COMBINED CLONAL NEGATIVE SELECTION ALGORITHM FOR DIAGNOSTICS OF COMBUSTION IN INDIVIDUAL PC BURNER

W palnikach pyłowych, które są najbardziej rozpowszechnione w Polsce współczynnik nadmiaru powietrza decyduje o ilości emitowanych zanieczyszczeń, jednak brak metodyumożliwiającej pomiar parametrów wyjściowych palnika. Konieczne jest więc stosowanie metod pośrednich, do których można zaliczyć przede wszystkim metody akustyczne i optyczne. Metody te są bezinwazyjne i pozwalają na otrzymanie praktycznie nieopóźnionej i dodatkowo selektywnej przestrzennie informacji o zachodzącym procesie spalania. Dodatkowe problemy powstają przy współspalaniu biomasy. Artykuł przedstawia zastosowanie stosunkowo nowej klasy metod klasyfikacji - sztuczne algorytmy immunologiczne do diagnostyki procesu spalania polegająca na wykrywaniu nieprawidłowejwartości nadmiaru powietrza palnika pyłowego.

Słowa kluczowe:

Sztuczne systemy immunologiczne, diagnostyka przemysłowa, palnik pyłowy

Bibliografia

Arabas J., Białobrzeski L., Chomiak L., Domański T., Świrski K., Neelakantan R.: Pulverized Coal Fired Boiler Optimization and NOx Control using Neural Networks and Fuzzy Logic, Proc AspenWorld’97, Boston, Massachusetts, 1997.

De Castro L. N., Timmis J. I.: Artificial Immune Systems as a Novel Soft Computing Paradigm, vol. 7, 2003, Soft Computing Journal,, vol 7, 2003, pp. 526-544. DOI: https://doi.org/10.1007/s00500-002-0237-z

Forrest S.: Self-Nonself Discrimination in a Computer, w Proc. of the 1994 IEEE Symposium on Research in Security and Privacy, Los Almitos, CA:IEEE Computer Society Press, Los Almitos, CA, USA, 1994.

Kalogiru, S. A.: Artificial intelligence for the modelling and control of combustion processes: a review, Progr Energy Comb Sci, 29, 2003, 515–566. DOI: https://doi.org/10.1016/S0360-1285(03)00058-3

Lytvynenko V. I.: Comparative experimental study of a modified negative selection algorithm and clonal selection algorithm negative for solving classification (in Russian), Vestnik Kherson National Technical University, nr 4(33), 2008, pp. 7-14.

Lytvynenko V. I.: Immune classifier for solving binary classification - Theoretical Aspects (in Russian), System technologies, nr 1(42), 2006, pp. 32-47.

Lytvynenko V, Smolarz A., Kozhuhivska O.: Combined Clonal Negative Selection Algorithm for Multi-Class problem classification/ Proceedings of the VIIIth Scientific and Technical Conference CSIT, 2013, Lviv , p.163-165.

Roitt I.M., Delves P.J.: Encyclopedia of Immunology, 2nd ed., Academic Press, London, 1998.

Smolarz A., Wójcik W., Gromaszek K.: Fuzzy modeling for optical sensor for diagnostics of pulverized coal burner, Procedia Engineering - 2012, vol. 47, pp. 1029-1032. DOI: https://doi.org/10.1016/j.proeng.2012.09.325

Wójcik W., Kotyra A., Smolarz A., Wojciechowski C.: Application of wavelet transformation for analysis of measurements in fibre optic flame monitoring system, Proceedings of SPIE, tom 4239, 2000, pp. 96-101. DOI: https://doi.org/10.1117/12.409171

Smolarz, A. ., Lytvynenko, V. ., Kozhukhovskaya, O. ., & Gromaszek, K. (2013). HYBRYDOWY ALGORYTM NEGATYWNEJ SELEKCJI KLONALNEJ DO DIAGNOSTYKI SPALANIA W POJEDYNCZYM PALNIKU PYŁOWYM. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 3(4), 69–73. https://doi.org/10.35784/iapgos.1484

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 3 Nr 4 (2013)

Archiwum

##plugins.themes.bootstrap3.article.main##

DOI

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja