MONITOROWANIE STANU INSTALACJI GAZOCIĄGOWEJ W OPARCIU O ADDYTYWNY MODEL REGRESJI
|
|
- Szczepan Grzelak
- 8 lat temu
- Przeglądów:
Transkrypt
1 MONITOROWANIE STANU INSTALACJI GAZOCIĄGOWEJ W OPARCIU O ADDYTYWNY MODEL REGRESJI Zofia Magdalena ŁABĘDA-GRUDZIAK Streszczenie: W artykule przedstawiono próbę wykorzystania technik eksploracji danych i addytywnego modelu regresji do stworzenia modeli cząstkowych odzwierciedlających funkcjonowanie określonych fragmentów instalacji gazociągowej. Pozyskana wiedza posłuŝyła do oszacowania wartości ciśnienia w określonych punktach węzłowych oraz oceny zachowania się sieci, a następnie do oceny wraŝliwości na występowanie poszczególnych uszkodzeń. Do identyfikacji modeli addytywnych zastosowano algorytm dopasowania wstecznego i nieparametryczne techniki estymacji. Badania przeprowadzono dla wybranego fragmentu rzeczywistej sieci przesyłowej gazu. Słowa kluczowe: model addytywny, sieci przesyłowe gazu, przewidywanie ciśnienia, monitorowanie, eksploracja danych. 1. Wstęp Rozwój przemysłu obserwowany w ciągu ostatnich kilkudziesięciu lat spowodował zwiększenie złoŝoności układów automatyki sterujących procesami oraz zaostrzenie wymagań dotyczących ich niezawodności. Dlatego teŝ nowoczesne systemy sterowania powinny być wyposaŝone w mechanizmy monitorowania procesów i detekcji uszkodzeń, czyli wykrywania nieprawidłowych stanów procesów oraz uszkodzeń urządzeń technologicznych, wykonawczych i pomiarowych [1]. Sieci przesyłowe słuŝą do transportowania duŝych ilości gazu pod wysokim ciśnieniem na znaczne odległości. Ze względu na wysokie koszty budowy rurociągów gazu, które są prowadzone przewaŝnie w ziemi, okres eksploatacji rurociągów powinien być długi. Trudne warunki eksploatacji stawiają coraz większe wymagania dotyczące długotrwałości i wysokiego stopnia bezawaryjności systemów sterowania. Uszkodzenia rurociągów mogą być spowodowane m.in. korozją lub erozją ścianek wewnętrznych i zewnętrznych, pęknięciami spawów, wgnieceniami ścianek, wadami materiałowymi, degradacją materiału wskutek zmian ciśnienia, a takŝe działaniem ludzi. Ze względu na łatwopalność i szkodliwość ekologiczną gazu, awarie powodujące rozszczelnienie instalacji i uchodzenie gazu stwarzają silne zagroŝenie wystąpienia wybuchu i skaŝenia środowiska. Istotnym problemem kaŝdego operatora rurociągu jest bezpieczna eksploatacja. W miarę upływu czasu, zachodzące w konstrukcji procesy przebiegające w róŝnych jej fragmentach z róŝnym natęŝeniem, powodują, Ŝe parametry eksploatacyjne rurociągu ulegają zmianie. Podejmowanie stosownych decyzji wymaga monitorowania stanu technicznego rurociągu. Wiele informacji moŝe dostarczyć okresowe wykonywanie inspekcji, niezaleŝnie od rzeczywistego stanu technicznego rurociągu. Na ich postawie operator moŝe podjąć decyzję o ewentualnej naprawie lub remoncie rurociągu, bądź w ekstremalnych przypadkach o wymianie fragmentu lub całości rurociągu. W większości przypadków obsługa jest niepotrzebna, gdyŝ stan techniczny rurociągu jest dobry. Dlatego 59
2 teŝ metody poprawiające jakość nadzoru i monitorowania procesów odgrywają kluczową rolę, zarówno w zakresie prawidłowego działania urządzeń pomiarowych, jak i w sytuacjach występowania ewentualnych wycieków, co moŝe przynieść istotne ograniczenie kosztów okresowej obsługi. Korzystając z coraz większych moŝliwości opomiarowania systemów nadzoru stacje operatorskie mogą realizować zadania archiwizacji danych. PoniewaŜ w sieciach przesyłowych odbiorcy gazu są precyzyjnie zlokalizowani poprzez stacje redukcyjnopomiarowe. Z części tych stacji moŝna uzyskać bardzo dokładne dane dotyczące chwilowych poborów gazu. To stwarza moŝliwość budowy modeli cząstkowych na podstawie danych pomiarowych z sieci oraz wiedzy eksperckiej o jej strukturze. Jednocześnie wraz z rozwojem technologii informatycznej pojawiły się nowe moŝliwości zwiększania ilości gromadzonych danych oraz szybkości ich przetwarzania. Praca niniejsza podejmuje zagadnienie modelowania procesu zmian ciśnień w sieci gazociągowej za pomocą addytywnego modelu regresji oraz eksploracyjnej analizy danych dla potrzeb monitorowania stanu instalacji gazociągowej. Przedstawione badania zostały częściowo przeprowadzone w ramach projektu rozwojowego KBN nr O R pt. "Badania nad systemami detekcji i lokalizacji nieszczelności rurociągów" we współpracy z Instytutem Metrologii i InŜynierii Biomedycznej Politechniki Warszawskiej i firmą Biatel S.A. oraz grantu promotorskiego KBN nr N N pt. Wykorzystanie addytywnego modelu regresji do generacji residuów dla potrzeb detekcji uszkodzeń. 2. Modelowanie obiektu diagnozowania Ze względu na rozbudowany i skomplikowany charakter układu rurociągów, a takŝe złoŝony opis właściwości fizykochemicznych samego gazu oraz uwzględnienie wielu zjawisk zachodzących podczas przepływu gazu rurociągiem, opracowanie modelu na podstawie równań fizycznych jest bardzo trudne, a identyfikacja jego parametrów dostarcza dodatkowych trudności. Z drugiej strony przechowywanie i analiza spróbkowanych sygnałów stwarza określone trudności za względu na objętość gromadzonych danych. W pracy przedstawiono alternatywną technikę, która przezwycięŝa ograniczenia związane z nieliniowym modelowaniem wielowymiarowym. Jest nią eksploracyjna analiza danych (ang. data mining) [2] przy uŝyciu addytywnego modelu regresji (ang. additive models) [] Eksploracyjna analiza danych Metody eksploracji danych polegają na analizie statystycznej wyników pomiarów parametrów istotnych z punktu widzenia funkcjonowania rurociągu (ciśnienia, przepływy), temperatury) tak aby szybko i trafnie rozpoznać zmiany stanu procesu w trakcie jego eksploatacji oraz nie wymagają istotnej wiedzy na temat rurociągu ani zjawisk w nim zachodzących. Na wstępie procesu odkrywania wiedzy z danych naleŝy jasno sformułować cele i wymagania projektu w terminologii rozwaŝanego procesu. PoniewaŜ model procesu zmian ciśnienia w sieci gazowej powinien jak najlepiej odwzorowywać przebieg rzeczywistych zmian stanu procesu, konieczne jest określenie zbioru sygnałów wejściowych, oddziałujących na proces i wyjściowych, będących wynikiem jego działania. Optymalna struktura modelu powinna uwzględniać wszystkie sygnały. Niestety nie jest moŝliwe 60
3 zmierzenie kaŝdego działającego zakłócenia, dlatego teŝ przygotowywany model będzie zawsze w pewnym stopniu uproszczeniem. Aby baza danych była przydatna do celów eksploracji danych, musi przejść przez wstępną obróbkę danych w formie czyszczenia i przekształcania danych. Dlatego naleŝy zweryfikować czy występują pola, które są przestarzałe lub zbędne, rekordy z brakującymi wartościami, dane znajdujące się w formacie nieodpowiednim dla modeli eksploracji danych, wartości nie zgodne z zasadami lub zdrowym rozsądkiem. Kolejnym etapem jest zrozumienie danych i dokonanie wstępnej analizy danych, mającej na celu odkrycie pierwszych zaleŝności. Na koniec naleŝy wybrać technikę estymacji i predykcji zastosowanego modelu, pamiętając jednocześnie o dostosowaniu parametrów modelu (kalibracja modelu) oraz ocenie wyników symulacji na skalibrowanym modelu w odniesieniu do postawionych wymagań. Jeśli wyniki symulacji są niezadowalające naleŝy powtórzyć powyŝsze czynności do momentu uzyskania poprawnych wyników Addytywny model regresji RozwaŜając strukturę MISO (ang. multiple input single output), dla p > 1 sygnałów wejściowych X 1, X 2,..., X p oraz jednego sygnału wyjściowego Y, zdefiniujmy model addytywny w postaci (1. Y p = α + ϕ j ( X j ) + ε, j= 1 (1) gdzie: α - pewna stała, j - indeks sumowania, p - liczba sygnałów wejściowych, ε - błąd modelowania, który jest niezaleŝny od wektora X, X,..., X ) oraz E( ε ) =0, Var( ε ) = σ, ϕ j - jednowymiarowe funkcje zmiennej podstawie danych [,4]. 2 Stąd modele prognozy mogą być nieliniowe względem sygnałów ( 1 2 p X j niekoniecznie liniowe, szacowane na X j, ale nadal są liniowe względem sygnałów ϕ j ( X j ). Podkreślmy, Ŝe nie zakładamy, Ŝe sygnały X j są niezaleŝne [4], fakt ten wykorzystamy dalej. WiąŜąc wielkości fizyczne w procesie oraz czas, model ten moŝe posłuŝyć do opisu zachowania się procesu przemysłowego i moŝe naśladować n jego działanie [5,6]. Dla danych pomiarowych {(, )} =, gdzie p = }, formalnie, xi y i i 1 xi { x ij j= 1 zadanie wyznaczenia modelu addytywnego na podstawie danych pomiarowych, rejestrowanych w trakcie eksploatacji obiektu, moŝemy zapisać jako zadanie minimalizacji sumy kwadratów błędów (zaleŝność 2). arg min n ( y i α ϕ ( x α, ϕ j } i= 1 j= 1 { 61 p j ij )) 2, 2) (
4 Zadanie to oznacza znalezienie stałej α, równej αˆ oraz p funkcji jednej zmiennej ˆ ϕ ( ). Estymatory funkcji ϕ j są znajdowane przez zastosowanie ustalonych funkcji wygładzających. Funkcje wygładzające, którymi będziemy się posługiwać są liniowymi funkcjami wygładzającymi (ang. linear smoother). Do najbardziej wykorzystywanych liniowych metod wygładzania naleŝą m.in. wygładzanie lokalnie wielomianowe oraz wygładzanie za pomocą wielomianowej funkcji sklejanej [7]. Odpowiednie funkcje wygładzające w modelu addytywnym są znajdowane za pomocą iteracyjnego algorytmu dopasowania wstecznego (ang. backfitting algorithm) [4, 8]. MoŜna udowodnić, Ŝe przy spełnieniu pewnych załoŝeń, algorytm dąŝy do jednoznacznego rozwiązania, startując z dowolnych wartości początkowych [, 4].. Monitorowanie obiektu diagnozowania Model addytywny jest matematycznym modelem procesu, który w algorytmie diagnostycznym symuluje na podstawie sygnałów wejściowych sygnał wyjściowy. Przedmiotem analizy są residua r = y ym, czyli róŝnica między sygnałem zarejestrowanym w obiekcie y, pochodzącym z czujnika, a odpowiednią zmienną y m obliczoną analitycznie na podstawie przyjętego modelu. Na podstawie otrzymanych residuów następuje ich ocena i podejmowana jest decyzja o wystąpieniu symptomu uszkodzenia. Dla większości prawidłowych stanów pracy sieci gazociągowej, przy załoŝeniu prawdziwości modelu, residua powinny być bliskie bądź równe zero. W celu weryfikacji jakości modelu procesu, co sprowadza się do określenia z jakim błędem model naśladuje zachowanie się rzeczywistego procesu, wyznaczono wartości miar dopasowania takich jak: minimum residuów (MIN), maksimum residuów (MAX), średni kwadrat residuów (MSR), średni moduł residuów (MADR) oraz odchylenie standardowe residuów (STDWAR). 4. Przykład Badania przeprowadzono na podstawie danych pochodzących z symulatora sieci gazociągowej, dostrojonego do rzeczywistej instalacji znajdującej się na duŝym obszarze Polski. Symulator został opracowany na podstawie modeli analitycznych, w systemie zaawansowanego monitorowania i diagnostyki AMandD [9] w Instytucie Automatyki i Robotyki Politechniki Warszawskiej Opis obiektu diagnozowania Odcinek sieci objęty wdroŝeniem obejmuje fragment gazociągu od stacji wejściowej w Wólce Radzymińskiej do wszystkich punktów poboru zasilanych z tej stacji, tzn. Ŝaden z odcinków nie wyprowadza gazu poza monitorowany obszar. Wytypowany fragment sieci składa się z rurociągu głównego wraz z odnogami, które są zakończone 24 stacjami redukcyjno-pomiarowymi. We wszystkich stacjach, oprócz jednej, dostępne są pomiary pobieranego gazu. Wszystkie dane pomiarowe dostępne są z okresem próbkowania równym 60s. W artykule przedstawiono modele procesu zmian ciśnień w sieci gazociągowej dla dwóch wybranych węzłów sieci Niegowa i Ostrołęki. Ogólny schemat fragmentów monitorowanej sieci przedstawiono na rys. 1. j 62
5 Rys. 1. Fragmenty schematu instalacji sieci gazowej w okolicy Niegowa i Ostrołęki Badania przeprowadzono przy uŝyciu programu R-project [10], przeznaczonego do zaawansowanych obliczeń statystycznych Eksploracyjna analiza danych pomiarowych PoniewaŜ model procesu do poprawnego działania wymaga uprzedniego nauczenia, to znaczy dostarczenia wiedzy o prawidłowym działaniu procesu, wybrano z bazy danych zbiór uczący, na podstawie którego szacowane będą modele cząstkowe i zbiór testowy, na podstawie którego, weryfikowana będzie jakość predykcji oszacowanych modeli. Kryterium doboru danych była jak największa zmienność sygnałów wejściowych i wyjściowego, reprezentująca najbardziej skrajne stany. Wykorzystywane do modelowania zmienne pomiarowe zostały opisane w tab. 1. Tab. 1. Zmienne pomiarowe gazu uŝyte w modelowaniu Ciśnienie Przepływ Stacja poboru gazu P Troj Qn(n) Troj Trojany P Nieg Qn(n) Nieg Niegów P Drog Qn(n) Drog Drogoszewo P Rzek Qn(n) Rzek Rzekuń Qn(n) Ostrołęka P Ostr Ostr P Otok Otok Qn(n) Otok W celu prawidłowego odzwierciedlenia dynamiki obiektu oraz zwiększenia odporności detekcji uszkodzeń na wpływ impulsowych zakłóceń oddziałujących na sygnały pomiarowe, zaproponowano model addytywny o strukturze FIR (ang. finite impulse response filter) rzędu 2. Zwiększenie rzędu modelu nie skutkowało znaczną poprawą wyników modelowania w stosunku do wzrostu złoŝoności modelu. 6
6 4.. Model cząstkowy obiektu diagnozowania Dla tak przygotowanych danych, za pomocą cząstkowych modeli addytywnych obliczany jest rozkład ciśnień w sieci na podstawie znanych, zmierzonych w symulatorze rzeczywistej sieci wartości ciśnienia i przepływu gazu w sąsiednich stacjach poboru. Zaproponowano następujące addytywne modele zmian ciśnień w sieci dla Niegowa - MOD GAM NIEGOW oraz dla Ostrołęki - MOD GAM OSTROLEKA(zaleŜność i 4). P P Nieg, t Ostr, t = α + ϕ (P + ϕ (Qn(n) 5 + ϕ (Qn(n) 9 1 = α + ψ (P + ψ (P 5 Troj, + ψ (Qn(n) 8 1 Otok, ) + ϕ (P Nieg, Drog, Rzek, 2 Troj, ) + ϕ (Qn(n) ) + ψ (P 6 ) + ϕ (Qn(n) 10 ) + ψ (P 6 Otok, 2 Otok, ) + ε, Rzek, t ) + ϕ (Qn(n) Nieg, Drog, Troj, ) + ϕ (P ) + ψ (Qn(n) 7 ) + ε, ) + ψ (Qn(n) 7 t Otok, ) + ϕ (Qn(n) Drog, Rzek, ) 4 ) + ϕ (P 8 ) + ψ (Qn(n) 4 Troj, ) Drog, ) Rzek, ) () (4) gdzie ε t, dla t =,..., n są niezaleŝnymi zakłóceniami losowymi oraz ϕ 1,..., ϕ10, ψ 1,..., ψ 8 są pewnymi jednowymiarowymi funkcjami rzeczywistymi Wyniki modelowania W celu estymacji modeli addytywnych MOD GAM NIEGOW i MOD GAM OSTROLEKA wybrano algorytm dopasowania wstecznego z naturalną kubiczną funkcją sklejaną z parametrem wygładzającym df=4, utoŝsamianym z liczbą stopni swobody [7]. Na podstawie danych uczących i testowych, pochodzących ze stanu zdatności procesu, otrzymano estymowane wartości ciśnienia gazu Pˆ t (predykcja Pwe) wraz z rzeczywistymi wartościami ciśnienia gazu danymi z procesu P t (Pwe) oraz wartości residuów, których wykresy w zaleŝności od modelowanego węzła przedstawiono odpowiednio na rys. 2- i rys Rys. 2. Przebieg wielkości odtwarzanej oraz wyjścia dla modelu MOD GAM NIEGOW: stan bez uszkodzeń 64
7 Rys.. Przebieg residuum dla MOD GAM NIEGOW: stan bez uszkodzeń Rys. 4. Przebieg wielkości odtwarzanej oraz wyjścia dla modelu MOD GAM OSTROLEKA: stan bez uszkodzeń Rys. 5. Przebieg residuum dla MOD GAM OSTROLEKA: stan bez uszkodzeń 65
8 Otrzymane wyniki badań są zadowalające, gdyŝ na podstawie danych pochodzących z symulatora sieci, zaprezentowane metody pozwoliły na skonstruowanie modelu dobrze odzwierciedlającego dynamikę procesu. Przebiegi wyniku modelowania, niemalŝe idealnie nadąŝają za zasymulowanym procesem, co potwierdza brak istotnych odchyłek od wartości zerowej, poza pojedynczymi obserwacjami odstającymi na wykresie przebiegu residuum przedstawionym na rys. i 5. Dodatkowo w tab. 2 zamieszczono parametry przebiegu residuum w zaleŝności od modelowanego węzła sieci. Tab. 2. Parametry przebiegu residuum dla poszczególnych modeli: stan bez uszkodzeń Nazwa MIN MAX MSR STDVAR MADR MOD GAM NIEGOW e e-4 MOD GAM OSTROLEKA e-4 0.6e Wyniki wraŝliwości modelu na zasymulowane uszkodzenia W celu monitorowania stanu procesu zmian ciśnień w sieci gazociągowej na podstawie oszacowanego modelu, wykorzystano próby testowe składające się z danych pomiarowych pochodzących ze stanu zdatności oraz ze sztucznie wprowadzonymi uszkodzeniami, których opis przedstawiono w tab.. Szczegółowe wykresy scenariuszy symulujących odpowiednio nominalne warunki pracy i poszczególne uszkodzenia oraz odpowiadające im wykresy przebiegu wartości residuów zostały przedstawione na rys Tab.. Scenariusze symulacji uszkodzeń Nazwa uszkodzenia Opis Wyciek 1 W połowie pomiędzy stacjami Trojany a Niegów (przepływ nominalny około 6000 NM ) Wyciek 2 Ciśnienie 1 Ciśnienie 2 W połowie pomiędzy stacjami Ostrołęka a Otok (przepływ nominalny około 600 NM ) ObniŜenie ciśnienia w stacji Niegów (wartości aktualnej) PodwyŜszenie ciśnienia w stacji Ostrołęka (wartości aktualnej) Wartość 500 NM 1000 NM 150 NM 00 NM -2% -5% -10% +2% +5% +10% Residuum w momencie symulacji uszkodzenia ciśnienie 1 (-2%) zmienia swoją wartość z 0 na ok Następnie w momencie symulacji uszkodzenia ciśnienie 1 (-5%) powtórnie zmienia swoją wartość z na ok W momencie symulacji ciśnienie 1 (-10%) powtórnie zmienia swoją wartość z na ok. -0.6, aŝ do momentu powrotu do stanu zdatności. Model jest wyraźnie czuły na wystąpienie tego uszkodzenia. Podobnie sytuacja wygląda w przypadku uszkodzenia ciśnienie 2. W przypadku symulacji wycieku 1 reakcja residuum jest duŝo mniejsza, zaś w przypadku wycieku 2 o mniejszej skali, reakcja residuum jest juŝ mało wyraźna. 66
9 Rys. 6. Przebieg wielkości odtwarzanej oraz wyjścia dla modelu MOD GAM NIEGOW: wyciek 1 Rys. 7. Przebieg residuum dla modelu MOD GAM NIEGOW: wyciek 1 Rys. 8. Przebieg wielkości odtwarzanej oraz wyjścia dla modelu MOD GAM OSTROLEKA: wyciek 2 67
10 Rys. 9. Przebieg residuum dla modelu MOD GAM OSTROLEKA: wyciek 2 Rys. 10. Przebieg wielkości odtwarzanej oraz wyjścia dla modelu MOD GAM NIEGOW: ciśnienie 1 Rys. 11. Przebieg residuum dla modelu MOD GAM NIEGOW: ciśnienie 1 68
11 Rys. 12. Przebieg wielkości odtwarzanej oraz wyjścia dla modelu MOD GAM OSTROLEKA: ciśnienie 2 Rys. 1. Przebieg residuum dla modelu MOD GAM OSTROLEKA: ciśnienie 2 4. Wnioski W pracy zaprezentowano efektywne rozwiązanie umoŝliwiające modelowanie i przewidywanie rozkładu ciśnienia w ściśle określonym węźle sieci gazociągowej za pomocą addytywnego modelu regresji dla potrzeb monitorowania stanu sieci gazociągowej. Jest to nowe podejście w diagnostyce procesów przemysłowych, umoŝliwia uchwycenie trudno wyczuwalnych zaleŝności oraz modelowanie procesów z nieliniowościami o trudnej do określenia postaci, dzięki zastosowaniu naturalnej kubicznej funkcji sklejanej. Na podstawie analizy parametrów statystycznych oraz charakteru przebiegów czasowych residuów w stanie normalnej pracy instalacji moŝna stwierdzić, Ŝe otrzymane wyniki badań są zadowalające. Dokładność odtwarzanych wartości ciśnień wacha się w granicach do około 0,015 MPa, przy średniej wartości ciśnień równej ok..6 MPa, tj. 0.5% błędu względnego. Stąd zaprezentowane metody pozwoliły na skonstruowanie modeli dobrze odzwierciedlających dynamikę procesu. Dla wykorzystanych czterech zestawów danych testowych, wraŝliwość na uszkodzenia powodujące zmianę ciśnienia jest bardzo 69
12 wyraźna. JednakŜe ze względu na duŝą ściśliwość gazu oraz zmienny strumień gazu, który jest funkcją zapotrzebowania na gaz, na który dostawca nie ma wpływu, wartości residuum wyznaczone z modeli rozkładu ciśnienia w sieci nieznacznie będą się zmieniać. Stąd znacznie trudniejszym zadaniem jest monitorowanie sieci przesyłu gazu ziemnego, niŝ monitorowanie rurociągów cieczy. Podziękowania Niniejsza praca była częściowo finansowana w ramach projektu badawczego rozwojowego Badania nad systemami detekcji i lokalizacji nieszczelności rurociągów, nr O R oraz grantu promotorskiego KBN Wykorzystanie addytywnego modelu regresji do generacji residuów dla potrzeb detekcji uszkodzeń, nr N N Literatura 1. Kościelny J.M.: Diagnostyka procesów przemysłowych. EXIT, Warszawa, Larose D.T.: Discovering Knowledge in Data: An Introduction to DATA MINING. Wiley, Hastie T., Tibshirani R.: Generalized additive models. Chapman and Hall, Łabęda Z.M.: Wykorzystanie addytywnego modelu regresji w eksploracyjnej analizie danych. VI Sympozjum Modelowanie i Symulacja Komputerowa w Technice, Łódź, Łabęda Z.M.: Additive model applications for the fault detection of actuators. Pomiary, Automatyka i Kontrola, Vol.55, nr, 2009, Łabęda Z.M.: Modele addytywne w układzie detekcji uszkodzeń w stacji wyparnej. IX Międzynarodowa Konferencja Diagnostyka Procesów i Systemów, Gdańsk 2009, "Systemy wykrywające, analizujące i tolerujące usterki. Automatyka i Informatyka", Pomorskie Wydawnictwo Naukowo-Techniczne, rozdział 1, Łabęda Z.M.: Smoothing parameters selection in the additive regression models approach for the fault detection scheme, IV Konferencja Naukowo-Techniczna Doktorantów i Młodych Naukowców, Warszawa, 2009, materiały konferencyjne, Łabęda Z.M.: The backfitting and marginal integration estimators for additive models. IV Konferencja Naukowo-Techniczna Doktorantów i Młodych Naukowców, Warszawa, 2009, materiały konferencyjne, Kościelny J.M., Syfert M., Wnuk P.: Advanced monitoring and diagnostic system AMandD. Problemy Eksploatacji, Vol.2, nr 61, 2006, Good P.I. Introduction to statistics through reasampling methods and R/S-PLUS. Wiley, Mgr Zofia M. ŁABĘDA-GRUDZIAK Instytut Automatyki i Robotyki Wydział Mechatroniki Politechnika Warszawska Warszawa, ul. Św. Andrzeja Boboli 8 tel.: (22) z.labeda@mchtr.pw.edu.pl 70
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
INSTYTUT ELEKTROENERGETYKI POLITECHNIKI ŁÓDZKIEJ BADANIE PRZETWORNIKÓW POMIAROWYCH
INSTYTUT ELEKTROENERGETYKI POLITECHNIKI ŁÓDZKIEJ ZAKŁAD ELEKTROWNI LABORATORIUM POMIARÓW I AUTOMATYKI W ELEKTROWNIACH BADANIE PRZETWORNIKÓW POMIAROWYCH Instrukcja do ćwiczenia Łódź 1996 1. CEL ĆWICZENIA
Analityczne 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)
Stosowane 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,
Najprostszy schemat blokowy
Definicje Modelowanie i symulacja Modelowanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego układu rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano
Definicje. Najprostszy schemat blokowy. Schemat dokładniejszy
Definicje owanie i symulacja owanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano model, do
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Rola stacji gazowych w ograniczaniu strat gazu w sieciach dystrybucyjnych
Rola stacji gazowych w ograniczaniu strat gazu w sieciach dystrybucyjnych Politechnika Warszawska Zakład Systemów Ciepłowniczych i Gazowniczych Prof. dr hab. inż. Andrzej J. Osiadacz Dr hab. inż. Maciej
WYZNACZANIE 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)
Materiały do laboratorium Przygotowanie Nowego Wyrobu dotyczące metody elementów skończonych (MES) Opracowała: dr inŝ.
Materiały do laboratorium Przygotowanie Nowego Wyrobu dotyczące metody elementów skończonych (MES) Opracowała: dr inŝ. Jolanta Zimmerman 1. Wprowadzenie do metody elementów skończonych Działanie rzeczywistych
Modelowanie 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
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
METODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
BIEŻĄCA 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
Analiza metod prognozowania kursów akcji
Analiza metod prognozowania kursów akcji Izabela Łabuś Wydział InŜynierii Mechanicznej i Informatyki Kierunek informatyka, Rok V Specjalność informatyka ekonomiczna Politechnika Częstochowska izulka184@o2.pl
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I IDENTYFIKACJA Studia niestacjonarne Estymacja parametrów modeli, metoda najmniejszych kwadratów.
Metody komputerowe statystyki Computer Methods in Statistics. Matematyka. Poziom kwalifikacji: II stopnia. Liczba godzin/tydzień: 2W, 3L
Nazwa przedmiotu: Kierunek: Metody komputerowe statystyki Computer Methods in Statistics Matematyka Rodzaj przedmiotu: przedmiot obowiązkowy dla specjalności matematyka przemysłowa Rodzaj zajęć: wykład,
DOPASOWYWANIE KRZYWYCH
DOPASOWYWANIE KRZYWYCH Maciej Patan Uniwersytet Zielonogórski Motywacje Przykład 1. Dane o przyroście światowej populacji są aktualizowane co każde 10 lat, celem szacowania średniego przyrostu rocznego.
KSZTAŁTOWANIE KLIMATU AKUSTYCZNEGO PROJEKTOWANYCH STANOWISK PRACY Z WYKORZYSTANIEM NARZĘDZI WSPOMAGAJĄCYCH
KSTAŁTOWANIE KLIMATU AKUSTYCNEGO PROJEKTOWANYCH STANOWISK PRACY WYKORYSTANIEM NARĘDI WSPOMAGAJĄCYCH Waldemar PASKOWSKI, Artur KUBOSEK Streszczenie: W referacie przedstawiono wykorzystanie metod wspomagania
POMIAR NAPIĘCIA STAŁEGO PRZYRZĄDAMI ANALOGOWYMI I CYFROWYMI. Cel ćwiczenia. Program ćwiczenia
Pomiar napięć stałych 1 POMIA NAPIĘCIA STAŁEGO PZYZĄDAMI ANALOGOWYMI I CYFOWYMI Cel ćwiczenia Celem ćwiczenia jest poznanie: - parametrów typowych woltomierzy prądu stałego oraz z warunków poprawnej ich
Sterowanie Napędów Maszyn i Robotów
Wykład 3 - Metodyka projektowania sterowania. Opis bilansowy Instytut Automatyki i Robotyki Warszawa, 2015 Metodyka projektowania sterowania Zrozumienie obiektu, możliwości, ograniczeń zapoznanie się z
Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Metrologia: 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
Sterowanie napędów maszyn i robotów
Sterowanie napędów maszyn i robotów dr inż. Jakub Możaryn Wykład 3 Instytut Automatyki i Robotyki Wydział Mechatroniki Politechnika Warszawska, 2014 Projekt współfinansowany przez Unię Europejską w ramach
Sterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Sterowanie napędów maszyn i robotów
Wykład 5 - Identyfikacja Instytut Automatyki i Robotyki (IAiR), Politechnika Warszawska Warszawa, 2015 Koncepcje estymacji modelu Standardowe drogi poszukiwania modeli parametrycznych M1: Analityczne określenie
Rozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Podstawy 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
Ekonometryczna analiza popytu na wodę
Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.
Diagnostyka 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
Podstawy 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
Rekurencje. Jeśli algorytm zawiera wywołanie samego siebie, jego czas działania moŝe być określony rekurencją. Przykład: sortowanie przez scalanie:
Rekurencje Jeśli algorytm zawiera wywołanie samego siebie, jego czas działania moŝe być określony rekurencją. Przykład: sortowanie przez scalanie: T(n) = Θ(1) (dla n = 1) T(n) = 2 T(n/2) + Θ(n) (dla n
Algorytmy optymalizacji systemu ICT wspomagające zarządzanie siecią wodociągową
Katowice GPW 2014 Algorytmy optymalizacji systemu ICT wspomagające zarządzanie siecią wodociągową Jan Studziński 1 1. Wstęp Cel projektu Usprawnienie zarządzania siecią wodociągową za pomocą nowoczesnych
nastawa temperatury Sprawd zany miernik Miernik wzorcowy
ELEKTRONICZNY SYMLATOR REZYSTANCJI II Konferencja Naukowa KNWS'5 "Informatyka-sztukaczyrzemios o" 15-18czerwca25, Z otnikiluba skie Jan Szmytkiewicz Instytut Informatyki i Elektroniki, niwersytet Zielonogórski
Technologia informacyjna
Technologia informacyjna Pracownia nr 9 (studia stacjonarne) - 05.12.2008 - Rok akademicki 2008/2009 2/16 Bazy danych - Plan zajęć Podstawowe pojęcia: baza danych, system zarządzania bazą danych tabela,
Diagnostyka 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
Teoria błędów pomiarów geodezyjnych
PodstawyGeodezji Teoria błędów pomiarów geodezyjnych mgr inŝ. Geodeta Tomasz Miszczak e-mail: tomasz@miszczak.waw.pl Wyniki pomiarów geodezyjnych będące obserwacjami (L1, L2,, Ln) nigdy nie są bezbłędne.
Oferta 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
ALGORYTM UZUPEŁNIANIA BRAKUJĄCYCH DANYCH W ZBIORACH REJESTROWANYCH NA STACJACH MONITORINGU POWIETRZA
ALGORYTM UZUPEŁNIANIA BRAKUJĄCYCH DANYCH W ZBIORACH REJESTROWANYCH NA STACJACH MONITORINGU POWIETRZA Szymon HOFFMAN, Rafał JASIŃSKI Politechnika Częstochowska Wydział Inżynierii i Ochrony Środowiska ul.
Estymacja wektora stanu w prostym układzie elektroenergetycznym
Zakład Sieci i Systemów Elektroenergetycznych LABORATORIUM INFORMATYCZNE SYSTEMY WSPOMAGANIA DYSPOZYTORÓW Estymacja wektora stanu w prostym układzie elektroenergetycznym Autorzy: dr inż. Zbigniew Zdun
Zastosowanie 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
- 1 / 7- Ponadto w opracowanej ekspertyzie mogą być zawarte są informacje na temat:
na wykonanie standardowej ekspertyzy dotyczącej oceny zasobów 1 SIŁOWNIA Ekspertyza standardowa dotyczy jednej potencjalnej lokalizacji i jednego typu generatora Wykonywana jest na podstawie 10-letniej
SYSTEM MONITOROWANIA DECYZYJNEGO STANU OBIEKTÓW TECHNICZNYCH
Aleksander JASTRIEBOW 1 Stanisław GAD 2 Radosław GAD 3 monitorowanie, układ zasilania w paliwo, diagnostyka SYSTEM MONITOROWANIA DECYZYJNEGO STANU OBIEKTÓW TECHNICZNYCH Praca poświęcona przedstawieniu
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
PROTOKÓŁ NR 10. Techniki wirtualne w badaniach stanu, zagrożeń bezpieczeństwa i środowiska eksploatowanych maszyn
30.10.2012 PROTOKÓŁ NR 10 z zebrania organizacyjnego w sprawie realizacji projektu: Techniki wirtualne w badaniach stanu, zagrożeń bezpieczeństwa i środowiska eksploatowanych maszyn Data: 30.10.2012 Miejsce:
Podstawowe narzędzia do pomiaru prędkości przepływu metodami ciśnieniowymi
Ć w i c z e n i e 5a Podstawowe narzędzia do pomiaru prędkości przepływu metodami ciśnieniowymi 1. Wprowadzenie Celem ćwiczenia jest zapoznanie się z przyrządami stosowanymi do pomiarów prędkości w przepływie
Zmienność wiatru w okresie wieloletnim
Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach
Weryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta
Ćwiczenie 5 PROGNOZOWANIE
Ćwiczenie 5 PROGNOZOWANIE Prognozowanie jest procesem przewidywania przyszłych zdarzeń. Obszary zastosowań prognozowania obejmują np. analizę danych giełdowych, przewidywanie zapotrzebowania na pracowników,
WYDZIAŁ MECHANICZNY POLITECHNIKI GDAŃSKIEJ KATEDRA SILNIKÓW SPALINOWYCH I SPRĘśAREK
WYDZIAŁ MECHANICZNY POLITECHNIKI GDAŃSKIEJ KATEDRA SILNIKÓW SPALINOWYCH I SPRĘśAREK LABORATORIUM PODSTAW SILNIKÓW I NAPĘDÓW SPALINOWYCH Dr inŝ. Sławomir Makowski Ćwiczenie 2 POMIARY PODSTAWOWYCH PARAMETRÓW
Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.
Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść
WYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH
Problemy Kolejnictwa Zeszyt 149 89 Dr inż. Adam Rosiński Politechnika Warszawska WYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH SPIS TREŚCI 1. Wstęp. Optymalizacja procesu
Rachunek prawdopodobieństwa projekt Ilustracja metody Monte Carlo obliczania całek oznaczonych
Rachunek prawdopodobieństwa projekt Ilustracja metody Monte Carlo obliczania całek oznaczonych Autorzy: Marta Rotkiel, Anna Konik, Bartłomiej Parowicz, Robert Rudak, Piotr Otręba Spis treści: Wstęp Cel
PL B1. ADAPTRONICA SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ, Łomianki, PL BUP 01/12
PL 218470 B1 RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 218470 (13) B1 (21) Numer zgłoszenia: 391629 (51) Int.Cl. G01M 3/28 (2006.01) F17D 5/02 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej
Podstawy Automatyki. Wykład 9 - Dobór regulatorów. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 9 - Dobór regulatorów. Instytut Automatyki i Robotyki Warszawa, 2017 Dobór regulatorów Podstawową przesłanką przy wyborze rodzaju regulatora są właściwości dynamiczne obiektu regulacji. Rysunek:
Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu
i business intelligence Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl Wrocław 2005-2007 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę
Rozkład prędkości statków na torze wodnym Szczecin - Świnoujście
KASYK Lech 1 Rozkład prędkości statków na torze wodnym Szczecin - Świnoujście Tor wodny, strumień ruchu, Zmienna losowa, Rozkłady dwunormalne Streszczenie W niniejszym artykule przeanalizowano prędkości
NOWOCZESNE TECHNOLOGIE ENERGETYCZNE Rola modelowania fizycznego i numerycznego
Politechnika Częstochowska Katedra Inżynierii Energii NOWOCZESNE TECHNOLOGIE ENERGETYCZNE Rola modelowania fizycznego i numerycznego dr hab. inż. Zbigniew BIS, prof P.Cz. dr inż. Robert ZARZYCKI Wstęp
Optymalizacja ciągła
Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej
Przykład 2. Stopa bezrobocia
Przykład 2 Stopa bezrobocia Stopa bezrobocia. Komentarz: model ekonometryczny stopy bezrobocia w Polsce jest modelem nieliniowym autoregresyjnym. Podobnie jak model podaŝy pieniądza zbudowany został w
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Automatyka i pomiary wielkości fizykochemicznych. Instrukcja do ćwiczenia III. Pomiar natężenia przepływu za pomocą sondy poboru ciśnienia
Automatyka i pomiary wielkości fizykochemicznych Instrukcja do ćwiczenia III Pomiar natężenia przepływu za pomocą sondy poboru ciśnienia Sonda poboru ciśnienia Sonda poboru ciśnienia (Rys. ) jest to urządzenie
PRZETWORNIKI C / A PODSTAWOWE PARAMETRY
PRZETWORIKI C / A PODSTAWOWE PARAMETRY Rozdzielczość przetwornika C/A - Określa ją liczba - bitów słowa wejściowego. - Definiuje się ją równieŝ przez wartość związaną z najmniej znaczącym bitem (LSB),
Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Dla naszego obiektu ciągłego: przy czasie próbkowania T p =2.
1. Celem zadania drugiego jest przeprowadzenie badań symulacyjnych układu regulacji obiektu G(s), z którym zapoznaliśmy się w zadaniu pierwszym, i regulatorem cyfrowym PID, którego parametry zostaną wyznaczone
Mechatronika 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
1 z :33
1 z 6 2013-11-14 21:33 Dz.U.2008.2.2 ROZPORZĄDZENIE MINISTRA GOSPODARKI 1) z dnia 21 grudnia 2007 r. w sprawie wymagań, którym powinny odpowiadać ciepłomierze i ich podzespoły, oraz szczegółowego zakresu
PROGNOZOWANIE RENTOWNOŚCI PRODUKCJI WĘGLA KAMIENNEGO Z WYKORZYSTANIEM MODELU KOMPUTEROWEGO
PROGNOZOWANIE RENTOWNOŚCI PRODUKCJI WĘGLA KAMIENNEGO Z WYKORZYSTANIEM MODELU KOMPUTEROWEGO Jolanta BIJAŃSKA, Krzysztof WODARSKI Streszczenie: W artykule przedstawiono model komputerowy, który został opracowany
Prowadzący(a) Grupa Zespół data ćwiczenia Lp. Nazwisko i imię Ocena LABORATORIUM 4. PODSTAW 5. AUTOMATYKI
Instytut Automatyki i Robotyki Prowadzący(a) Grupa Zespół data ćwiczenia Lp. Nazwisko i imię Ocena 1. 2. 3. LABORATORIUM 4. PODSTAW 5. AUTOMATYKI Ćwiczenie PA7b 1 Badanie jednoobwodowego układu regulacji
WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA
WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA PRZEDMIOT : : LABORATORIUM PODSTAW AUTOMATYKI 9. Dobór nastaw
Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)
Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia
IMPULSOWY PRZEKSZTAŁTNIK ENERGII Z TRANZYSTOREM SZEREGOWYM
Instrukcja do ćwiczenia laboratoryjnego. IMPSOWY PRZEKSZTAŁTNIK ENERGII Z TRANZYSTOREM SZEREGOWYM Przekształtnik impulsowy z tranzystorem szeregowym słuŝy do przetwarzania energii prądu jednokierunkowego
Uniwersytet Pedagogiczny
Uniwersytet Pedagogiczny im. Komisji Edukacji Narodowej w Krakowie Laboratorium elektroniki Ćwiczenie nr 5 Temat: STABILIZATORY NAPIĘCIA Rok studiów Grupa Imię i nazwisko Data Podpis Ocena 1. Cel ćwiczenia
STATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Izabela Zimoch Zenon Szlęk Biuro Badań i Rozwoju Technologicznego. Katowice, dnia 13.08.2013 r.
System informatyczny wspomagający optymalizację i administrowanie produkcją i dystrybucją wody przeznaczonej do spożycia przez ludzi subregionu centralnego i zachodniego województwa śląskiego Izabela Zimoch
Statystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
DOBÓR ŚRODKÓW TRANSPORTOWYCH DLA GOSPODARSTWA PRZY POMOCY PROGRAMU AGREGAT - 2
InŜynieria Rolnicza 14/2005 Michał Cupiał, Maciej Kuboń Katedra InŜynierii Rolniczej i Informatyki Akademia Rolnicza im. Hugona Kołłątaja w Krakowie DOBÓR ŚRODKÓW TRANSPORTOWYCH DLA GOSPODARSTWA PRZY POMOCY
Regresja nieparametryczna series estimator
Regresja nieparametryczna series estimator 1 Literatura Bruce Hansen (2018) Econometrics, rozdział 18 2 Regresja nieparametryczna Dwie główne metody estymacji Estymatory jądrowe Series estimators (estymatory
Zapobieganie stratom wody w systemach wodociągowych
Zapobieganie stratom wody w systemach wodociągowych Rosnący popyt, zmniejszanie się źródeł wody oraz rosnące koszty jej uzdatniania przyczyniły się w ostatnich latach do wzrostu zainteresowania redukcją
II. STEROWANIE I REGULACJA AUTOMATYCZNA
II. STEROWANIE I REGULACJA AUTOMATYCZNA 1. STEROWANIE RĘCZNE W UKŁADZIE ZAMKNIĘTYM Schemat zamkniętego układu sterowania ręcznego przedstawia rysunek 1. Centralnym elementem układu jest obiekt sterowania
WYKRYWANIE 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
ANALIZA SYSTEMU POMIAROWEGO (MSA)
StatSoft Polska, tel. 1 484300, 601 414151, info@statsoft.pl, www.statsoft.pl ANALIZA SYSTEMU POMIAROWEGO (MSA) dr inż. Tomasz Greber, Politechnika Wrocławska, Instytut Organizacji i Zarządzania Wprowadzenie
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych
Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych dla studentów Chemii (2018) Autor prezentacji :dr hab. Paweł Korecki dr Szymon Godlewski e-mail: szymon.godlewski@uj.edu.pl
Przykład 1 ceny mieszkań
Przykład ceny mieszkań Przykład ceny mieszkań Model ekonometryczny zaleŝności ceny mieszkań od metraŝu - naleŝy do klasy modeli nieliniowych. - weryfikację empiryczną modelu przeprowadzono na przykładzie
PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH
InŜynieria Rolnicza 14/2005 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH Streszczenie W
7.4 Automatyczne stawianie prognoz
szeregów czasowych za pomocą pakietu SPSS Następnie korzystamy z menu DANE WYBIERZ OBSERWACJE i wybieramy opcję WSZYSTKIE OBSERWACJE (wówczas wszystkie obserwacje są aktywne). Wreszcie wybieramy z menu
LABORATORIUM AUDIOLOGII I AUDIOMETRII
LABORATORIUM AUDIOLOGII I AUDIOMETRII ĆWICZENIE NR 4 MASKOWANIE TONU TONEM Cel ćwiczenia Wyznaczenie przesunięcia progu słyszenia przy maskowaniu równoczesnym tonu tonem. Układ pomiarowy I. Zadania laboratoryjne:
Zastosowanie 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
PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
STRUKTURA ORAZ ZASADY STEROWANIA POZIOMAMI NAPIĘĆ I ROZPŁYWEM MOCY BIERNEJ
Hierarchiczny Wielopoziomowy Układ Sterowania Poziomami Napięć i Rozpływem Mocy Biernej w KSE Wykład 1 STRUKTURA ORAZ ZASADY STEROWANIA POZIOMAMI NAPIĘĆ I ROZPŁYWEM MOCY BIERNEJ 1 Sterowanie U i Q w systemie
Dostawa oprogramowania. Nr sprawy: ZP /15
........ (pieczątka adresowa Oferenta) Zamawiający: Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu, ul. Staszica,33-300 Nowy Sącz. Strona: z 5 Arkusz kalkulacyjny określający minimalne parametry techniczne
WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH
WSKAZÓWKI DO WYKONANIA SPRAWOZDANIA Z WYRÓWNAWCZYCH ZAJĘĆ LABORATORYJNYCH Dobrze przygotowane sprawozdanie powinno zawierać następujące elementy: 1. Krótki wstęp - maksymalnie pół strony. W krótki i zwięzły
Systemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład I dr inż. 2015/2016
Systemy pomiarowo-diagnostyczne Metody uczenia maszynowego wykład I dr inż. Bogumil.Konopka@pwr.edu.pl 2015/2016 1 Wykład I - plan Sprawy organizacyjne Uczenie maszynowe podstawowe pojęcia Proces modelowania
Model sieci gazowej w systemie monitorowania i diagnostyki AMandD
Model sieci gazowej w systemie monitorowania i diagnostyki AMandD Marcin Stachura, Michał Syfert Instytut Automatyki i Robotyki Politechniki Warszawskiej W artykule przedstawiono pierwszy etap wdrożenia
Doświadczenia w eksploatacji gazomierzy ultradźwiękowych
Doświadczenia w eksploatacji gazomierzy ultradźwiękowych Daniel Wysokiński Mateusz Turkowski Rogów 18-20 września 2013 Doświadczenia w eksploatacji gazomierzy ultradźwiękowych 1 Gazomierze ultradźwiękowe