تغییر پارامترهای موجود در یک فرآیند صنعتی باعث آن می گردد که فرآیند از نقطه کار مطلوب خود خارج گردد. این تغییر به نوبه ی خود کاهش کارایی کنترل کننده های حلقه بسته ای را که برای نقطه کار مطلوب سیستم طراحی شده اند را به دنبال خواهد داشت. لذا نیاز است که ابتدا این تغییرات به صورت یک عیب تشخیص و شناسایی شود و سپس با تغییر پارامترهای فرآیند یا ساختار کنترل-کننده برحسب نیاز نسبت به تصحیح رفتار سیستم اقدام نمود. به چنین سیستمی که ویژگی مذکور را داشته باشد کنترل کننده ی تحمل پذیر عیب گفته می شود. لازمه ی طراحی چنین سیستمی به صورت کارآ، در مرحله ی نخست طراحی مناسب سیستم تشخیص عیب می باشد که مکان، زمان و بزرگی عیب را به درستی شناسایی کند. ارزیابی سیستم تشخیص عیب با ویژگی¬های نرخ تشخیص/ عدم تشخیص و نرخ هشدارهای اشتباه صورت می گیرد. بهره-گیری از قدرت مناسب شبکه های عصبی جهت طبقه بندی برای کاربری در این مهم هم در سال های اخیر مورد توجه قرار گرفته است.در این پژوهش نوع خاصی از شبکه های عصبی که دارای الگوریتم قوی آموزش پس انتشار خطای تعمیم یافته می باشد به منظور درک تغییر پارامترهای فرآیند طراحی و پیاده سازی شده است. این نوع از شبکه ها در یک ساختار موازی اطلاعات جمع آوری شده از فرآیند را تحلیل میکنند و خروجی تجمیع شده ی شبکه ها را به صورت یک نشانگر اطلاعات زمانی و مکانی وقوع عیب خواهیم داشت. پس از تشخیص عیب نسبت به تنظیم ضرائب کنترل کننده اقدام خواهد شد.
کلید واژه: تشخیص و شناسایی عیب، شبکه های عصبی دینامیک، فرآیند تنسی ایستمن، نرخ عدم تشخیص.
فهرست مطالب
چکیده 1
فصل ۱- مقدمه 2
۱-۱مقدمه 3
۱-۲ضرورت عیب یابی 3
۱-۳هدف از انجام تحقیق 4
۱-۴مروری بر کارهای انجام شده 4
۱-۵ساختار پایان نامه 5
فصل ۲بررسی انواع روشهای تشخیص و شناسایی خطا 6
۲-۱مقدمه 7
۲-۲دسته بندی روش های شناسایی خطا 7
۲-۲-۱روش های مبتنی بر مدل کمی 8
۲-۲-۲روش های مبتنی بر مدل کیفی 9
۲-۲-۳روش های مبتنی بر داده 10
فصل ۳معرفی روش آنالیز مولفه¬ی اصلی و شبکه¬های عصبی مصنوعی 12
۳-۱مقدمه 13
۳-۲روش آنالیز مولفه ی اصلی 14
۳-۳شبکه های عصبی 18
۳-۳-۱تک نرون به عنوان دسته بندی کننده 19
۳-۳-۲آموزش پرسپترون 21
۳-۳-۳پرسپترون تک لایه 24
۳-۳-۴پرسپترون چندلایه 26
۳-۳-۵آموزش شبکه های عصبی MLP 27
۳-۳-۶الگوریتم پس انتشار خطا برای یک شبکه با تعداد دلخواه لایه و نرون 29
۳-۴نقش شبکه عصبی در عیب¬یابی 30
فصل ۴کارآیی روش PCA در تشخیص پارامترهای معیوب فرآیند تنسی ایستمن 32
۴-۱مقدمه 33
۴-۲- معرفی شرکت تنسی ایستمن 33
۴-۳شناخت فرآیند صنعتی تنسی ایستمن 35
۴-۳-۱متغیرهای فرآیند 37
۴-۳-۲عیوب فرآیند 40
۴-۴پیاده سازی سیستم عیب یابی فرآیند TEP بر مبنای PCA 41
۴-۴-۱بررسی موردی عیب ۱ 41
۴-۴-۲نرخ عدم تشخیص 44
۴-۴-۳میزان اهمیت متغیرهای فرآینددر تشخیص عیب ۱ 44
۴-۴-۴نتایج شبیه¬سازی 51
فصل ۵طراحی یک شبکه عصبی پویا به¬منظور تشخیص پارامترهای معیوب فرآیند 52
۵-۱مقدمه 53
۵-۲معماری شبکه عصبی پویا 53
۵-۳تشخیص و جداسازی عیب با استفاده از شبکه عصبی دینامیک 54
۵-۳-۱مرحله ی اول: شناسایی سیستم 54
۵-۳-۲مرحله ی دوم: شناسایی و جداسازی عیب 55
۵-۴تشخیص پارامترهای معیوب TEP با تکیه بر ساختار پیشنهادی 56
۵-۵بررسی موردی عیب ۱ 67
۵-۵-۱- نرخ عدم تشخیص 71
۵-۶- پیشنهاد راهکاری برای افزایش سرعت الگوریتم 71
۵-۷- نتایج حاصل از شبیه سازی 74
فصل ۶- نتیجه گیری و پیشنهادات 76
فهرست مراجع 78
واژه نامه فارسی به انگلیسی 80
واژه نامه انگلیسی به فارسی 82
چکیده لاتین 84
قيمت فايل ورد پروژه : 12000 تومان
دانلود فایل ورد بلافاصله بعد از پرداخت هزینه
بلافاصله پس از پرداخت ، لینک دانلود پایان نامه به شما نشان داده می شود
پشتیبانی سایت : 09010633413
فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید