تغییر پارامترهای موجود در یک فرآیند صنعتی باعث آن میگردد که فرآیند از نقطه کار مطلوب خود خارج گردد. این تغییر بهنوبهی خود کاهش کارایی کنترلکنندههای حلقه بستهای را که برای نقطه کار مطلوب سیستم طراحی شدهاند را بهدنبال خواهد داشت. لذا نیاز است که ابتدا این تغییرات بهصورت یک عیب تشخیص و شناسایی شود و سپس با تغییر پارامترهای فرآیند یا ساختار کنترلکننده برحسب نیاز نسبت به تصحیح رفتار سیستم اقدام نمود. به چنین سیستمی که ویژگی مذکور را داشته باشد کنترلکنندهی تحملپذیر عیب گفته میشود.
لازمهی طراحی چنین سیستمی بهصورت کارآ، در مرحلهی نخست طراحی مناسب سیستم تشخیص عیب میباشد که مکان، زمان و بزرگی عیب را بهدرستی شناسایی کند. ارزیابی سیستم تشخیص عیب با ویژگیهای نرخ تشخیص/ عدم تشخیص و نرخ هشدارهای اشتباه صورت میگیرد. بهرهگیری از قدرت مناسب شبکههای عصبی جهت طبقهبندی برای کاربری در این مهم هم در سالهای اخیر مورد توجه قرار گرفته است.
در این پژوهش نوع خاصی از شبکههای عصبی که دارای الگوریتم قوی آموزش پسانتشار خطای تعمیم یافته میباشد بهمنظور درک تغییر پارامترهای فرآیند طراحی و پیادهسازی شده است. این نوع از شبکهها در یک ساختار موازی اطلاعات جمعآوری شده از فرآیند را تحلیل میکنند و خروجی تجمیع شدهی شبکهها را بهصورت یک نشانگر اطلاعات زمانی و مکانی وقوع عیب خواهیم داشت. پس از تشخیص عیب نسبت به تنظیم ضرائب کنترل کننده اقدام خواهد شد.
جهت رفع سوالات و مشکلات خود از سیستم پشتیبانی سایت استفاده نمایید .
دیدگاه ارسال شده توسط شما ، پس از تایید توسط مدیران سایت منتشر خواهد شد.
دیدگاهی که به غیر از زبان فارسی یا غیر مرتبط با مطلب باشد منتشر نخواهد شد.