hrvatski

Primjena kontinuum regresije za modeliranje procesa na temelju pogonskih podataka

Važne procesne veličine koje daju informaciju o kakvoći izlaznog proizvoda često nije moguće mjeriti senzorom nego se njihov iznos utvrđuje laboratorijskom analizom. Kako bi se omogućilo kontinuirano praćenje tijeka procesa te efikasnije upravljanje proizvodnim procesom, ovu teško-mjerljivu procesnu veličinu je potrebno estimirati, tj. odrediti na temelju matematičkog modela. Za izgradnju odgovarajućeg modela procesa vrlo često su na raspolaganju samo procesni mjerni podaci pohranjeni u procesnu bazu podataka. U ovom se radu prikazuje prikladna metodologija za modeliranje procesa na temelju pogonskih podataka. Za izgradnju modela pri tome se predlažu regresijske metode zasnovane na preslikavanju ulaznog prostora u latentni potprostor. U radu se posebno istražuju svojstva kontinuum regresije (CR). Budući da neuronske mreže predstavljaju dobru osnovu za izgradnju modela na podacima, dopunski se istražuje mogućnost hibridizacije višeslojne perceptronske (MLP) neuronske mreže i CR metode, s ciljem iskorištavanja dobrih svojstava obiju metoda te izbjegavanja njihovih nedostataka u izgradnji modela procesa na pogonskim podacima. Prednosti predloženih metoda izgradnje modela procesa nad uobičajeno korištenim regresijskim metodama prikazane su na primjeru modeliranja procesa destilacije nafte na raspoloživim mjernim podacima.

modeliranje procesa; pogonski podaci; estimacija teško-mjerljive procesne veličine; preslikavanje u latentni prostor; kontinuum regresija; neuronske mreže

nije evidentirano