Nelinearni estimator teško mjerljivih procesnih veličina (CROSBI ID 336505)
Ocjenski rad | diplomski rad
Podaci o odgovornosti
Jelavić, Mate
Perić, Nedjeljko
Brščić, Dražen
hrvatski
Nelinearni estimator teško mjerljivih procesnih veličina
U procesnoj industriji često se susrećemo s potrebom za mjerenjem teško mjerljivih veličina koje određuju kvalitetu proizvoda. Umjesto složenih i skupih mjernih uređaja, u ovom radu se razmatra uporaba softverskih senzora za estimaciju potrebnih veličina. Izložena je koncepcija rada softverskih senzora te njegove prednosti i mane u odnosu na mjerene uređaje. Za primjenu u realnom postrojenju &#8211 ; naftnoj rafineriji, projektiran je softverski senzor viskoznosti izlaznih proizvoda. Zbog nelinearne prirode navedenog postrojenja, koristi se nelinearni estimator zasnovan na neuronskim mrežama. Isprobane su tri vrste neuronskih mreža (MLP, NARX i NFIR) te različite dimenzije istih, a prilikom učenja korišten je EKF algoritam učenja neuronskih mreža. Za svaku strukturu dani su najbolji rezultati te je napravljena usporedba ponašanja estimatora različitih struktura. Analizirano je ostvareno ponašanje estimatora, problemi koji se javljaju u fazi projektiranja, te mogućnosti njihovog otklanjanja.
softverski senzor; estimator; teško mjerljive veličine; neuronska mreža; EKF algoritam učenja; procesne veličine; laboratorijska mjerenja; dvojni korak uzorkovanja
nije evidentirano
engleski
Nonlinear estimator of hard-to-measure process variables
nije evidentirano
soft sensor; estimator; hard-to-measure variables; neural network; EKF training algorithm; process variables; laboratory measurements; dual sampling rate
nije evidentirano
Podaci o izdanju
61
02.07.2003.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet elektrotehnike i računarstva
Zagreb
