Thesis

شناسایی و تشخیص بر خط خطا با استفاده از رهیافت شناسایی زیرفضاها در زیرسیستم نیروگاهی بویلر بازیاب حرارتی

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

نیروگاه ها از واحدهای صنعتی بسیار مهم با عملکرد رفتاری پیچیده، غیرخطی و متغیر با زمان بوده که نقش بسیار کلیدی را در کشور ایفا می کنند. بروز هر گونه عیب می تواند موجب ایجاد اشکال در عملکرد عادی آنها شده و چنانچه به موقع تشخیص و نسبت به رفع آن اقدامی صورت نگیرد منجر به توقف عملکرد و در نهایت ایجاد سوانح و حوادث برای تجهیزات و حتی جانی می شود و خسارات بسیار سنگین مالی بر جای گذارد.در این راستا روشهای ارائه شده نه تنها باید قابلیت تشخیص وقوع عیب در سیستم را دارا باشند بلکه باید بتوانند نوع خطا و مشخصات آنرا شناسایی و اعلام نمایند. جهت برآوردن این نیازها جهت تشخیص و شناسایی خطا از یکی از تکنیک های شناسایی سیستم به نام شناسایی زیرفضا برای شناسایی پارامترهای فضای حالت استفاده کرده ایم سپس پارامترهای تخمین زده شده را به عنوان ویژگی در سیستم تشخیص خطا بکار بردیم و با کاهش ویژگی ها اقدام به تشخیص خطا کردیم. این الگوریتم ها از آنجا که شناسایی فضای حالت را به طور مستقیم از داده های ورودی ـ خروجی با استفاده از ls خطی انجام میدهند مشکلات مربوط به بهینه سازی غیرخطی را نداشته و فضای حالت بهینه را در اختیار ما قرار میدهد. الگوریتم های شناسایی زیرفضا جهت محاسبات روی ـ خطی به علت نیاز به حجم بالای داده های ورودی ـ خروجی که در تجزیه زیرفضاها با استفاده از svd دارند مناسب نیستند به این منظور با تعمیم این الگوریتم ها به روش انتشاردهنده (propagator) محاسبه زیرفضاها به صورت روی خطی به راحتی انجام میپذیرد. همچنین برای رفع مشکل غیرخطی داده ها یک مدل همرشتاین که شامل بخش غیرخطی ls-svm میباشد به صورت روی ـ خطی نیز طراحی شد. در نهایت جهت کاهش پیچیدگی ریاضیاتی ما یک رهیافت تشخیص خطای موثر از مفهوم ردیابی زیرفضا استفاده کرده ایم و یک الگوریتم ردیابی زیرفضای مقاوم توسعه داده شده که تحت عنوان ردیابی زیرفضای تقریبی تصویر عمود شناخته میشود که با کاهش ویژگی ها (feature) اقدام به تشخیص و شناسایی خطا میکند.به طور کلی روش شناسایی زیرفضا به دقت روش های شناسایی (pem) نیست اما مزایایی از قبیل سرعت و تعمیم به سیستم های mimo را دارا میباشد.

Supervisors and advisors

حمید خالوزاده، مهدی علیاری شوره دلی