Методе аутоматске конфигурације софт сензора
Metode automatske konfiguracije soft senzora
Author
Mejić, LukaMentor
Ilić, VojinCommittee members
Jorgovanović, NikolaErdeljan, Aleksandar
Došen, Strahinja
Bojanić, Dubravka
Stanišić, Darko
Ilić, Vojin
Metadata
Show full item recordAbstract
Математички модели за естимацију тешко мерљивих величина називају се софт сензорима. Процес формирања софт сензора није тривијалан и квалитет естимације тешко мерљиве величине директно зависи од начина формирања. Недостаци постојећих алгоритама за формирање спречавају аутоматску конфигурацију софт сензора. У овом раду су реализовани нови алгоритми који имају за сврху аутоматизацију конфигурације софт сензора. Реализовани алгоритми решавају проблеме проналаска оптималног сета улаза у софт сензор и кашњења сваког од њих као и одабира структуре и начина обуке софт сензора заснованих на вештачким неуронским мрежама са радијално базираним функцијама.
Matematički modeli za estimaciju teško merljivih veličina nazivaju se soft senzorima. Proces formiranja soft senzora nije trivijalan i kvalitet estimacije teško merljive veličine direktno zavisi od načina formiranja. Nedostaci postojećih algoritama za formiranje sprečavaju automatsku konfiguraciju soft senzora. U ovom radu su realizovani novi algoritmi koji imaju za svrhu automatizaciju konfiguracije soft senzora. Realizovani algoritmi rešavaju probleme pronalaska optimalnog seta ulaza u soft senzor i kašnjenja svakog od njih kao i odabira strukture i načina obuke soft senzora zasnovanih na veštačkim neuronskim mrežama sa radijalno baziranim funkcijama.
Mathematical models that are used for estimation of variables that can not be measured in real time are called soft sensors. Creation of soft sensor is a complex process and quality of estimation depends on the way soft sensor is created. Restricted applicability of existing algorithms is preventing automatic configuration of soft sensors. This paper presents new algorithms that are providing automatic configuration of soft sensors. Presented algorithms are capable of determing optimal subset of soft sensor inputs and their time delays, as well as optimal architecture and automatic training of the soft sensors that are based on artificial radial basis function networks.