SYMULACJA PRZEPŁYWU GRAWITACYJNEGO I ESTYMACJA JEGO PARAMETRÓW PRZY UŻYCIU ELEKTRYCZNEJ TOMOGRAFII POJEMNOŚCIOWEJ I SZTUCZNYCH SIECI NEURONOWYCH

Hela Garbaa

hgarbaa@kis.p.lodz.pl
Lodz University of Technology, Institute of Applied Computer Science (Polska)

Lidia Jackowska-Strumiłło


Lodz University of Technology, Institute of Applied Computer Science (Polska)

Krzysztof Grudzień


Lodz University of Technology, Institute of Applied Computer Science (Polska)

Andrzej Romanowski


Lodz University of Technology, Institute of Applied Computer Science (Polska)

Abstrakt

W artykule opisano nowe podejście do monitorowania zmian charakterystycznych parametrów przepływu grawitacyjnego. Do nieinwazyjnego monitorowania procesu stosowana jest Elektryczna Tomografia Pojemnościowa (ECT). Sztuczne Sieci Neuronowe wykorzystywane są do estymacji ważnych parametrów przepływu na podstawie mierzonych pojemności. Zaproponowane podejście pozwala na rozwiązanie problemu odwrotnego w ECT w sposób bezpośredni i umożliwia natychmiastową parametryzację przepływu kominowego. Symulacja procesu rozładowania silosu została wykonana na podstawie wyników wcześniejszych badań eksperymentalnych przeprowadzonych na rzeczywistym obiekcie. Dane symulacyjne wykorzystano do testowania i weryfikacji nowego podejścia. Uzyskane wyniki wykazały, iż zaproponowana metoda wykorzystująca Sztuczne Sieci Neuronowe pozwoli na monitorowanie on-line parametrów przepływu grawitacyjnego.


Słowa kluczowe:

elektryczna tomografia pojemnościowa, symulacja procesu, sztuczne sieci neuronowe, estymacja parametrów przepływu kominowego

Fiderek P., Wajman R., Kucharski J.: The Fuzzy System for Recognition and Control of the two Phase Gas- Liquid Flows. IAPGOS, 4/2015, 7¬–¬11.
  Google Scholar

Garbaa H., Jackowska-Strumiłło L., Grudzień K., Romanowski A.: Neural network approach to ECT inverse problem solving for estimation of gravitational solids flow. Proc. of the 2014 Federated Conference on Computer Science and Information Systems (FedCSIS 2014), AAIA’14, Vol. 2, Sep. 7–10, 2014, Warsaw, Poland, 19–26 [DOI:10.15439/2014F368].
  Google Scholar

Grudzień K., Romanowski A., Aykroyd R.G., Williams R.A., Mosorov V.: Parametric Modelling Algorithms in Electrical Capacitance Tomography for Multiphase Flow Monitoring, IEEE, MEMSTECH'2006, May 2006, Lviv-Polyana, Ukraine, 24–27 [DOI: 10.1109/MEMSTECH.2006.288675].
  Google Scholar

Haykin S.: Neural Networks: a comprehensive foundation – 2nd ed. Prentice Hall, 1999.
  Google Scholar

Isaksen Ø.: A review of reconstruction techniques for capacitance tomography. Meas. Sci. Technol. 7/1996, 325–33.
  Google Scholar

Jackowska-Strumillo L., Sokolowski J., Żochowski A., Henrot A: On Numerical Solution of Shape Inverse Problems. Computational Optimization and Applications 23/2002, 231–255.
  Google Scholar

Lei J., Liu S.: Dynamic Inversion Approach for Electrical Capacitance Tomography. IEEE Transactions On Instrumentation And Measurement 11/2013, 3035–3049.
  Google Scholar

Lei J., Liu S., Wang X., Liu Q.: An Image Reconstruction Algorithm for Electrical Capacitance Tomography Based on Robust Principle Component Analysis. Sensors 13/2013, 2076–2092.
  Google Scholar

Lionheart W.R.B.: Review: Developments in EIT reconstruction algorithms: pitfalls, challenges and recent development. Physiol. Meas. 25/2004, 125–142.
  Google Scholar

Ratajewicz-Mikolajczak E., Sikora J.: Neural networks method for identification of the objects behind the screen, IEEE Trans Med Imaging 6/2002, 613–619.
  Google Scholar

Rautenbach C., Mudde R.F., Yang X., Melaaen M.C., Halvorsen B.M.: A comparative study between electrical capacitance tomography and time-resolved X-ray tomography. Flow Measurement and Instrumentation 30/2013, 34–44.
  Google Scholar


  Google Scholar

Romanowski A., Grudzień K., Williams R.A.: Analysis and Interpretation of Hopper Behaviour Using ECT. Part. Part. Syst. Charact. 3-4/2006, 297–305.
  Google Scholar

Smolik W., Radomski D.: The matlab’s toolbox for iterative image reconstruction in electrical capacitance tomography. 5th Int. Symp. on Process tomography (Poland), 98–103.
  Google Scholar

Stasiak M., Sikora J., Filipowicz S.F., Nita K.: Principal component analysis and artificial neural network approach to electrical impedance tomography problems approximated by multi-region boundary element method. Engineering Analyses with Boundary Elements 31/2007, 713–720.
  Google Scholar

Warsito W., Fan L.S.: Development of 3-Dimensional Electrical Capacitance Tomography Based on Neural Network Multi-criterion Optimization Image Reconstruction. Proc. of 3rd World Congress on Industrial Process Tomography (Banff) 2003, 942–947.
  Google Scholar


Opublikowane
2016-05-10

Cited By / Share

Garbaa, H. ., Jackowska-Strumiłło, L., Grudzień, K. ., & Romanowski, A. (2016). SYMULACJA PRZEPŁYWU GRAWITACYJNEGO I ESTYMACJA JEGO PARAMETRÓW PRZY UŻYCIU ELEKTRYCZNEJ TOMOGRAFII POJEMNOŚCIOWEJ I SZTUCZNYCH SIECI NEURONOWYCH. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 6(2), 34–37. https://doi.org/10.5604/20830157.1201314

Autorzy

Hela Garbaa 
hgarbaa@kis.p.lodz.pl
Lodz University of Technology, Institute of Applied Computer Science Polska

Autorzy

Lidia Jackowska-Strumiłło 

Lodz University of Technology, Institute of Applied Computer Science Polska

Autorzy

Krzysztof Grudzień 

Lodz University of Technology, Institute of Applied Computer Science Polska

Autorzy

Andrzej Romanowski 

Lodz University of Technology, Institute of Applied Computer Science Polska

Statystyki

Abstract views: 206
PDF downloads: 61


Inne teksty tego samego autora