Naslov
Nelinearni estimator teško mjerljivih procesnih veličina
(Nonlinear estimator of hard-to-measure process variables)

Autori
Jelavić, Mate

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad

Fakultet
Fakultet elektrotehnike i računarstva

Mjesto
Zagreb

Datum
02.07

Godina
2003

Stranica
61

Mentor
Perić, Nedjeljko

Neposredni voditelj
Brščić, Dražen

Ključne riječi
softverski senzor; estimator; teško mjerljive veličine; neuronska mreža; EKF algoritam učenja; procesne veličine; laboratorijska mjerenja; dvojni korak uzorkovanja
(soft sensor; estimator; hard-to-measure variables; neural network; EKF training algorithm; process variables; laboratory measurements; dual sampling rate)

Sažetak
U procesnoj industriji često se susrećemo s potrebom za mjerenjem teško mjerljivih veličina koje određuju kvalitetu proizvoda. Umjesto složenih i skupih mjernih uređaja, u ovom radu se razmatra uporaba softverskih senzora za estimaciju potrebnih veličina. Izložena je koncepcija rada softverskih senzora te njegove prednosti i mane u odnosu na mjerene uređaje. Za primjenu u realnom postrojenju &#8211 ; naftnoj rafineriji, projektiran je softverski senzor viskoznosti izlaznih proizvoda. Zbog nelinearne prirode navedenog postrojenja, koristi se nelinearni estimator zasnovan na neuronskim mrežama. Isprobane su tri vrste neuronskih mreža (MLP, NARX i NFIR) te različite dimenzije istih, a prilikom učenja korišten je EKF algoritam učenja neuronskih mreža. Za svaku strukturu dani su najbolji rezultati te je napravljena usporedba ponašanja estimatora različitih struktura. Analizirano je ostvareno ponašanje estimatora, problemi koji se javljaju u fazi projektiranja, te mogućnosti njihovog otklanjanja.

Izvorni jezik
Hrvatski

Znanstvena područja
Elektrotehnika

POVEZANOST RADA