Modele ilościowe i jakościowe w diagnostyce procesów przemysłowych
|
|
- Alina Król
- 7 lat temu
- Przeglądów:
Transkrypt
1 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 i biznesowego
2 Plan 2. Wprowadzenie 2. Cele i zadania diagnostyki procesów przemysłowych 3. Diagnozowanie bez wykorzystania modeli systemy alarmowe 4. Diagnozowanie na podstawie alarmów z wykorzystaniem modelu jakościowego procesu 5. Schematy diagnozowania z zastosowaniem modeli procesu diagnozowanie z zastosowaniem modeli ilościowych do detekcji i jakościowych do lokalizacji uszkodzeń diagnozowanie z zastosowaniem modeli analitycznych uwzględniających wpływ uszkodzeń 6. Modele do detekcji uszkodzeń 7. Modele do lokalizacji uszkodzeń 8. Podsumowanie
3 Uszkodzenie urządzenia pomiarowego przyczyną katastroy 3 Awaria czujnika poziomu przelanie zapłon zbiorniki paliwa, Bunceield w Anglii, grudzień, 2005 największy pożar w Europie, 40 rannych, poważne straty materialne 5 mld Gdyby uszkodzenie zostało wykryte we wczesnym stadium, to do awarii by nie doszło
4 Przyczyny stanów awaryjnych 4 50% 42% 8% Czujnik Układ Ster. El. końcowy Potrzeba wczesnego rozpoznawania powstających uszkodzeń
5 Diagnostyka procesów przemysłowych 5 Diagnostyka procesów przemysłowych zajmuje się rozpoznawaniem uszkodzeń obiektów dynamicznych w czasie rzeczywistym na podstawie sygnałów roboczych W diagnostyce procesów przemysłowych stosowane są metody modelowania, identyikacji wypracowane na gruncie automatyki oraz techniki sztucznej inteligencji. Uszkodzeniem deektem ault jest każde zdarzenie destrukcyjne powodujące pogorszenie jakości działania obiektu elementu obiektu, które powinno być wykrywane w procesie diagnozowania.
6 Proces system sterowania system diagnostyczny 6
7 Specyika diagnostyki procesów przemysłowych 7 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 zdarzeń destrukcyjnych 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
8 Fazy diagnozowania 8 detekcja uszkodzeń {ault detection}: wykrycie; zauważenie powstania uszkodzenia w obiekcie i określenie chwili detekcji lokalizacja wyodrębnienie uszkodzeń {ault isolation}: określenie rodzaju, miejsca i czasu wystąpienia uszkodzenia; następuje po detekcji uszkodzenia identyikacja uszkodzeń {ault identiication}: określenie rozmiaru i charakteru zmienności uszkodzenia w czasie; następuje po lokalizacji uszkodzenia. Detekcja Lokalizacja Identyikacja
9 Elementy obiektów diagnozowanych 9 Uszkodzenia urządzeń wykonawczych Uszkodzenia komponentów Uszkodzenia torów pomiarowych Obiekt diagnozowania u Urządzenia wykonawcze Komponenty instalacji technologicznej Urządzenia pomiarowe y Zakłócenia, szumy pomiarowe
10 System diagnostyczny w systemie sterowania 0 Saety Instrumented System - SIS Detekcja uszkodzeń Lokalizacja uszkodzeń diagnozy Doradztwo w stanach awaryjnych Sterowanie tolerujące uszkodzenia rekoniguracja System automatyki Proces Urządzenia pomiarowe Komponenty procesu Urządzenia wykonawcze operator uszkodzenia
11 Cel diagnostyki - wczesne rozpoznawanie uszkodzeń Zadziałanie SIS Alarm Granica bezpieczeństwa Granica alarmowa Pv Diagnoza Uszkodzenie t
12 Stopień wiedzy o diagnozowanym obiekcie 2 Wyróżnić można 4 podstawowe przypadki: Nie są znane żadne modele diagnozowanego obiektu, znane są ograniczenia wartości zmiennych procesowych lub ich cech parametrów Znany jest jakościowy model procesu z lub bez uszkodzeń Znane są modele ilościowe diagnozowanego obiektu, ale nie uwzględniają wpływu uszkodzeń Znane są modele ilościowe diagnozowanego obiektu, uwzględniające wpływ uszkodzeń
13 3 3. Diagnozowania bez wykorzystania modeli systemy alarmowe
14 Diagnozowanie bez wykorzystania modeli obiektu 4 u uszkodzenia Aktuatory Proces Sensory y Ograniczenia Kontrola ograniczeń alarmy
15 Typowy mechanizm powstawania awarii 5 błędy obsługi uszkodzenia stany nienormalne i awaryjne straty ekonomiczne skażenie środowiska zagrożenie życia ludzkiego nagromadzenie alarmów przeciążenie inormacyjne operatorów błędy obsługi
16 Alarmy w systemach automatyki 6 EEMUA zalecane Ropa i gaz Petrochemia Energetyka Inne Średnia dzienna liczba alarmów Średnia liczba alarmów kończących się przestojami Maksymalna liczba alarmów na 0 min Średnia liczba alarmów na 0 min Rozkład procentowy mało / średnio / dużo 80/5/5 25/40 /35 25/40/35 25/40/35 25/40 /35 Źródło: Control Engineering wg. Matrikon i EEMUA
17 Wady systemów alarmowych 7 nadmiar alarmów - zjawisko przeciążenia inormacyjnego operatorów, maskowanie uszkodzeń przez obwody regulacji brak detekcji duże opóźnienia detekcji, brak lokalizacji uszkodzeń niedogodności sposobu prezentacji alarmów REG SP L Substancja toksyczna Wyciek
18 8 4. Diagnozowanie na podstawie alarmów z wykorzystaniem modelu jakościowego procesu
19 Wnioskowanie na podstawie alarmów 9 uszkodzenia u Aktuatory Proces Sensory y Ograniczenia Kontrola ograniczeń alarmy Reguły o uszkodzeniach Lokalizacja uszkodzeń Diagnozy
20 Diagnozowanie na podstawie alarmów 20 Baza reguł o postaci: Jeśli AL i...i AL 32 to uszkodzenie 8 lub 36 Jeśli AL 25 AL 2 AL 39 to uszkodzenie 7 lub 33 Reguły dla uszkodzeń stwarzających zagrożenie Reguły opracowywane są na podstawie wiedzy eksperckiej Może zostać także wykorzystany model jakościowy procesu w postaci grau GP Na podstawie powstających alarmów monitorowany jest stopień spełnienia przesłanek reguły i wyliczany stopień aktywacji reguły
21 Zastosowanie modelu jakościowego - grau procesu GP 2 Gra przyczynowo-skutkowy procesu GP jest skierowanym graem obrazującym związki pomiędzy zmiennymi: GP = V,A LIC05.CV 5 XI0 FI02 CV V P V S V F Wierzchołki grau reprezentują: zmienne izyczne, sygnały sterujące i pomiarowe oraz uszkodzenia V U Y X F Łuki grau reprezentują związki przyczynowo skutkowe między sygnałami: A VV p p 0 sygnał sterujący sygnał pomiarowy zmienna izyczna uszkodzenie
22 Propagacja alarmów spowodowanych uszkodzeniem 22 S-304 przytkanie iltru
23 Propagacja alarmów spowodowanych uszkodzeniem 23 S-304 przytkanie iltru
24 Propagacja alarmów spowodowanych uszkodzeniem 24 S-304 przytkanie iltru
25 Propagacja alarmów w graie 25 y 2 y 2 y 2 y 2 u x x 2 x 3 x 4 u x x 2 x 3 x 4 x 5 y Al y Al 2 x 5 Al y2 Al 2 y Niektóre z uszkodzeń nierozróżnialnych na podstawie zbioru alarmów mogą zostać rozróżnione na podstawie sekwencji alarmów
26 26 5. Schematy diagnozowania z zastosowaniem modeli procesu diagnozowanie z zastosowaniem modeli analitycznych uwzględniających wpływ uszkodzeń diagnozowanie z zastosowaniem modeli ilościowych do detekcji i jakościowych do lokalizacji uszkodzeń
27 Opis matematyczny procesu - obiektu diagnozowanego 27 Modele obiektu bez uwzględnienia uszkodzeń: x t [ x t, u t] y s G s u s y t [ x t, u t] Modele obiektu z uwzględnieniem uszkodzeń: - uszkodzenia x t [ x t, u t, t] u wejścia PROCES Obiekt y wyjścia y t [ x t, u t, t] d zakłócenia y s G s u s H s s
28 Model odwrotny 28 - uszkodzenia u wejścia PROCES Obiekt d zakłócenia y wyjścia t [ y t, u t] Układ nierozwiązywalny
29 Schemat diagnozowania z wykorzystaniem modeli cząstkowych 29 Zbiór zmiennych procesowych U Proces Y X U Y xn : n, 2,..., N Y Model procesu y i y i r i Ocena residuów Zbiór residuów R rj : j, 2,..., J s i Lokalizacja uszkodzeń Zbiór sygnałów diagnostycznych S s j : j, 2,..., J Zbiór uszkodzeń F k : k, 2,..., K
30 Graowy opis systemu diagnostycznego 30 Zbiór zmiennych procesowych X U Y xn : n, 2,..., N R XS x X S R FS s F S 2 3 Zbiór sygnałów diagnostycznych S s j : j, 2,..., J x 2 x 3 s 2 s Zbiór uszkodzeń x 4 s F k : k, 2,..., K G X, S, XS R XS s G F, S, R FS FS
31 Wykorzystanie modeli bez wpływu uszkodzeń 3 U Proces Y Y y i y s G s u s Model procesu y i r i Ocena residuów Modele cząstkowe: DETEKCJA USZKODZEŃ s i analityczne, neuronowe, rozmyte, statystyczne Gra procesu Lokalizacja uszkodzeń
32 Wykorzystanie modeli uwzględniających wpływ uszkodzeń 32 U Proces Y Y y s G s u s H s s Modele wy-we - uszkodzenia Model procesu y i y i r i Ocena residuów s i Lokalizacja uszkodzeń
33 33 6. Modele do detekcji uszkodzeń
34 Modele cząstkowe Zawór wody wtryskowej 34 T R T P P T R T P2 P2 T R P P T P3 P3 F P P P2 Wtryskiwacz F W P W X M Serwomotor Przegrzewacz U Przykładowe modele cząstkowe: X F T T W P2 P3 U X T T, P P P2 W, F,, P P, F P W
35 Detekcja uszkodzeń z wykorzystaniem modeli cząstkowych 35 u Proces y Zaleta: wczesne wykrywanie uszkodzeń o małych rozmiarach Model procesu y m Detekcja uszkodzeń r Ocena residuów s Sygnały diagnostyczne: ostre, rozmyte binarne, wielowartościowe Trójwartościowa ocena residuów 0 r Positive values Close to zero values + 0 Zaleta: odporność na niepewności symptomów Negative values -
36 Detekcja uszkodzeń z wykorzystaniem modeli 36 u Proces y Model procesu y m r Ocena residuów Detekcja uszkodzeń S Uszkodzenia nagłe Uszkodzenia narastające
37 Rodzaje modeli do detekcji uszkodzeń i 37 Modele enomenologiczne Modele liniowe uszkodzenia zakłócenia u y Ly, u + r wejście u Proces d wyjście y Py, u - Gs residuum r Modele neuronowe Modele rozmyte x x 2 x 3 x 4 y y 2 x x2 wc wc wc 6 k wg wg wg k 6 w w w 9 y x N C D E
38 Detekcja z wykorzystaniem modeli izycznych 38 u y L y, u, t P y, u, t r Ly, u Py, u L y, u, t P y, u, t + - r Najbardziej pewna metoda detekcji Model odzwierciedla własności statyczne i dynamiczne w całym zakresie pracy obiektu Trudności i wysoki koszt uzyskania modeli izycznych Przykład: A dl dt F S 2g L L dl r F 2 S2 2g LL 2 A dt
39 Detekcja z wykorzystaniem modeli liniowych 39 x k Ax k Bu k y k Cx k uszkodzenia zakłócenia d wejście wyjście Proces u y Modele w postaci równań stanu Modele w postaci transmitancji Modele w postaci obserwatorów Luenbergera Modele w postaci iltrów Kalmana wejście Proces Model Gs H d wyjście + residuum - residuum r s y s G s u s x k Ax k Bu k H[ y k Cx k] y k Cx k r Proste modelowanie Model odzwierciedla własności statyczne i dynamiczne obiektu w otoczeniu punktu pracy Ograniczone zastosowanie dla procesów przemysłowych - zwykle nieliniowych
40 Detekcja na podstawie identyikacji on-line 40 u d e Proces Identyikacja parametrów e Obliczanie parametrów obiektu - p= e p p Określenie zmian p Decyzja alarm y Przydatna dla obiektów nieliniowych Duża liczba residuów uzyskiwanych na podstawie jednego modelu Potencjalnie pozwala na uzyskanie dużej rozróżnialności uszkodzeń Opóźnienia detekcji Duże nakłady obliczeniowe Metoda zawodzi w przypadku uszkodzeń addytywnych y u 2 2 u d n dt y a n n n m m d y dy d u d u du... a a0 y b b... b b0 x; n m m n m m m dt dt dt dt dt
41 Detekcja z zastosowaniem modeli neuronowych 4 x x 2 x 3 y Możliwość modelowania obiektów nieliniowych Zdolność uczenia na podstawie danych eksperymentalnych x 4 y 2 Możliwość odwzorowania bardzo złożonych unkcji x N Zdolność uogólniania wiedzy x x 2 z - z - z - X, n X, n- y X, n-2 X 2, n y 2 X 2, n- Model odzwierciedla własności obiektu w obszarze danych uczących Model jest czarną skrzynką - wagi nie mają interpretacji izycznej Brak metod doboru struktury modeli
42 Detekcja z zastosowaniem modeli rozmytych 42 x x2 Jesli X 2 wc wc wc 6 k wg wg wg k 6 C D X x A i x2 A2 j to y a ix a2 jx2 b ij w w w Modele TSK i 9 E y Możliwość modelowania obiektów nieliniowych Możliwość wykorzystania wiedzy ekspertów i uczenia na podstawie danych eksperymentalnych Możliwe połączenie modelowania analitycznego i rozmytego modele TSK duża dokładność modeli Model nie jest czarną skrzynką Model odzwierciedla własności obiektu w obszarze danych uczących Przekleństwo rozmiaru
43 Adaptacyjny próg decyzyjny wykorzystanie modelu błędu 43 Wyznaczanie obszaru niepewności
44 44 7. Modele do lokalizacji uszkodzeń
45 Schemat diagnozowania z wykorzystaniem modeli 45 U Proces Y Y y i Model procesu y i r i Ocena residuów DETEKCJA USZKODZEŃ R SF SF - relacja diagnostyczna S/F s s 2 45 s 3 s 4 s i Lokalizacja uszkodzeń
46 Schemat diagnozowania z zastosowaniem modeli 46 U Proces Y Y y i Model procesu y i r i Ocena residuów DETEKCJA USZKODZEŃ s i Gra Procesu Relacja S=>F Lokalizacja uszkodzeń
47 Metoda określania relacji uszkodzenia-symptomy 47 m L ={F!, L 2 } struktura modelu p F F p L 2 L 2 2 gra Gm struktury modelu m 47
48 Metoda określania relacji uszkodzenia-symptomy 48 m L ={F!, L 2 } struktura modelu p F F p L 2 L 2 2 gra Gm struktury modelu m 2 3 LI03 LI04 5 p F L F 2 L 2 p gra GPm struktury modelu m
49 Metoda określania relacji uszkodzenia-symptomy 49 m L ={F!, L 2 } struktura modelu p F F p L 2 L 2 2 gra Gm struktury modelu m S F s i r L LI03 LI04 5 FI02 LI03 LI04 5 p F L F 2 L 2 p 2 p F L F 2 L 2 p gra GPm struktury modelu m 4 zbiór uszkodzeń Fm
50 Zespół zbiorników jako obiekt diagnozowania 50 Obiekt Uszkodzenia U F k Uszkodzenia uszkodzenie toru pomiarowego przepływu F uszkodzenie toru pomiarowego poziomu L uszkodzenie toru pomiarowego poziomu L2 uszkodzenie toru pomiarowego poziomu L3 uszkodzenie w torze sygnału sterującego U uszkodzenie zaworu regulacyjnego uszkodzenie pompy brak medium 9 przytkanie kanału pomiędzy zbiornikami i 2 0 przytkanie kanału pomiędzy zbiornikami 2 i 3 przytkanie odpływu 2 przeciek ze zbiornika 3 przeciek ze zbiornika 2 4 przeciek ze zbiornika 3
51 Zespół zbiorników jako obiekt diagnozowania U F 5 U F Residua pierwotne Sygn. diagn. s s 2 s 3 s 4 r Residuum w postaci obliczeniowej F Fˆ F U r F S 2g L L r S A dl dt 2g L L S 2g L L A r4 23S 23 2g L2 L3 3S 3 2gL3 A3 dl dt 2 3 dl dt 2 Algorytm detek. r K r2 K 2 r3 K 3 r4 K 4
52 Zapis związku uszkodzenia - symptomy s s 2 s 3 s 4 Jeśli s = to uszkodzenie lub 5 lub 6 lub 7 lub 8 s 2 s 3 s 4 4 s +, +, , - +, - 2 +, - +, - 3 +, - +, - +, - 4 +, - +, - 5 Jeśli s =+ to uszkodzenie lub 5 lub
53 Strukturyzacja residuów dla zespołu zbiorników Na podstawie nieliniowych równań izycznych Residua wtórne Sygn. diagn Residuum Algorytm detek. s 5 s 6 s 7 s 8 r U S 2g L L A r F S r S dl dt dl 2g L2 L3 A A dt 2 dl dl2 2g L L2 3S 3 gl3 A2 A dt dl dl2 r8 F 3S3 2gL3 A A2 A dt dt dt 2 3 dl dt 3 3 dl dt 3 r5 K 5 r6 K 6 r7 K 7 r8 K 8 53
54 ROZPOZNAWANIE OBRAZÓW Diagnozowanie Wartości wzorcowe Bieżące wartości 54 F/S... k... K S 0 Sygn. diagn v... S j v j... s J V KJ v J Sygnatura uszkodzenia Bieżące wartości: Diagnoza: V v s v v s 2 v v s J v J DGN V k F : V k V j: s S j [ v j k k V v j ]
55 Residua pierwotne uwzględniające wpływ uszkodzeń 55 ] [ P U S k F r Z v ] [ 2 L L g S F dt L d A r ] [ 2 ] [ 2 L L g S L L g S dt L d A r ] [ 2 L g S L L g S dt L d A r s 4 s 3 s 2 s U F
56 s s H s s H s s H s s s r K jk k jk j j j H k... K r r j r J H k H K H j H jk H jk H J H Jk H JK H Sygnatury dynamiczne s s s H r Postać wewnętrzna Sygnatura dynamiczna uszkodzenia 56 s s s s s s s s s s s H u G y r H u G y s u G y r s s s Postać obliczeniowa
57 Residua strukturalne 57 v jk 0 gdy gdy H H jk jk s 0 s 0 Residua wtórne * r s V s r s Zasada projektowania postać wewnętrzna aby i-te residuum uczynić niewrażliwe na uszkodzenie k należy: T V i s H s k 0 H k jest kolumną macierzy H odpowiadającą uszkodzeniu k
58 Residua kierunkowe 58 c jk 0 lim s0 H jk s gdy gdy H H jk jk s s r c r 2 0 c 22 c 23 c 24 r 3 c 3 c 32 0 c 34 Kierunek w przestrzeni residuów
59 Prezentacja diagnoz 59
60 60 8. Podsumowanie - porównanie podejść do diagnostyki procesów
61 Podsumowanie 6. Im wyższy stopień wiedzy o diagnozowanym obiekcie, tym wyższa jakość diagnozowania wczesna detekcja, wysoka dokładność diagnoz. 2. Systemy alarmowe bardzo niedoskonałe rozwiązanie 3. Zastosowanie modelu jakościowego uwzględniającego wpływ uszkodzeń umożliwia diagnozowanie na podstawie alarmów 4. Detekcja uszkodzeń z zastosowaniem modeli ilościowych umożliwia wczesne wykrywanie uszkodzeń o małych rozmiarach 5. Gra procesu umożliwia dobór optymalnego zbioru pomiarów i modeli do detekcji uszkodzeń oraz określić relację uszkodzenia symptomy 6. Najwyższą jakość diagnozowania zapewniają metody wykorzystujące modele analityczne uwzględniające wpływ uszkodzeń możliwa jest też identyikacja uszkodzeń
62 62 Dziękuję za uwagę
63 Symulatory procesów 63
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 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 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 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 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 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 szczegółowoPodstawy Automatyki. Wykład 7 - obiekty regulacji. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 7 - obiekty regulacji Instytut Automatyki i Robotyki Warszawa, 2018 Obiekty regulacji Obiekt regulacji Obiektem regulacji nazywamy proces technologiczny podlegający oddziaływaniu zakłóceń, zachodzący
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 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 szczegółowoPodstawy diagnostyki środków transportu
Podstawy diagnostyki środków transportu Diagnostyka techniczna Termin "diagnostyka" pochodzi z języka greckiego, gdzie diagnosis rozróżnianie, osądzanie. Ukształtowana już w obrębie nauk eksploatacyjnych
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 szczegółowoPOPRAWA EFEKTYWNOŚCI EKSPLOATACJI MASZYN
POPRAWA EFEKTYWNOŚCI EKSPLOATACJI MASZYN AGENDA 1. O NAS 2. IDEA ELMODIS 3. SYSTEM ELMODIS 4. KORZYŚCI ELMODIS 5. ZASTOSOWANIE ELMODIS O NAS ELMODIS TO ZESPÓŁ INŻYNIERÓW I SPECJALISTÓW Z DŁUGOLETNIM DOŚWIADCZENIEM
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 szczegółowoWPŁYW UTRZYMANIA RUCHU W ELKTROWNI NA PRACĘ SYTEMU ELKTROENERGETYCZNEGO ZWIĘKSZENIE UDZIAŁU OZE
DR inż. Mariusz PAWLAK INSTYTUT ENERGETYKI Oddział Techniki Cieplnej ITC Łódź WPŁYW UTRZYMANIA RUCHU W ELKTROWNI NA PRACĘ SYTEMU ELKTROENERGETYCZNEGO ZWIĘKSZENIE UDZIAŁU OZE V Konferencja Remonty i Utrzymanie
Bardziej szczegółowoPodstawy Automatyki. Wykład 6 - Miejsce i rola regulatora w układzie regulacji. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 6 - Miejsce i rola regulatora w układzie regulacji Instytut Automatyki i Robotyki Warszawa, 2015 Regulacja zadajnik regulator sygnał sterujący (sterowanie) zespół wykonawczy przetwornik pomiarowy
Bardziej szczegółowoProces projektowania AKPiA i systemów sterowania. mgr inż. Ireneusz Filarowski
Proces projektowania AKPiA i systemów sterowania mgr inż. Ireneusz Filarowski Zabezpieczenie Łagodzenie skutków Bezpieczeństwo i warstwy ochrony Plany awaryjne Warstwa planu awaryjnego Tace, Podwójne Ścianki
Bardziej szczegółowoTransformacja wiedzy w budowie i eksploatacji maszyn
Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Mechaniczny Transformacja wiedzy w budowie i eksploatacji maszyn Bogdan ŻÓŁTOWSKI W pracy przedstawiono proces
Bardziej szczegółowoAnalityczne metody detekcji uszkodzeń
Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 5 Model procesu Rozważmy czasowo-dyskretny model liniowy gdzie: k dyskretny czas, x(k) R n wektor stanu, x(k + 1) = Ax(k)
Bardziej szczegółowoAutomatyka i sterowania
Automatyka i sterowania Układy regulacji Regulacja i sterowanie Przykłady regulacji i sterowania Funkcje realizowane przez automatykę: regulacja sterowanie zabezpieczenie optymalizacja Automatyka i sterowanie
Bardziej szczegółowoModel MART do badania awarii procesowych
Model MART do badania awarii procesowych A.S. Markowski, R.J. Żyłła Politechnika Łódzka Katedra Inżynierii Bezpieczeństwa Pracy XI Konferencja Naukowo-Techniczna, Bezpieczeństwo techniczne w przemyśle,
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 szczegółowoSystem zaawansowanego monitorowania i diagnostyki procesów przemysłowych AMandD
Politechnika Warszawska Instytut Automatyki i Robotyki Jan Maciej Kościelny, Michał Syfert, Paweł Wnuk System zaawansowanego monitorowania i diagnostyki procesów przemysłowych AMandD ver..0 Plan wystąpienia
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 szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Automatyki
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Automatyki Kazimierz Kosmowski k.kosmowski@ely.pg.gda.pl Opracowanie metod analizy i narzędzi do komputerowo wspomaganego zarządzania bezpieczeństwem
Bardziej szczegółowoUkład regulacji ze sprzężeniem zwrotnym: - układ regulacji kaskadowej - układ regulacji stosunku
Układ regulacji ze sprzężeniem zwrotnym: - układ regulacji kaskadowej - układ regulacji stosunku Przemysłowe Układy Sterowania PID Opracowanie: dr inż. Tomasz Rutkowski Katedra Inżynierii Systemów Sterowania
Bardziej szczegółowo1. POJĘCIA PODSTAWOWE I RODZAJE UKŁADÓW AUTOMATYKI
Podstawy automatyki / Józef Lisowski. Gdynia, 2015 Spis treści PRZEDMOWA 9 WSTĘP 11 1. POJĘCIA PODSTAWOWE I RODZAJE UKŁADÓW AUTOMATYKI 17 1.1. Automatyka, sterowanie i regulacja 17 1.2. Obiekt regulacji
Bardziej szczegółowoZastosowania metod odkrywania wiedzy do diagnostyki maszyn i procesów
Zastosowania metod odkrywania wiedzy do diagnostyki maszyn i procesów Wojciech Moczulski Politechnika Śląska Katedra Podstaw Konstrukcji Maszyn Sztuczna inteligencja w automatyce i robotyce Zielona Góra,
Bardziej szczegółowoOpolski Festiwal Ekoenergetyki 8-11 październik 2014
Opolski Festiwal Ekoenergetyki 8-11 październik 2014 Mgr inż. Andrzej Jurkiewicz Doświadczenia z wdrażania zakładowych systemów sterowania i nadzoru źródłami i odbiorami energii egmina Infrastruktura Energetyka
Bardziej szczegółowoAutomatyka i sterowanie w gazownictwie wstęp. Autor: dr inż. Iwona Oprzędkiewicz Nazwa wydziału: WIMiR Nazwa katedry: Katedra Automatyzacji Procesów
Automatyka i sterowanie w gazownictwie wstęp Autor: dr inż. Iwona Oprzędkiewicz Nazwa wydziału: WIMiR Nazwa katedry: Katedra Automatyzacji Procesów Sprawy organizacyjne Wykłady (15 h) Dr inż. Iwona Oprzędkiewicz
Bardziej szczegółowoZastosowanie rozmytych map kognitywnych do badania scenariuszy rozwoju jednostek naukowo-dydaktycznych
Konferencja Systemy Czasu Rzeczywistego 2012 Kraków, 10-12 września 2012 Zastosowanie rozmytych map kognitywnych do badania scenariuszy rozwoju jednostek naukowo-dydaktycznych Piotr Szwed AGH University
Bardziej szczegółowoSymulacja sygnału czujnika z wyjściem częstotliwościowym w stanach dynamicznych
XXXVIII MIĘDZYUCZELNIANIA KONFERENCJA METROLOGÓW MKM 06 Warszawa Białobrzegi, 4-6 września 2006 r. Symulacja sygnału czujnika z wyjściem częstotliwościowym w stanach dynamicznych Eligiusz PAWŁOWSKI Politechnika
Bardziej szczegółowoPodstawy automatyki. Energetyka Sem. V Wykład 1. Sem /17 Hossein Ghaemi
Podstawy automatyki Energetyka Sem. V Wykład 1 Sem. 1-2016/17 Hossein Ghaemi Hossein Ghaemi Katedra Automatyki i Energetyki Wydział Oceanotechniki i Okrętownictwa Politechnika Gdańska pok. 222A WOiO Tel.:
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 szczegółowoMonitorowanie i Diagnostyka w Systemach Sterowania na studiach II stopnia specjalności: Systemy Sterowania i Podejmowania Decyzji
Monitorowanie i Diagnostyka w Systemach Sterowania na studiach II stopnia specjalności: Systemy Sterowania i Podejmowania Decyzji Analiza składników podstawowych - wprowadzenie (Principal Components Analysis
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 szczegółowoSystemy uczące się wykład 2
Systemy uczące się wykład 2 dr Przemysław Juszczuk Katedra Inżynierii Wiedzy, Uniwersytet Ekonomiczny 19 X 2018 Podstawowe definicje Fakt; Przesłanka; Konkluzja; Reguła; Wnioskowanie. Typy wnioskowania
Bardziej szczegółowoTemat /6/: DYNAMIKA UKŁADÓW HYDRAULICZNYCH. WIADOMOŚCI PODSTAWOWE.
1 Temat /6/: DYNAMIKA UKŁADÓW HYDRAULICZNYCH. WIADOMOŚCI PODSTAWOWE. Celem ćwiczenia jest doświadczalne określenie wskaźników charakteryzujących właściwości dynamiczne hydraulicznych układów sterujących
Bardziej szczegółowoZastosowanie rachunku wyrównawczego do uwiarygodnienia wyników pomiarów w układzie cieplnym bloku energetycznego siłowni parowej
Marcin Szega Zastosowanie rachunku wyrównawczego do uwiarygodnienia wyników pomiarów w układzie cieplnym bloku energetycznego siłowni parowej (Monografia habilitacyjna nr 193. Wydawnictwo Politechniki
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 szczegółowoWYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
Bardziej szczegółowoModelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka
Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej
Bardziej szczegółowo8. Neuron z ciągłą funkcją aktywacji.
8. Neuron z ciągłą funkcją aktywacji. W tym ćwiczeniu zapoznamy się z modelem sztucznego neuronu oraz przykładem jego wykorzystania do rozwiązywanie prostego zadania klasyfikacji. Neuron biologiczny i
Bardziej szczegółowoEKSPLOATACJA SYSTEMÓW TECHNICZNYCH
Jan Kaźmierczak EKSPLOATACJA SYSTEMÓW TECHNICZNYCH dla studentów kierunków: ZARZĄDZANIE Gliwice, 1999 SPIS TREŚCI 1. WPROWADZENIE... 7 2. PRZEGLĄD PODSTAWOWYCH PROBLEMÓW EKSPLOATACJI SYSTEMÓW TECHNICZNYCH...
Bardziej szczegółowoTemat: Stacjonarny analizator gazu saturacyjnego MSMR-4 do pomiaru ciągłego
Temat: Stacjonarny analizator gazu saturacyjnego MSMR-4 do pomiaru ciągłego Jak zrobić dobry gaz saturacyjny? Podstawowym procesem chemicznym zachodzącym w piecu wapiennym jest tzw. wypalanie, tj. rozkład
Bardziej szczegółowoPolitechnika Warszawska Instytut Automatyki i Robotyki. Prof. dr hab. inż. Jan Maciej Kościelny PODSTAWY AUTOMATYKI
Politechnika Warszawska Instytut Automatyki i Robotyki Prof. dr hab. inż. Jan Maciej Kościelny PODSTAWY AUTOMATYKI 12. Regulacja dwu- i trójpołożeniowa (wg. Holejko, Kościelny: Automatyka procesów ciągłych)
Bardziej szczegółowoJacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa
Jacek Skorupski pok. 251 tel. 234-7339 jsk@wt.pw.edu.pl http://skorupski.waw.pl/mmt prezentacje ogłoszenia konsultacje: poniedziałek 16 15-18, sobota zjazdowa 9 40-10 25 Udział w zajęciach Kontrola wyników
Bardziej szczegółowoPodstawy Automatyki. Wykład 2 - podstawy matematyczne. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 2 - podstawy matematyczne Instytut Automatyki i Robotyki Warszawa, 2015 Wstęp Rzeczywiste obiekty regulacji, a co za tym idzie układy regulacji, mają właściwości nieliniowe, n.p. turbulencje, wiele
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: ENERGETYKA Rodzaj przedmiotu: kierunkowy ogólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z własnościami
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 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 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 szczegółowoPodstawy środowiska Matlab
Uniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych Laboratorium Automatyki i Robotyki Podstawy środowiska Matlab Poniżej przedstawione jest użycie podstawowych poleceń w środowisku
Bardziej szczegółowoPraktyczne aspekty statycznej estymacji stanu pracy elektroenergetycznych sieci dystrybucyjnych w warunkach krajowych
ZARZĄDZANIE ENERGIĄ I TELEINFORMATYKA, ZET 03 Praktyczne aspekty statycznej estymacji stanu pracy elektroenergetycznych sieci dystrybucyjnych w warunkach krajowych Jacek Wasilewski Politechnika Warszawska
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 szczegółowoElementy inteligencji obliczeniowej
Elementy inteligencji obliczeniowej Paweł Liskowski Institute of Computing Science, Poznań University of Technology 9 October 2018 1 / 19 Perceptron Perceptron (Rosenblatt, 1957) to najprostsza forma sztucznego
Bardziej szczegółowoBIEŻĄCA DIAGNOSTYKA TORÓW POMIAROWYCH ORAZ NIESZCZELNOŚCI SIECI GAZOWEJ
2-2011 PROBLEMY EKSPLOATACJI 161 Michał SYFERT, Marcin STACHURA Instytut Automatyki i Robotyki Politechnika Warszawska, Warszawa BIEŻĄCA DIAGNOSTYKA TORÓW POMIAROWYCH ORAZ NIESZCZELNOŚCI SIECI GAZOWEJ
Bardziej szczegółowoTeoria sterowania - studia niestacjonarne AiR 2 stopień
Teoria sterowania - studia niestacjonarne AiR stopień Kazimierz Duzinkiewicz, dr hab. Inż. Katedra Inżynerii Systemów Sterowania Wykład 4-06/07 Transmitancja widmowa i charakterystyki częstotliwościowe
Bardziej szczegółowoLaboratorium nr 2. Identyfikacja systemu i detekcja uszkodzeń na podstawie modelu
Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Diagnostyka procesów i systemów Prowadzący: Marcel Luzar 1 Laboratorium nr 2 Identyfikacja systemu i detekcja uszkodzeń na podstawie
Bardziej szczegółowoWprowadzenie do technik regulacji automatycznej. prof nzw. dr hab. inż. Krzysztof Patan
Wprowadzenie do technik regulacji automatycznej prof nzw. dr hab. inż. Krzysztof Patan Czym jest AUTOMATYKA? Automatyka to dziedzina nauki i techniki zajmująca się teorią i praktycznym zastosowaniem urządzeń
Bardziej szczegółowoProf. Stanisław Jankowski
Prof. Stanisław Jankowski Zakład Sztucznej Inteligencji Zespół Statystycznych Systemów Uczących się p. 228 sjank@ise.pw.edu.pl Zakres badań: Sztuczne sieci neuronowe Maszyny wektorów nośnych SVM Maszyny
Bardziej szczegółowoSystemy. Krzysztof Patan
Systemy Krzysztof Patan Systemy z pamięcią System jest bez pamięci (statyczny), jeżeli dla dowolnej chwili t 0 wartość sygnału wyjściowego y(t 0 ) zależy wyłącznie od wartości sygnału wejściowego w tej
Bardziej szczegółowoAnaliza ryzyka nawierzchni szynowej Iwona Karasiewicz
Analiza ryzyka nawierzchni szynowej Iwona Karasiewicz VI Konferencja Nawierzchnie szynowe. Rynek-Inwestycje-Utrzymanie" WISŁA, 22-23 MARCA 2018 r. POZIOMY DOJRZAŁOŚCI ZARZĄDZANIA RYZYKIEM Poziom 1 naiwny
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 szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Podstawy Automatyki Badanie i synteza kaskadowego adaptacyjnego układu regulacji do sterowania obiektu o
Bardziej szczegółowoWYKRYWANIE USZKODZEŃ W LITYCH ELEMENTACH ŁĄCZĄCYCH WAŁY
ZESZYTY NAUKOWE AKADEMII MARYNARKI WOJENNEJ ROK LI NR 4 (183) 2010 Radosł aw Pakowski Mirosł aw Trzpil Politechnika Warszawska WYKRYWANIE USZKODZEŃ W LITYCH ELEMENTACH ŁĄCZĄCYCH WAŁY STRESZCZENIE W artykule
Bardziej szczegółowoZasady określania ilości energii w sieci przesyłowej
Zasady określania ilości energii w sieci przesyłowej Bartłomiej Szczepaniak Warsztaty IRiESP Warszawa, 13 maja 2014 Plan Prezentacji 1 - Określanie ilości gazu w jednostkach energii jak to robimy? Podstawowe
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Automatyka zastosowania, metody i narzędzia, perspektywy Synteza systemów sterowania z wykorzystaniem regulatorów
Bardziej szczegółowoKarta (sylabus) modułu/przedmiotu Transport Studia I stopnia
Karta (sylabus) modułu/przedmiotu Transport Studia I stopnia Przedmiot: Diagnostyka techniczna Rodzaj przedmiotu: Podstawowy/obowiązkowy Kod przedmiotu: TR 1 S 0 4 9-0_1 Rok: Semestr: 4 Forma studiów:
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 szczegółowoInteligencja obliczeniowa
Ćwiczenie nr 3 Zbiory rozmyte logika rozmyta Sterowniki wielowejściowe i wielowyjściowe, relacje rozmyte, sposoby zapisu reguł, aproksymacja funkcji przy użyciu reguł rozmytych, charakterystyki przejściowe
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 szczegółowoĆWICZENIE 4 WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH
ĆWICZENIE 4 WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH Cel ćwiczenia: - zapoznanie z podstawowymi metodami wyznaczania optymalizowanych procedur diagnozowania (m. in. z metodą skuteczności
Bardziej szczegółowoDiagnostyka ukladów napedowych
Czeslaw T. Kowalski Diagnostyka ukladów napedowych z silnikiem indukcyjnym z zastosowaniem metod sztucznej inteligencji Oficyna Wydawnicza Politechniki Wroclawskiej Wroclaw 2013! Spis tresci Przedmowa
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 szczegółowoMetodyka projektowania systemów sterowania Uwagi wstępne
Uwagi wstępne Inżynieria sterowania (Control Engineering) odgrywa dziś fundamentalną rolę w nowoczesnych systemach technologicznych, Korzyści ze sterowania w przemyśle,. mogą być wielorakie - poprawa jakości
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 szczegółowoFunkcjonalność urządzeń pomiarowych w PyroSim. Jakich danych nam dostarczają?
Funkcjonalność urządzeń pomiarowych w PyroSim. Jakich danych nam dostarczają? Wstęp Program PyroSim zawiera obszerną bazę urządzeń pomiarowych. Odczytywane z nich dane stanowią bogate źródło informacji
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 szczegółowoSystemy automatyki i sterowania w PyroSim możliwości modelowania
Systemy automatyki i sterowania w PyroSim możliwości modelowania 1. Wstęp. Każda symulacja byłaby praktycznie bezużyteczna, gdyby nie możliwość tworzenia systemów automatyki i sterowania. Systemy te umożliwiają
Bardziej szczegółowoZasady określania ilości energii w sieci przesyłowej
Zasady określania ilości energii w sieci przesyłowej Bartłomiej Szczepaniak Warsztaty GAZ-SYSTEM i TGE Warszawa, 16 lipca 2014 Plan Prezentacji 1 - Określanie ilości gazu w jednostkach energii jak to robimy?
Bardziej szczegółowo1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie
Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty
Bardziej szczegółowoPodstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 5 - stabilność liniowych układów dynamicznych Instytut Automatyki i Robotyki Warszawa, 2015 Wstęp Stabilność O układzie możemy mówić, że jest stabilny gdy układ ten wytrącony ze stanu równowagi
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 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 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 szczegółowoMetoda generowania typowych scenariuszy awaryjnych w zakładach dużego i zwiększonego ryzyka - ExSysAWZ
Metoda generowania typowych scenariuszy awaryjnych w zakładach dużego i zwiększonego ryzyka - ExSysAWZ A.S. Markowski, M. Pietrzykowski, R.J. Żyłła Politechnika Łódzka Katedra Inżynierii Bezpieczeństwa
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: MODELOWANIE I SYMULACJA UKŁADÓW STEROWANIA Kierunek: Mechatronika Rodzaj przedmiotu: Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1.
Bardziej szczegółowoIdentyfikacja obiektów dynamicznych za pomocą sieci neuronowych
Metody Sztucznej Inteligencji w Sterowaniu Ćwiczenie 3 Identyfikacja obiektów dynamicznych za pomocą sieci neuronowych Przygotował: mgr inż. Marcin Pelic Instytut Technologii Mechanicznej Politechnika
Bardziej szczegółowoWsparcie dla działań na rzecz poprawy efektywności energetycznej ze strony systemów informatycznych
Wsparcie dla działań na rzecz poprawy efektywności energetycznej ze strony systemów informatycznych Potencjał efektywności energetycznej w przemyśle Seminarium Stowarzyszenia Klaster 3x20 Muzeum Górnictwa
Bardziej szczegółowo1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda
Sieci neuropodobne 1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN Agenda Trochę neurobiologii System nerwowy w organizmach żywych tworzą trzy
Bardziej szczegółowoWykład wprowadza do podstawowych definicji związanych z Systemami Sterowania Rozproszonego (DCS Distributed Process Control) a zwłaszcza zwraca uwagę
Wykład wprowadza do podstawowych definicji związanych z Systemami Sterowania Rozproszonego (DCS Distributed Process Control) a zwłaszcza zwraca uwagę na dwa podstawowe nurty rozwoju sprzetu automatyki
Bardziej szczegółowoStałe urządzenia gaśnicze na gazy
Wytyczne VdS dla stałych urządzeń gaśniczych Stałe urządzenia gaśnicze na gazy obojętne Projektowanie i instalowanie Spis treści 0 Wstęp... 8 0.1 Zastosowanie wytycznych VdS... 8 1 Informacje ogólne...
Bardziej szczegółowoWykład organizacyjny
Automatyka - zastosowania, metody i narzędzia, perspektywy na studiach I stopnia specjalności: Automatyka i systemy sterowania Wykład organizacyjny dr inż. Michał Grochowski kiss.pg.mg@gmail.com michal.grochowski@pg.gda.pl
Bardziej szczegółowoODWZOROWANIE RZECZYWISTOŚCI
ODWZOROWANIE RZECZYWISTOŚCI RZECZYWISTOŚĆ RZECZYWISTOŚĆ OBIEKTYWNA Ocena subiektywna OPIS RZECZYWISTOŚCI Odwzorowanie rzeczywistości zależy w dużej mierze od możliwości i nastawienia człowieka do otoczenia
Bardziej szczegółowoZałożenia: C vw, C vg, C vs T gśr = T gp f mg = ρ w f g
1. Elementy systemu ciepłowniczego odbiorniki i źródła ciepła (Lab.1,2) 1.1. Pomieszczenie z grzejnikiem c.o. (wersja dokładniejsza) C vg C vw q t K cg K cw1 Model CvwT = K cg CvgT gp = c pw f CvsT s =
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 Sterowanie
Bardziej szczegółowoKatedra Zarządzania i Informatyki Politechnika Śląska
prof. dr hab. Tadeusz Wieczorek mgr inż. Krystian Mączka Katedra Zarządzania i Informatyki Politechnika Śląska Charakterystyka procesu topienia złomu w piecu łukowym Problemy do rozwiązania Prezentacja
Bardziej szczegółowoWprowadzenie do technik analitycznych Metoda najmniejszych kwadratów
Wprowadzenie do technik analitycznych Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Wykład 2 Korelacja i regresja Przykład: Temperatura latem średnia liczba napojów sprzedawanych
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 szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Modelowanie algorytmów klasyfikujących. Podejście probabilistyczne. Naiwny klasyfikator bayesowski. Modelowanie danych metodą najbliższych sąsiadów. Jakub Wróblewski
Bardziej szczegółowo