تجزیه و تحلیل تکنیک های آزمون مبتنی بر اطلاعات و مدل

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 331

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC03_303

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

تکنیک های عیب یابی برای رسیدن به عملکرد بهتر، ایمن تر و با قابلیت اطمینان بیشتر با وجود خطای عملگرها، سنسورها و اجزایسیستم به کار می روند. دو دسته بندی مختلف برای این تکنیک ها وجود دارد. در دسته بندی اول به دو دسته روش های مبتنی براطلاعات و مبتنی بر مدل و در دسته بندی دوم به روش های عددی، مقاوم و هوشمند تقسیم می گردند. روش های مبتنی بر مدل بهمدل ریاضی فرایند نیاز دارند و روش های مبتنی بر اطلاعات در مواردی به کار میروند که مدل فرایند در دسترس نباشد. هرتکنیکی که بسته به نوع کاربری و مدل دینامیکی سیستم، دقیقتر و سریعتر عیب را تشخیص دهد، مناسب و قابل اعمال خواهد بود.در این مقاله کارهای انجام شده در این زمینه بررسی و مرور شده اند.

کلیدواژه ها:

تکنیک های عیب یابی مبتنی بر اطلاعات ، تکنیک های عیب یابی مبتنی بر مدل ، روش های عیب یابی عددی ، روش های عیب یابی مقاوم ، روش های عیب یابی هوشمند

نویسندگان

راضیه کریمی سیمکانی

دانشگاه آزاد اسلامی، واحد تهران جنوب، دانشکده فنی مهندسی گروه برق

حجت الله حمیدی

دانشگاه صنعتی خواجه نصیر الدین طوسی، گروه فناوری اطلاعات

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • R. Isermann, in: Fault-D iagnosis Systems, Springer Scienceand Business Media, ...
  • _ V enk atasubramani an, R. Rengaswamy, S. Kavuri, K. ...
  • Systems, Springer, London, 2001. ...
  • F. Harrou, M. N. Nounou, H. N. Nounou, M. Madakyaru, ...
  • E. Lehman, Testing Statistical Hypothe Se s, Chapmanand Hall, New ...
  • _ V e nk atasubramani an, R. Rengaswamy, S. Kavuri, ...
  • _ _ enkat asubramani an, R. Rengaswamy, S. Kavuri, K. ...
  • Y. Q. Wang, S. Y. Xu, S. Y. Zhang, Fault ...
  • H. R. Karimi, M. Zapateiro, N. Luo, A linear matrix ...
  • S. Y. Xu, Y. Tang, H. D. Sun, B. Zhao, ...
  • Y. Y. Yin, P. Shi, F. Liu, K. L. Teo, ...
  • R. Isermann, On the applicability of model-based fault detection for ...
  • P.M. Frank, Fault diagnosis in dynamic systems via state estimation: ...
  • _ Venkat asubramanian, R. Rengaswamy, K. Yin, S.N. Kavuri, A ...
  • Z. Li, B. Dahhou, Fault isolation for nonlinear dynamic systems ...
  • Application to a waste water treatment process, Applied Mathematical Modelling, ...
  • A. Chamseddine, D. Theilliol, Y. M. Zhang, C. Join, C. ...
  • Abdulrahman Youssef, Claude Delpha, Demba Diallo, An optimal fault detection ...
  • M. Zhu, A. Ghodsi , Automatic dimensionality selection from the ...
  • G. Diana, C. Tommasi, Cro ss-validation methods in principal component ...
  • I. Jo life, Principle Component Analysis, seconded. Aberdeen, UK, 2002. ...
  • M. Douglas, K. Zamb a, Achange-po int model for a ...
  • A. Rios Bolivar, Sur la synthese de filtres de detection ...
  • M. Blanke, M. Kinnaert, J. Lunze, M. Staroswiecki, Diagnosis and ...
  • D. Fragkoulis, Z. Li, G. Roux, B. Dahhou, Application of ...
  • F. Nejari, Benchmark of an Activated Sludge Plant, Internal Report, ...
  • نمایش کامل مراجع