hrvatski

Softverski senzori za identifikaciju i vođenje nelinearnih procesa

U ovoj disertaciji razvijeni su modeli softverskih senzora primjenom metoda identifikacije procesa i metoda globalnog optimiranja. Cilj istraživanja bio je razviti modele softverskih senzora te utvrditi može li se primjenom metoda globalnog optimiranja provesti optimiranje reda modela i ostalih parametara dinamičkih modela. Primjenom genetičkih algoritama (GA) i metode pretraživanja uzorkom (DS) te višekriterijske funkcije cilja provedena je optimizacija reda i strukture modela softverskih senzora. Ustanovljeno je da je za optimiranje reda ulazno-izlaznih polinomnih modela u slučaju većeg područja pretraživanja GA metoda pouzdanija i djelotvornija od DS metode. U slučaju manjeg područja pretraživanja i DS se može učinkovito koristiti za pronalaženje optimalnih parametara modela. Metoda predložena u ovoj disertaciji omogućuje sustavni razvoj softverskih senzora pri čemu su se postojeće metode razvoja softverskih senzora, dostupne u literaturi, nadogradile i poboljšale radi postizanja optimalne strukture modela. Razvijeni modeli ispitani su na postrojenju za preradu nafte gdje kontinuirano procjenjuju svojstva produkata, a koriste se tijekom kvara i servisa procesnih analizatora. Dobiveni modeli mogu se primijeniti i u svrhu naprednog vođenja procesa za predviđanje vrijednosti izlaza i za dijagnostiku rada procesnih analizatora. Primjenom softverskih senzora u algoritmima naprednih metoda vođenja procesa moguće je očekivati bolje djelovanje procesa i veću kvalitetu proizvoda, a time i značajne uštede te zadovoljenje strogih propisa zaštite okoliša.

Genetički algoritam; Globalno optimiranje; Identifikacija procesa; Modeliranje procesa; Pretraživanje uzorkom; Reforming; Softverski senzor

nije evidentirano