تشخیص نرخ عدم تشخیص خطای تغییر ناگهانی متغیرها در فرآیند تنسی ایستمن به روش شبکه¬های عصبی

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.