Księgarnia Motoryzacyjna

Modelowanie, diagnostyka i sterowanie nadrzędne procesami Implementacja w systemie DiaSter
W książce przedstawiono zaawansowane metody i algorytmy modelowania procesów dynamicznych, odkrywania wiedzy w bazach danych, budowy symulatorów, diagnostyki procesów i systemów oraz nadrzędnego sterowania, samostrojenia i adaptacji nastaw pętli regulacyjnych.
Opisane metody zostały zaimpletowane w oryginalnym w skali światowej systemie automatyki i diagnostyki- DiaSter . Uniwersalność przyjętych rozwiązań w systemie daje możliwość jego szerokiego zastosowania między innymi w przemyśle energetycznym, chemicznym, farmaceutycznym czy spożywczym. Ze względu na otwartą architekturę możliwe jest połączenie systemy DiaSter praktycznie z dowolnymi systemami automatyki.
Książka skierowana jest do studentów i doktorantów uczelni technicznych, zespołów badawczych zajmujących się kompleksową automatyzacją złożonych procesów przemysłowych. Ze względu na interdyscyplinarny charakter tematyki może zainteresować i zainspirować zarówno automatyków i informatyków, jak i projektantów technologii przemysłowych i specjalistów z zakresu inżynierii produkcji.

1.            Wprowadzenie — J. M. Kościelny 
1.1.                  Struktury systemów sterowania      
1.2.                  Kierunki rozwoju współczesnych systemów automatyki      
1.3.                  Nowe funkcje zaawansowanych systemów automatyki 
Bibliografia

2.            Wprowadzenie do systemu DiaSter - J. M. Kościelny, M. Syfcrt,P. Wnuk
2.1.                  Zadania i struktura systemu
2.1.1.               Przeznaczenie systemu             
2.1.2.               Funkcje systemu           
2.1.2.1.            Przetwarzanie zmiennych procesowych  
2.1.2.2.            Symulacja i modelowanie
2. l .2.3.            Symulatory procesów
2.1.2.4.            Wirtualne sensory i analizatory       
2.1.2.5.            Detekcja uszkodzeń
2. l .2.6.            Diagnostyka uszkodzeń
2.1.2.7.            Monitorowanie stopnia degradacji aparatów
                         technologicznych
2.1.2.8.            Wspomaganie decyzji operatorów
2.1.2.9.            Odkrywanie wiedzy w bazach danych
2.1.2.10.           Sterowanie nadrzędne i optymalizacja procesów        
2.1.2.11.            Nadrzędne strojenie i adaptacja pętli regulacyjnych  
2.1.2.12.           Struktura systemu        
2.2.                  Platforma programowa   
2.2.1.               Model informacyjny oraz konfiguracja systemu
2.2.2.               Centralna baza danych archiwalnych oraz bazy danych
                         użytkowników
2.2.3.               Wymiana danych
2.2.3.1.            Komunikacja modułów systemu
2.2.3.2.            Sprzęgnięcie z systemami zewnętrznymi  
2.2.4.               Moduł modelowania
2.2.4.1.            Struktura pakietu         
2.2.4.2.            Moduł wstępnego przetwarzania danych
2.2.4.3.            Moduł identyfikacji modeli
2.2.4.4.            Mechanizm wtyczek    
2.2.4.5.            Rozproszone środowisko obliczeniowe
2.2.5.               Moduł obliczeniowy
2.2.5.1.            Bloki funkcyjne        
2.2.5.2.            Ścieżki przetwarzania  
2.2.5.3.            Zmienne wewnętrzne  
2.2.5.4.            Tryby pracy modułu i metody synchronizacji danych
2.2.6.               Moduł wizualizacji
           
3. Modele procesów — K. Janiszowski, J. Korbicz, K. Patan, M. Witczak          
3.1.                  Wprowadzenie
3.2.                  Modele analityczne i modelowanie   
3.2.1.               Siłownik pneumatyczny sterowany serwozaworem 
                        model działania zespołu           
3.2.2.               Siłownik pneumatyczny sterowany serwozaworem
                         model blokowy zespołu           
3.2.3.               Model przeciwprądowego wymiennika ciepła
3.2.4.               Metody całkowania i zagadnienia numeryczne związane
                         z symulacją modeli analitycznych   
3.2.5.                Dobór kroku całkowania      
3.3.                   Modele liniowe - lokalne przybliżenie właściwości dynamicznych 
3.3.1.                Wyznaczanie współczynników modeli analitycznych
                         PExSim Optimizer
3.3.2.               Obserwatory stanu procesu
3.4.                  Modele neuronowe      
3.4.1.               Perceptron wielowarstwowy         
3.4.2.               Sieci neuronowe z liniami opóźniającymi
3.4.3.                Sieci rekurencyjne   
3.4.4.                Sieci neuronowe przestrzeni stanów            
3.4.5.               Sieci lokalnie rekurencyjne   
3.4.5.1.            Sieć z jedną warstwą ukrytą 
3.4.5.2.            Sieć z dwiema warstwami ukrytymi          
3.4.5.3.            Kaskadowa sieć lokalnie rekurencyjna   
3.4.5.4.            Uczenie sieci lokalnie rekurencyjnych
3.4.5.5.            Neuronowy model silnika elektrycznego  
3.4.6.               Sieci neuronowe typu GMDH   
3.4.6.1.            Synteza modeli GMDH            
3.4.6.2.            Kryteria oceny modeli cząstkowych   
3.4.6.3.            Metody selekcji modeli cząstkowych w sieci GMDH
3.4.7.               Implementacja modeli neuronowych w platformie DiaSter 
3.5.                  Modele parametryczne
3.5.1.               Liniowe modele parametryczne i metody identyfikacji
                        współczynników
3.5.2.               Przykładowy przebieg identyfikacji     
3.6.                  Rozmyte modele dynamiki procesu           
3.6.1.               Model rozmyty TSK dla napędu pneumatycznego         
Bibliografia      
 
4. Odkrywanie wiedzy -w bazach danych   - W. Moczulski, R. Szulim,
                                 P. Tomasik, D. Wachla
4.1.                  Wprowadzenie
4.2.                  Selekcja zmiennych wejściowych modeli
4.2.1.               Algorytm Correlation-based Feature Selection         
4.2.2.               Miary korelacyjne     
4.2.3.               Przeszukiwanie przestrzeni cech
4.3.                  Odkrywanie zależności o charakterze jakościowym   
4.4.                  Odkrywanie zależności o charakterze ilościowym      
4.4.1.               Metoda wektorów wspomagających       
4.4.1.1.            Model liniowy            
4.4.1.2.            Model nieliniowy        
4.4.1.3.            Model regresyjny       
4.4.1.4.            Przykłady zastosowania   
4.4.2.               Metody wnioskowania bazującego na przykładach    
4.4.2.1.            Modele aproksymacyjne procesów cyklicznych     
4.4.2.2.            Modele bazujące na opisie rozmytym procesów
                         cyklicznych      
4.5.                  Podsumowanie            
Bibliografia
           
5. Symulatory procesów — K. Janiszowski             
5.1.                  Symulacja procesów dynamicznych 
5.2.                  Możliwości prowadzenia symulacji w pakiecie PexSim
5.2.1.               Wtyczka i jej modelowanie (Options & Execution control)
5.2.2.               Ścieżka i podścieżka (Ports & Subsystems, Signal routing)             
5.2.3.               Operatory algebraiczne sygnałów (Mathematic operator,
                         Non-linear elements)            
5.2.4.               Operatory statystyczne (Statistic operators, Filtering,
                         Heuristic tests)
5.2.5.               Operatory logiczne i dyskretne (Crisp logie, Fuzzy logie, 
                         Discrete operations)
5.2.6.               Operatory sterowań i rozgałęzień (Execution control,
                        Signal routing)
5.2.7.               Źródła sygnałów (Sources, Controllers)
5.2.8.               Wyjścia sygnałów (Sinks)
5.2.9.               Modele bloków dynamicznych liniowych (Linear dynamie, 
                         Discrete operations)
5.2.10.             Modele bloków dynamicznych nieliniowych
                         (Non-linear dynamie)
5.2.11.             Dynamiczne modele parametryczne (MITforD rnodels)
5.2.12.             Dynamiczne modele szablonowe (Controllers, Electric
                         Components, Heat Exchange Cornponents, Hydraulic
                         Elements, Pneumatic Elements, Robotic Elements,
                         WWT Elements, WDS Elements)
5.3.                  Zastosowanie symulatorów do rozwiązywania problemów
                        technicznych (modelowanie konstrukcji napędu głównego
                         nowoczesnej wtryskarki HSIMM)
Bibliografia
           
6.                     Metody diagnostyki  -   W. Cholewa, J. Korbicz, J. M. Kościelny 
                         P. Chrzanowski, K. Patan, T. Rogala, M. Syf cii,, M. Witczak          
6.1.                  Specyfika diagnostyki procesów przemysłowych            
6.2.                  Metody detekcji uszkodzeń
6.3.                  Odporna detekcja uszkodzeń       
6.3.1.               Odporny model neuronowy    podejście pasywne         
6.3.2.               Odporny dynamiczny model neuronowy - podejście aktywne
6.3.3.               Rozmyte progowanie adaptacyjne    podejście pasywne         
6.3.4.               Przykłady konstruowania modeli odpornych      
6.3.4.1.            Realizacja neuronowa modelowania niepewności modelu
6.3.4.2.            Realizacja rozmytego progu adaptacyjnego
6.3.4.3.            Realizacja odpornego modelu GMDH
6.3.5.               Implementacja modeli neuronowych w platformie DiaSter           
6.3.5.1.            Wtyczka LRGFnet      
6.3.5.2.            Wtyczka GMDHnet    
6.4.                  Lokalizacja uszkodzeń procesów z zastosowaniem logiki rozmytej
6.4.1.               Formy zapisu relacji diagnostycznej
6.4.2.               Algorytmy wnioskowania dla uszkodzeń pojedynczych i wielokrotnych 
6.4.2.1.            Wnioskowanie przy założeniu uszkodzeń pojedynczych 
6.4.2.2.            Wnioskowanie przy założeniu uszkodzeń wielokrotnych
6.4.2.3.            Sposoby uwzględnienia opóźnień powstawania
                         symptomów   
6.4.3.               Algorytmy diagnozowania w strukturze hierarchicznej              
6.4.3.1.            Dekompozycja algorytmów diagnostycznych         
6.4.3.2.            Wnioskowanie realizowane na poziomie podsystemów
6.4.3.3.            Uzgadnianie diagnoz na poziomie nadrzędnym 
6.4.3.4.            Problem uszkodzeń krotnych
6.4.3.5.            Uproszczone wnioskowanie w strukturze hierarchicznej 
6.4.4.               Metody śledzenia uszkodzeń narastających 
6.4.4.1.            Algorytm detekcji       
6.4.4.2.            Algorytm śledzenia stopnia degradacji       
6.4.4.3.            Biblioteka incipient-FDP    
6.4.4.4.             Przykład zastosowania
6.5.                  Diagnostyka z zastosowaniem sieci przekonań           
6.5.1.               Wprowadzenie
6.5.1.1.            Diagnostyka wsparta modelami        
6.5.1.2.            Diagnostyka symptomowa  
6.5.1.3.            Model diagnostyczny 
6.5.1.4.            Istota działania modelu diagnostycznego
6.5.2.               Model diagnostyczny bazujący na sieci przekonań           
6.5.2.1.            Struktura modelu         
6.5.2.2.            Elementy kolejnych stopni modelu  
6.5.3.               Obrazy danych wejściowych   
6.5.3.1.            Transformacja danych za pomocą klasyfikatorów            
6.5.3.2.            Wybrane przykłady klasyfikatorów
6.5.3.3.            Uczenie i definiowanie klasyfikatorów             
6..5.4.              Zmienne dodatkowe i możliwości ich uzgadniania     
6.5.4.1.            Bloki uzgadniające   
6.5.4.2.            Zastosowanie metod rachunku wyrównawczego
6.5.5.               Sieci przekonań
6.5.5.1.            Modele stosujące grafy
6.5.5.2.            Dekompozycja rozkładu prawdopodobieństwa zmiennej
                         losowej
6.5.5.3.            Przykłady prostej sieci przekonań
6.5.5.4.            Stosowanie sieci przekonań       
6.5.6.               Sieci stwierdzeń
6.5.6.1.            Fakty, stwierdzenia i ich interpretacja           
6.5.6.2.            Stwierdzenia o stanie obiektu           
6.5.6.3.            Prezentacja danych wyjściowych   
6.5.7.               Identyfikacja i strojenie modelu
6.5.7.1.            Identyfikacja wyjściowej wersji modelu  
6.5.7.2.            Strojenie modelu 
6.5.8.               Podsumowanie            
Bibliografia
           
7. Metody sterowania nadrzędnego — P. Tatjewski, L. Trybus,
                        M. Ławryńczuk, P. Marusak, Z. Świder, A. Stec
7.1.                  Regulacja predykcyjna i optymalizacja punktów pracy procesów
7.1.1.               Zasada regulacji predykcyjnej
7.1.2.               Algorytm DMC
7.1.2.1.            Algorytm DMC w wersji analitycznej
7.1.2.2.            Algorytm DMC w wersji numerycznej
7.1.3.               Algorytm GFC
7.1.4.               Regulacja predykcyjna nieliniowa
7.1.4.1.            Algorytmy MPC z optymalizacją na modelu
                         nieliniowym     
7.1.4.2.            Algorytmy MPC z linearyzacją modelu nieliniowego    
7.1.5.               Modele rozmyte i neuronowe w nieliniowych
                       algorytmach MPC 
7.1.6.               Optymalizacja punktów pracy  
7.1.6.1.            Warstwa optymalizacji punktu pracy   
7.1.6.2.            Optymalizacja punktu pracy pomocnicza dla MPC  
7.1.7.               Przykłady zastosowań            
7.1.7.1.            Reaktor z reakcją van de Vusse'a      
7.1.7.2.            Dwuwymiarowy reaktor chemiczny       
7.2.                  Nadrzędne strojenie i adaptacja pętli regulacyjnych  
7.2.1.               Metoda odpowiedzi skokowej        
7.2.1.1.            Identyfikacja modelu
7.2.1.2.            Nastawy regulatorów PI, PID           
7.2.1.3.            Wyniki wstępnego strojenia          
7.2.1.4.            Dostrajanie przez korygowanie wzmocnienia   
7.2.2.               Strojenie przekaźnikowe            
7.2.2.1.            Zasady ogólne             
7.2.2.2.            Nastawy Astróma-Hagglunda       
7.2.2.3.            Wyniki dla wzorcowych obiektów 
7.2.2.4.            Problem oszacowania opóźnienia       
7.2.3.               Dostrajanie i adaptacja           
7.2.3.1.            Przeregulowanie, tłumienie i częstotliwość a nastawy
7.2.3.2.            Dostrajanie dla znanego r/T 
7.2.3.3.            Adaptacja przy nieznanym r/T  
7.2.3.4.            Uzupełnienia dla implementacji  
7.3.                  Sterowanie nadrzędne             
7.3.1.              Zasada sterowania SPC 
7.3.2.               Przykład realizacji układu SPC  
7.3.3.               Samostrojenie przekaźnikowe w systemie DiaSter           
Bibliografia
           
8. Zastosowanie systemu DiaSter  -  M. Syfert, P. Chrzanowski,
                       B. Fajdek, M. Ławryńczuk, P. Marusak, K. Patan,
                       T. Rogala, A. Stec, M. Witczak
8.1.                  Wprowadzenie
8.2.                  Zespół trzech zbiorników    obiekt sterowania i diagnostyki
8.3.                  Aplikacja modułów i pakietów systemu DiaSter 
8.3.1.               Symulatory obiektów    symulator TZ
8.3.2.               Symulacja i identyfikacja modeli TSK   odtwarzanie
                        zmiennych procesowych
8.3.3.               Śledzenie uszkodzeń powoli narastających
8.3.4.                  Bieżąca diagnostyka procesu
8.3.4.1.             Etapy realizacji systemu diagnostycznego
8.3.4.2.            Przykładowe testy systemu
8.3.5.               Samostrojenie - dobór nastaw regulatora PID             
8.3.5.1.            Schemat pętli regulacyjnej     
8.3.5.2.            Odpowiedź skokowa obiektu           
8.3.5.3.            Strojenie przekaźnikowe
8.3.6.               Regulacja predykcyjna w warunkach ograniczeń i awarii 
8.3.6.1.            Regulacja DMC w warunkach ograniczeń       
8.3.6.2.            Regulacja DMC w sytuacjach awaryjnych     
8.3.7.               Modele neuronowe i ich zastosowanie   
8.3.7.1.            Sieci lokalnie rekurencyjne   
8.3.7.2.            Dynamiczne sieci GMDH           
8.3.8.               Sieci przekonań w układzie diagnostyki      
8.3.8.1.            Identyfikacja modelu BNBM           
8.3.8.2.            Testowanie modelu BNBM           
Bibliografia      
Podziękowania