyznacza współczynniki pewności uszkodzeń 5. Wszystkie zmienne dostarczane są do modułu wizualizacji 5. InView
102 Scenariusz uszkodzeń (AMandD_demo.avi) 02 Zademonstrujemy scenariusz uszkodzeń krotnych: najpierw pojawi się uszkodzenie Tank leakage Następnie wprowadzone zostanie uszkodzenie T6 sensor fault
103 Właściwości eksploatacyjne 03 Diagnozowanie instalacji złożonych Możliwość stałej rozbudowy w trakcie eksploatacji Uwzględnienie niepewności wykrywanych symptomów Uwzględnienie niepewności relacji symptomy - uszkodzenia Prawidłowe wnioskowanie (automatyczna adaptacja) przy zmianach zbioru dostępnych sygnałów pomiarowych Uwzględnienie dynamiki rozprzestrzeniania się symptomów awarii
104 Plan wystąpienia 04 Informacja o zespole i laboratorium Nowe funkcje systemów automatyki Diagnostyka procesów przemysłowych cele i zadania Metody detekcji i lokalizacji uszkodzeń Nasze podejście do diagnostyki procesów System AMandD Podsumowanie
105 AMandD właściwości eksploatacyjne 05 Diagnozowanie instalacji złożonych Możliwość stałej rozbudowy w trakcie eksploatacji Uwzględnia niepewności wykrywanych symptomów Uwzględnia niepewności relacji symptomy - uszkodzenia Prawidłowe wnioskowanie (automatyczna adaptacja) przy zmianach zbioru dostępnych sygnałów pomiarowych Uwzględnia dynamikę rozprzestrzeniania się symptomów awarii
106 Efekty zastosowania systemu diagnostycznego 06 Szybka i dokładna informacja o pojawiających się uszkodzeniach dostarczana do operatorów i innych użytkowników systemu Zwiększenie pewności informacji w systemie dzięki diagnostyce torów pomiarowych Zwiększenie bezpieczeństwa procesu Zmniejszenie zagrożeń dla środowiska naturalnego Ograniczenie strat w stanach awaryjnych Ograniczenie kosztów obsługi remontowej Eliminacja przeciążenia informacyjnego operatorów
DiaSter - system zaawansowanej diagnostyki aparatury technologicznej, urządzeń pomiarowych i wykonawczych. Politechnika Warszawska
Jan Maciej Kościelny, Michał Syfert DiaSter - system zaawansowanej diagnostyki aparatury technologicznej, urządzeń pomiarowych i wykonawczych Instytut Automatyki i Robotyki Plan wystąpienia 2 Wprowadzenie
Bardziej szczegółowoModele ilościowe i jakościowe w diagnostyce procesów przemysłowych
pro. dr hab. inż. Jan Maciej Kościelny Wydział Mechatroniki Modele ilościowe i jakościowe w diagnostyce procesów przemysłowych Problemy, metody i obliczenia wielkoskalowe oraz wyzwania modelowania inżynierskiego
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA SYSTEMY ROZMYTE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii Biomedycznej Laboratorium
Bardziej szczegółowoANALIZA METOD DETEKCJI I LOKALIZACJI USZKODZEŃ W SYSTEMACH PRODUKCYJNYCH ODLEWNI
39/10 Archives of Foundry, Year 2003, Volume 3, 10 Archiwum Odlewnictwa, Rok 2003, Rocznik 3, Nr 10 PAN Katowice PL ISSN 1642-5308 ANALIZA METOD DETEKCJI I LOKALIZACJI USZKODZEŃ W SYSTEMACH PRODUKCYJNYCH
Bardziej szczegółowoDiagnostyka procesów i jej zadania
Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Wykład 1 Literatura 1 J. Korbicz, J.M. Kościelny, Z. Kowalczuk, W. Cholewa (red.): Diagnostyka procesów. Modele, metody sztucznej
Bardziej szczegółowoSystemy Wspomagania Zarządzania Produkcją (MES) ABB Sp. z o.o.
Dział Automatyki Procesowej Systemy Wspomagania Zarządzania Produkcją (MES) ABB Sp. z o.o. na bazie Artur Zabielski Copyright 2007 ABB Systemu Sterowania Freelance800F Wprowadzenie ES/OS Freelance 800F
Bardziej szczegółowoUSTAWNIK TOLERUJĄCY USZKODZENIA TORU SPRZĘśENIA ZWROTNEGO
USTAWNIK TOLERUJĄCY USZKODZENIA TORU SPRZĘśENIA ZWROTNEGO Przykład zintegrowanego systemu mechatronicznego Michał Bartyś Wprowadzenie Schemat blokowy Funkcje ustawnika Model przyczynowo-skutkowy Środowisko
Bardziej szczegółowoDIAGNOSTYKA PROCESÓW W STRUKTURZE ZDECENTALIZOWANEJ
XV Krajowa Konferencja Automatyki, Warszawa 27-30 czerwca 2005 DIAGNOSTYKA PROCESÓW W STRUKTURZE ZDECENTALIZOWANEJ Paweł WNUK *, Michał SYFERT ** Politechnika Warszawska, Instytut Automatyki i Robotyki
Bardziej szczegółowoBibliografia...210. xiii
Spis treści 1. Wprowadzenie J. M. Kościelny.... 1 1.1. Struktury systemów sterowania........1 1.2. Kierunki rozwoju współczesnych systemów automatyki...5 1.3. Nowe funkcje zaawansowanych systemów automatyki...
Bardziej szczegółowoMetody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, Spis treści
Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, 2012 Spis treści Przedmowa do wydania drugiego Przedmowa IX X 1. Wstęp 1 2. Wybrane zagadnienia sztucznej inteligencji
Bardziej szczegółowoDiagnostyka procesów przemysłowych Kod przedmiotu
Diagnostyka procesów przemysłowych - opis przedmiotu Informacje ogólne Nazwa przedmiotu Diagnostyka procesów przemysłowych Kod przedmiotu 06.0-WE-AiRP-DPP Wydział Kierunek Wydział Informatyki, Elektrotechniki
Bardziej szczegółowoECTS - program studiów kierunku Automatyka i robotyka, Studia I stopnia, rok akademicki 2015/2016
- program studiów kierunku Automatyka i robotyka, Studia I stopnia, rok akademicki 20/206 Automatyka i robotyka Profil ogólnoakademicki studia stacjonarne I stopnia w c l p w c l p w c l p w c l p w c
Bardziej szczegółowoKatedra Systemów Decyzyjnych. Kierownik: prof. dr hab. inż. Zdzisław Kowalczuk ksd@eti.pg.gda.pl
Katedra Systemów Decyzyjnych Kierownik: prof. dr hab. inż. Zdzisław Kowalczuk ksd@eti.pg.gda.pl 2010 Kadra KSD profesor zwyczajny 6 adiunktów, w tym 1 z habilitacją 4 asystentów 7 doktorantów Wydział Elektroniki,
Bardziej szczegółowoSterowanie z wykorzystaniem logiki rozmytej
Sterowanie z wykorzystaniem logiki rozmytej konspekt seminarium Paweł Szołtysek 24 stycznia 2009 1 Wstęp 1.1 Podstawy logiki rozmytej Logika rozmyta jest rodzajem logiki wielowartościowej, stanowi uogólnienie
Bardziej szczegółowoPODSTAWY AUTOMATYKI 12. Technika automatyzacji
Politechnika Warszawska Instytut Automatyki i Robotyki Prof. dr hab. inż. Jan Maciej Kościelny PODSTAWY AUTOMATYKI 12. Technika automatyzacji Plan 2 Funkcje systemów automatyki Struktury funkcjonalne Jednostki
Bardziej szczegółowoOferta badawcza Politechniki Gdańskiej dla przedsiębiorstw
KATEDRA AUTOMATYKI kierownik katedry: dr hab. inż. Kazimierz Kosmowski, prof. nadzw. PG tel.: 058 347-24-39 e-mail: kazkos@ely.pg.gda.pl adres www: http://www.ely.pg.gda.pl/kaut/ Systemy sterowania w obiektach
Bardziej szczegółowoKomputerowe systemy pomiarowe. Dr Zbigniew Kozioł - wykład Mgr Mariusz Woźny - laboratorium
Komputerowe systemy pomiarowe Dr Zbigniew Kozioł - wykład Mgr Mariusz Woźny - laboratorium 1 - Cel zajęć - Orientacyjny plan wykładu - Zasady zaliczania przedmiotu - Literatura Klasyfikacja systemów pomiarowych
Bardziej szczegółowoSpecjalność: Komputerowe systemy sterowania i diagnostyki
Specjalność: Komputerowe systemy sterowania i diagnostyki Rozkład zajęć w sem. (godz. w tygodniu) Lp Nazwa przedmiotu ECTS sem. 1 sem. 2 sem. 3 sem. 4 sem. 5 sem. 6 sem. 7 w c l p w c l p w c l p w c l
Bardziej szczegółowoMechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych
Mechatronika i inteligentne systemy produkcyjne Modelowanie systemów mechatronicznych Platformy przetwarzania danych 1 Sterowanie procesem oparte na jego modelu u 1 (t) System rzeczywisty x(t) y(t) Tworzenie
Bardziej szczegółowoMetody integracji systemów sterowania z wykorzystaniem standardu OPC
Metody integracji systemów sterowania z wykorzystaniem standardu OPC (Control Systems Integration using OPC Standard) Autor: Marcin BAJER Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki
Bardziej szczegółowoEfekty kształcenia na kierunku AiR drugiego stopnia - Wiedza Wydziału Elektrotechniki, Automatyki i Informatyki Politechniki Opolskiej
Efekty na kierunku AiR drugiego stopnia - Wiedza K_W01 K_W02 K_W03 K_W04 K_W05 K_W06 K_W07 K_W08 K_W09 K_W10 K_W11 K_W12 K_W13 K_W14 Ma rozszerzoną wiedzę dotyczącą dynamicznych modeli dyskretnych stosowanych
Bardziej szczegółowoLista zagadnień kierunkowych pomocniczych w przygotowaniu do egzaminu dyplomowego magisterskiego Kierunek: Mechatronika
Lista zagadnień kierunkowych pomocniczych w przygotowaniu do Kierunek: Mechatronika 1. Materiały używane w budowie urządzeń precyzyjnych. 2. Rodzaje stali węglowych i stopowych, 3. Granica sprężystości
Bardziej szczegółowoAUTOMATYZACJA PROCESÓW CIĄGŁYCH I WSADOWYCH
AUTOMATYZACJA PROCESÓW CIĄGŁYCH I WSADOWYCH kierunek Automatyka i Robotyka Studia II stopnia specjalności Automatyka Dr inż. Zbigniew Ogonowski Instytut Automatyki, Politechnika Śląska Plan wykładu pojęcia
Bardziej szczegółowoKARTA MODUŁU KSZTAŁCENIA
KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Sztuczna inteligencja 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia
Bardziej szczegółowoTematy magisterskie: Lp. Sugerowany stopień, kierunek studiów oraz specjalność Elektrotechnika Magisterska Dr hab. inż.
Katedra Automatyki i Elektroniki Wydział Elektryczny Zgodnie z procedurą dyplomowania na Wydziale, poniżej przedstawiono tematy prac dyplomowych dla studentów Elektrotechnika oraz Telekomunikacja kończących
Bardziej szczegółowoTabela odniesień efektów kierunkowych do efektów obszarowych
Umiejscowienie kierunku w obszarze kształcenia Kierunek studiów automatyka i robotyka należy do obszaru kształcenia w zakresie nauk technicznych i jest powiązany z takimi kierunkami studiów jak: mechanika
Bardziej szczegółowoSiR_13 Systemy SCADA: sterowanie nadrzędne; wizualizacja procesów. MES - Manufacturing Execution System System Realizacji Produkcji
System informatyczny na produkcji: Umożliwi stopniowe, ale jednocześnie ekonomiczne i bezpieczne wdrażanie i rozwój aplikacji przemysłowych w miarę zmiany potrzeb firmy. Może adoptować się do istniejącej
Bardziej szczegółowoStosowane metody wykrywania nieszczelności w sieciach gazowych
Stosowane metody wykrywania nieszczelności w sieciach gazowych Andrzej Osiadacz, Łukasz Kotyński Zakład Systemów Ciepłowniczych i Gazowniczych Wydział Inżynierii Środowiska Politechniki Warszawskiej Międzyzdroje,
Bardziej szczegółowoDiagnostyka, wiadomości podstawowe
Podstawowe pojęcia: Diagnostyka, wiadomości podstawowe Diagnostyka z gr.: diagnostikós oznacza "umiejący rozpoznawać To nauka początkowo wiązana głównie z medycyną nauka o sposobach rozpoznawania chorób.
Bardziej szczegółowoZagadnienia egzaminacyjne AUTOMATYKA I ROBOTYKA. Stacjonarne I-go stopnia TYP STUDIÓW STOPIEŃ STUDIÓW SPECJALNOŚĆ
(ARK) Komputerowe sieci sterowania 1.Badania symulacyjne modeli obiektów 2.Pomiary i akwizycja danych pomiarowych 3.Protokoły transmisji danych w systemach automatyki 4.Regulator PID struktury, parametry,
Bardziej szczegółowoSterowniki Programowalne (SP)
Sterowniki Programowalne (SP) Wybrane aspekty procesu tworzenia oprogramowania dla sterownika PLC Podstawy języka funkcjonalnych schematów blokowych (FBD) Politechnika Gdańska Wydział Elektrotechniki i
Bardziej szczegółowoPolitechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki
Politechnika Warszawska Wydział Samochodów i Maszyn Roboczych Instytut Podstaw Budowy Maszyn Zakład Mechaniki http://www.ipbm.simr.pw.edu.pl/ Teoria maszyn i podstawy automatyki semestr zimowy 2017/2018
Bardziej szczegółowoSpecjalność: Komputerowe systemy sterowania i diagnostyki. Strona 1 z 5
Uniwersytet Zielonogórski Plan studiów Wydział Informatyki, Elektrotechniki i Automatyki kierunek Automatyka i robotyka studia I stopnia, niestacjonarne rok akademicki 2017/18 Uwaga: zajęcia na specjalnościach
Bardziej szczegółowoTemat: Projektowanie sterownika rozmytego. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Projektowanie sterownika rozmytego Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie System
Bardziej szczegółowoPODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"
PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych
Bardziej szczegółowoRozmyte systemy doradcze
Systemy ekspertowe Rozmyte systemy doradcze Plan. Co to jest myślenie rozmyte? 2. Teoria zbiorów rozmytych. 3. Zmienne lingwistyczne. 4. Reguły rozmyte. 5. Wnioskowanie rozmyte (systemy doradcze). typu
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 10. WNIOSKOWANIE W LOGICE ROZMYTEJ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska WNIOSKOWANIE W LOGICE DWUWARTOŚCIOWEJ W logice
Bardziej szczegółowoSztuczna Inteligencja Tematy projektów Sieci Neuronowe
PB, 2009 2010 Sztuczna Inteligencja Tematy projektów Sieci Neuronowe Projekt 1 Stwórz projekt implementujący jednokierunkową sztuczną neuronową złożoną z neuronów typu sigmoidalnego z algorytmem uczenia
Bardziej szczegółowoUniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 6 SYSTEMY ROZMYTE TYPU MAMDANIEGO
Bardziej szczegółowoWstęp do teorii sztucznej inteligencji Wykład III. Modele sieci neuronowych.
Wstęp do teorii sztucznej inteligencji Wykład III Modele sieci neuronowych. 1 Perceptron model najprostzszy przypomnienie Schemat neuronu opracowany przez McCullocha i Pittsa w 1943 roku. Przykład funkcji
Bardziej szczegółowoROZWÓJ SYSTEMÓW SZTUCZNEJ INTELIGENCJI W PERSPEKTYWIE "PRZEMYSŁ 4.0"
ROZWÓJ SYSTEMÓW SZTUCZNEJ INTELIGENCJI W PERSPEKTYWIE "PRZEMYSŁ 4.0" Dr inż. Andrzej KAMIŃSKI Instytut Informatyki i Gospodarki Cyfrowej Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie
Bardziej szczegółowoMT 2 N _0 Rok: 1 Semestr: 1 Forma studiów:
Mechatronika Studia drugiego stopnia Przedmiot: Diagnostyka maszyn Rodzaj przedmiotu: obowiązkowy Kod przedmiotu: MT N 0 1 1-0_0 Rok: 1 Semestr: 1 Forma studiów: Studia niestacjonarne Rodzaj zajęć i liczba
Bardziej szczegółowoRozwiązanie dla standardowych urządzeń...
Rozwiązanie dla standardowych urządzeń... PROCESS FIELD BUS Page 1 PROFIBUS i SIMATIC pozwala osiągnąć Obniżenie kosztów okablowania Łatwy wybór produktu Łatwość instalacji i uruchomienia Krótki czas rozruchu
Bardziej szczegółowoLaboratorium demonstrator bazowych technologii Przemysłu 4.0 przykład projektu utworzenia laboratorium przez KSSE i Politechnikę Śląską
Laboratorium demonstrator bazowych technologii Przemysłu 4.0 przykład projektu utworzenia laboratorium przez KSSE i Politechnikę Śląską (wynik prac grupy roboczej ds. kształcenia, kompetencji i zasobów
Bardziej szczegółowoImplementacja rozmytych systemów wnioskujących w zdaniach regulacji
Metody Sztucznej Inteligencji w Sterowaniu Ćwiczenie 5 Implementacja rozmytych systemów wnioskujących w zdaniach regulacji Przygotował: mgr inż. Marcin Pelic Instytut Technologii Mechanicznej Politechnika
Bardziej szczegółowoSystem wizualizacji i wspomagania zarządzania procesami produkcji
System wizualizacji i wspomagania zarządzania procesami produkcji Pełna wiedza o procesach produkcyjnych Wszędzie tam, gdzie istotne jest śledzenie przebiegów procesów produkcyjnych, system Proman okazuje
Bardziej szczegółowoZastosowanie symulacji komputerowej do badania właściwości hydraulicznych sieci wodociągowej
Zastosowanie symulacji komputerowej do badania właściwości hydraulicznych sieci wodociągowej prof. dr hab. inż. Andrzej J. OSIADACZ Politechnika Warszawska Wydział Inżynierii Środowiska dr hab. inż. Maciej
Bardziej szczegółowoS PECJALNO S C I NTELIGENTNE S YSTEMY D ECYZYJNE
KATEDRA SYSTEMÓW DECYZYJNYCH POLITECHNIKA GDA N SKA S PECJALNO S C I NTELIGENTNE S YSTEMY D ECYZYJNE prof. dr hab. inz. Zdzisław Kowalczuk Katedra Systemów Decyzyjnych Wydział Elektroniki Telekomunikacji
Bardziej szczegółowoINŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Podstawowe pojęcia z logiki rozmytej Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sterowanie
Bardziej szczegółowoALGORYTM PROJEKTOWANIA ROZMYTYCH SYSTEMÓW EKSPERCKICH TYPU MAMDANI ZADEH OCENIAJĄCYCH EFEKTYWNOŚĆ WYKONANIA ZADANIA BOJOWEGO
Szybkobieżne Pojazdy Gąsienicowe (2) Nr 2, 24 Mirosław ADAMSKI Norbert GRZESIK ALGORYTM PROJEKTOWANIA CH SYSTEMÓW EKSPERCKICH TYPU MAMDANI ZADEH OCENIAJĄCYCH EFEKTYWNOŚĆ WYKONANIA ZADANIA BOJOWEGO. WSTĘP
Bardziej szczegółowoKatowice GPW 2013. Zintegrowany system informatyczny do kompleksowego zarządzania siecią wodociągową. Jan Studziński
Katowice GPW 2013 Zintegrowany system informatyczny do kompleksowego zarządzania siecią wodociągową Jan Studziński 1 1. Wstęp Cel pracy Usprawnienie zarządzania siecią wodociągową za pomocą nowoczesnych
Bardziej szczegółowoSystem kontroli eksploatacji bloków energetycznych i ciepłowniczych
System kontroli eksploatacji bloków energetycznych i ciepłowniczych Nadzór online i optymalizacja procesów wytwarzania energii System Meskan to nowoczesne narzędzie kontroli eksploatacji bloków energetycznych
Bardziej szczegółowo2.2.P.07: Komputerowe narzędzia inżynierii powierzchni
2nd Workshop on Foresight of surface properties formation leading technologies of engineering materials and biomaterials in Białka Tatrzańska, Poland 29th-30th November 2009 2 Panel nt. Produkt oraz materiał
Bardziej szczegółowoHARMONOGRAM EGZAMINÓW
Kierunek: MECHANIKA I BUDOWA MASZYN - studia I stopnia Materiałoznawstwo Analiza matematyczna Termodynamika techniczna 2 Cały rok Mechanika II Wytrzymałość materiałów Spawalnictwo Technologia spawania
Bardziej szczegółowoWprowadzenie do teorii systemów ekspertowych
Myślące komputery przyszłość czy utopia? Wprowadzenie do teorii systemów ekspertowych Roman Simiński siminski@us.edu.pl Wizja inteligentnych maszyn jest od wielu lat obecna w literaturze oraz filmach z
Bardziej szczegółowoPRZEDMIOTY STUDIÓW STACJONARNYCH II STOPNIA
PRZEDMIOTY STUDIÓW STACJONARNYCH II STOPNIA Tabela 1-1 Matematyka - Metody numeryczne 30 15 4 2a 2b Teoria sterowania (kierunek AUTOMATYKA i ROBOTYKA) Systemy mikroprocesorowe w mechatronice (kierunek
Bardziej szczegółowoTematy prac dyplomowych w Katedrze Awioniki i Sterowania. Studia: I stopnia (inżynierskie)
Tematy prac dyplomowych w Katedrze Awioniki i Sterowania Studia I stopnia (inżynierskie) Temat: Skalowanie czujników prędkości kątowej i orientacji przestrzennej 1. Analiza właściwości czujników i układów
Bardziej szczegółowoInżynieria Wiedzy i Systemy Ekspertowe. Logika rozmyta. dr inż. Michał Bereta Politechnika Krakowska
Inżynieria Wiedzy i Systemy Ekspertowe Logika rozmyta dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Wyostrzanie Ostateczna, ostra wartość
Bardziej szczegółowoSystemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski
Systemy ekspertowe i ich zastosowania Katarzyna Karp Marek Grabowski Plan prezentacji Wstęp Własności systemów ekspertowych Rodzaje baz wiedzy Metody reprezentacji wiedzy Metody wnioskowania Języki do
Bardziej szczegółowoOpracowanie ćwiczenia laboratoryjnego dotyczącego wykorzystania sieci przemysłowej Profibus. DODATEK NR 4 Instrukcja laboratoryjna
Wydział Informatyki i Zarządzania Opracowanie ćwiczenia laboratoryjnego dotyczącego wykorzystania sieci przemysłowej Profibus DODATEK NR 4 Instrukcja laboratoryjna. Opracował: Paweł Obraniak Wrocław 2014
Bardziej szczegółowoKierunek Informatyka stosowana Studia stacjonarne Studia pierwszego stopnia
Studia pierwszego stopnia I rok Matematyka dyskretna 30 30 Egzamin 5 Analiza matematyczna 30 30 Egzamin 5 Algebra liniowa 30 30 Egzamin 5 Statystyka i rachunek prawdopodobieństwa 30 30 Egzamin 5 Opracowywanie
Bardziej szczegółowoMechatronika i inteligentne systemy produkcyjne. Paweł Pełczyński ppelczynski@swspiz.pl
Mechatronika i inteligentne systemy produkcyjne Paweł Pełczyński ppelczynski@swspiz.pl 1 Program przedmiotu Wprowadzenie definicja, cel i zastosowania mechatroniki Urządzenie mechatroniczne - przykłady
Bardziej szczegółowoTemat: Model TS + ANFIS. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Model TS + ANFIS Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Pierwszym rodzajem modelowania
Bardziej szczegółowoTematy prac dyplomowych w Katedrze Awioniki i Sterowania Studia I stopnia (inżynierskie)
Tematy prac dyplomowych w Katedrze Awioniki i Sterowania Studia I stopnia (inżynierskie) Temat: Pomiar prędkości kątowych samolotu przy pomocy czujnika ziemskiego pola magnetycznego 1. Analiza właściwości
Bardziej szczegółowoTemat: ANFIS + TS w zadaniach. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: ANFIS + TS w zadaniach Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1. Systemy neuronowo - rozmyte Systemy
Bardziej szczegółowoJeśli X jest przestrzenią o nieskończonej liczbie elementów:
Logika rozmyta 2 Zbiór rozmyty może być formalnie zapisany na dwa sposoby w zależności od tego z jakim typem przestrzeni elementów mamy do czynienia: Jeśli X jest przestrzenią o skończonej liczbie elementów
Bardziej szczegółowoSzybkie prototypowanie w projektowaniu mechatronicznym
Szybkie prototypowanie w projektowaniu mechatronicznym Systemy wbudowane (Embedded Systems) Systemy wbudowane (ang. Embedded Systems) są to dedykowane architektury komputerowe, które są integralną częścią
Bardziej szczegółowo15 lat doświadczeń w budowie systemów zbierania i przetwarzania danych kontrolno-pomiarowych
O Firmie 15 lat doświadczeń w budowie systemów zbierania i przetwarzania danych kontrolno-pomiarowych Kilkaset systemów zbierania i przetwarzania danych kontrolno pomiarowych zrealizowanych na terenie
Bardziej szczegółowoAutomatyka przemysłowa na wybranych obiektach. mgr inż. Artur Jurneczko PROCOM SYSTEM S.A., ul. Stargardzka 8a, 54-156 Wrocław
Automatyka przemysłowa na wybranych obiektach mgr inż. Artur Jurneczko PROCOM SYSTEM S.A., ul. Stargardzka 8a, 54-156 Wrocław 2 Cele prezentacji Celem prezentacji jest przybliżenie automatyki przemysłowej
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Projektowanie układów nadzoru systemu mechatronicznego (SCADA) Project of Supervisory Control for Mechatronic Systems Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy na specjalności:
Bardziej szczegółowoSTUDIA I MONOGRAFIE NR
STUDIA I MONOGRAFIE NR 21 WYBRANE ZAGADNIENIA INŻYNIERII WIEDZY Redakcja naukowa: Andrzej Cader Jacek M. Żurada Krzysztof Przybyszewski Łódź 2008 3 SPIS TREŚCI WPROWADZENIE 7 SYSTEMY AGENTOWE W E-LEARNINGU
Bardziej szczegółowoZastosowanie oprogramowania Proficy (ifix, Historian oraz Plant Applications) w laboratoryjnym stanowisku monitoringu systemów produkcyjnych in-line
Zastosowanie oprogramowania Proficy (ifix, Historian oraz Plant Applications) w laboratoryjnym stanowisku monitoringu systemów produkcyjnych in-line Dr inż. Grzegorz Ćwikła Stanowisko do monitoringu systemów
Bardziej szczegółowoSpis treści. Dzień 1. I Elementy układu automatycznej regulacji (wersja 1109) II Rodzaje regulatorów i struktur regulacji (wersja 1109)
Spis treści Dzień 1 I Elementy układu automatycznej regulacji (wersja 1109) I-3 Podstawowy problem sterowania I-4 Przykładowy obiekt regulacji I-5 Schemat blokowy układu automatycznej regulacji I-6 Klasyfikacja
Bardziej szczegółowoKomputerowe Systemy Sterowania
KSS 2011 Komputerowe Systemy Sterowania Struktury Sterowania wprowadzenie - Częśd I - dr inż. Tomasz Rutkowski Katedra Inżynierii Systemów Sterowania Politechnika Gdańska Wydział Elektrotechniki i Automatyki
Bardziej szczegółowoSystem przesyłu danych z elektrociepłowni Zofiówka
System przesyłu danych z elektrociepłowni Zofiówka Stanisław Wideł Szkoła Komputerowa Impuls Szkoła Komputerowa Impuls, www.ipnet.pl, sekretariat@ipnet.pl 1 Co to jest system monitorowania stanu dynamiki
Bardziej szczegółowoSystem kontroli eksploatacji maszyn i urządzeń
System kontroli eksploatacji maszyn i urządzeń Sprawne zarządzanie parkiem maszynowym w przedsiębiorstwie Vectan jest informatycznym systemem kontroli eksploatacji urządzeń, umożliwiającym stały monitoring
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: INTELIGENTNE SYSTEMY OBLICZENIOWE Systems Based on Computational Intelligence Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj
Bardziej szczegółowoOgrzewamy inteligentnie Veolia Energia Warszawa Paweł Balas Dyrektor Projektu Inteligentna Sieć Ciepłownicza
Ogrzewamy inteligentnie Veolia Energia Warszawa Paweł Balas Dyrektor Projektu Inteligentna Sieć Ciepłownicza 74 Forum EEŚ w ramach Energy Days - 30 czerwca 2015 roku Warszawa Veolia Energia Warszawa Veolia
Bardziej szczegółowoStruktura systemów sterowania
Podstawy komputerowych systemów sterowania Struktura systemów sterowania dr inż. Krzysztof Kołek Materiały wyłącznie dla potrzeb wykładu Podstawy komputerowych systemów sterowania IV rok RA wydział EAIiEB
Bardziej szczegółowoZakład Sterowania Systemów
Zakład Sterowania Systemów Zespół ZłoŜonych Systemów Kierownik zespołu: prof. dr hab. Krzysztof Malinowski Tematyka badań i prac dyplomowych: Projektowanie algorytmów do podejmowania decyzji i sterowania
Bardziej szczegółowoMetrologia: organizacja eksperymentu pomiarowego
Metrologia: organizacja eksperymentu pomiarowego (na podstawie: Żółtowski B. Podstawy diagnostyki maszyn, 1996) dr inż. Paweł Zalewski Akademia Morska w Szczecinie Teoria eksperymentu: Teoria eksperymentu
Bardziej szczegółowoHYDRO-ECO-SYSTEM. Sieciowe systemy monitoringu w instalacjach przemysłowych i ochrony środowiska
HYDRO-ECO-SYSTEM Sieciowe systemy monitoringu w instalacjach przemysłowych i ochrony środowiska 1000 1100 0001 0110 1011 1100 0001 0110 1011 1100 0001 0110 1011 1100 0001 0110 1011 1100 1001 1101 0010
Bardziej szczegółowoVIX AUTOMATION DLA EDUKACJI
VIX AUTOMATION DLA EDUKACJI Laboratorium procesów przemysłowych na Politechnice Śląskiej w Gliwicach Politechnika Śląska w Gliwicach Wydział Automatyki, Elektroniki i Informatyki Zakład Pomiarów i Systemów
Bardziej szczegółowoOdniesienie do obszarowych efektów kształcenia 1 2 3. Kierunkowe efekty kształcenia WIEDZA (W)
EFEKTY KSZTAŁCENIA NA KIERUNKU "MECHATRONIKA" nazwa kierunku studiów: Mechatronika poziom kształcenia: studia pierwszego stopnia profil kształcenia: ogólnoakademicki symbol kierunkowych efektów kształcenia
Bardziej szczegółowoZałącznik nr 5 do PF-U OPIS SYSTEMU SCADA
Załącznik nr 5 do PF-U OPIS SYSTEMU SCADA Na terenie ZPW MIEDWIE pracuje kilka instalacji technologicznych, które są wzajemnie sprzężone tworząc wzajemnie spójny proces produkcji, filtracji, uzdatniania
Bardziej szczegółowoZintegrowany system monitoringu stanu środowiska w procesach poszukiwania i eksploatacji gazu z łupków
8 października 2013, POZNAŃ Zintegrowany system monitoringu stanu środowiska w procesach poszukiwania i eksploatacji gazu z łupków prof. Jarosław Arabas, prof. Jarosław Mizera, dr hab. Jerzy Weremczuk
Bardziej szczegółowoWYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI KATEDRA AUTOMATYKI. Robot do pokrycia powierzchni terenu
WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI KATEDRA AUTOMATYKI Robot do pokrycia powierzchni terenu Zadania robota Zadanie całkowitego pokrycia powierzchni na podstawie danych sensorycznych Zadanie unikania przeszkód
Bardziej szczegółowoSterowniki Programowalne (SP) - Wykład #1 Wykład organizacyjny
Sterowniki Programowalne (SP) - Wykład #1 Wykład organizacyjny WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI KATEDRA INŻYNIERII SYSTEMÓW STEROWANIA Jarosław Tarnawski, dr inż. Październik 2016 SP wykład organizacyjny
Bardziej szczegółowoOprogramowanie komputerowych systemów sterowania
Budowa i oprogramowanie komputerowych systemów sterowania Wykład 3 Oprogramowanie komputerowych systemów sterowania Wprowadzenie W komputerowych systemach automatyki wyróżnia się dwa ściśle z sobą powiązane
Bardziej szczegółowoIMPLEMENTACJA SIECI NEURONOWYCH MLP Z WALIDACJĄ KRZYŻOWĄ
IMPLEMENTACJA SIECI NEURONOWYCH MLP Z WALIDACJĄ KRZYŻOWĄ Celem ćwiczenia jest zapoznanie się ze sposobem działania sieci neuronowych typu MLP (multi-layer perceptron) uczonych nadzorowaną (z nauczycielem,
Bardziej szczegółowoSystem monitoringu i diagnostyki drgań EH-Wibro
System monitoringu i diagnostyki drgań EH-Wibro Opis działania Przetworniki drgań, wibracji i prędkości obrotowej są montowane i dobrane według wymogów producenta przekładni. Urządzenia typu EH-O/06/07.xx,
Bardziej szczegółowo15 tyg. 15 tyg. w tym laborat. ECTS. laborat. semin. semin. ćwicz. ćwicz. wykł. ECTS. w tym laborat. 15 tyg. ECTS. laborat. semin. semin. ćwicz.
Lp. Nazwa modułu Kod modułu E/Z I Treści podstawowe P 01 Matematyka 1 01 101P01 E 60 30 30 0 0 6 30 30 6 02 Matematyka 2 01 201P02 E 60 30 30 0 0 6 30 30 6 03 Fizyka z elementami biofizyki 02 102P03 E
Bardziej szczegółowo1 Spotkanie Użytkowników Systemów B&R, 9 10 października Hotel Ossa Congress & SPA, Ossa, Rawa Mazowiecka - -
1 Spotkanie Użytkowników Systemów B&R, 9 10 października 2013 Hotel Ossa Congress & SPA, Ossa, 96200 Rawa Mazowiecka 2 Spotkanie Użytkowników Systemów B&R, 9 10 października 2013 Zaprezentujemy szereg
Bardziej szczegółowoS Y L A B U S P R Z E D M I O T U
"Z A T W I E R D Z A M" Dziekan Wydziału Mechatroniki i Lotnictwa prof. dr hab. inż. Radosław TRĘBIŃSKI Warszawa, dnia... S Y L A B U S P R Z E D M I O T U NAZWA PRZEDMIOTU: KOMPUTEROWA ANALIZA KONSTRUKCJI
Bardziej szczegółowoDr inż. Andrzej KAMIŃSKI Instytut Informatyki i Gospodarki Cyfrowej Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie
ANALIZA POZIOMU ODDZIAŁYWANIA CZYNNIKÓW TECHNOLOGICZNYCH I ŚRODOWISKOWYCH NA PRACOWNIKÓW PRZEMYSŁOWYCH Z WYKORZYSTANIEM TECHNOLOGII BUSINESS INTELLIGENCE Dr inż. Andrzej KAMIŃSKI Instytut Informatyki i
Bardziej szczegółowoMonitorowanie i kontrola w stacjach SN/nn doświadczenia projektu UPGRID
Monitorowanie i kontrola w stacjach SN/nn doświadczenia projektu UPGRID Dominik Falkowski Sławomir Noske VII Konferencja Naukowo-Techniczna: Stacje elektroenergetyczne WN/SN i SN/nn Kołobrzeg 16-17 maja
Bardziej szczegółowoTHE PART OF FUZZY SYSTEMS ASSISTING THE DECISION IN DI- AGNOSTICS OF FUEL ENGINE SUBASSEMBLIES DEFECTS
Journal of KONES Internal Combustion Engines 2005, vol. 12, 3-4 THE PART OF FUZZY SYSTEMS ASSISTING THE DECISION IN DI- AGNOSTICS OF FUEL ENGINE SUBASSEMBLIES DEFECTS Mariusz Topolski Politechnika Wrocławska,
Bardziej szczegółowoKierunek: Mechatronika Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia
Wydział: Inżynierii Mechanicznej i Robotyki Kierunek: Mechatronika Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 2015/2016 Język wykładowy: Polski Semestr 1 RME-1-103-s Podstawy
Bardziej szczegółowoMarek Parfieniuk, Tomasz Łukaszuk, Tomasz Grześ. Symulator zawodnej sieci IP do badania aplikacji multimedialnych i peer-to-peer
Marek Parfieniuk, Tomasz Łukaszuk, Tomasz Grześ Symulator zawodnej sieci IP do badania aplikacji multimedialnych i peer-to-peer Plan prezentacji 1. Cel projektu 2. Cechy systemu 3. Budowa systemu: Agent
Bardziej szczegółowoLaboratorium przez Internet w modelu studiów inżynierskich
Laboratorium przez Internet w modelu studiów inżynierskich Remigiusz Rak Marcin Godziemba-Maliszewski Andrzej Majkowski Adam Jóśko POLITECHNIKA WARSZAWSKA Ośrodek Kształcenia na Odległość Laboratorium
Bardziej szczegółowo