Штучний інтелект

Анотація: У роботі представлені технології, розроблені в Інституті електроніки та інформаційних технологій Люблінського технологічного університету. Вони використовують оптичні датчики та методи штучного інтелекту для контролю та діагностики процесу. Дослідження спрямовано на розробку системи, що дозволяє провести параметричну оцінку якості роботи пиловугільного пальника. Через високу нелінійну природу залежностей та відсутність аналітичної моделі для оцінки та класифікації обраного параметра були використані методи штучного інтелекту, включаючи відносно новий клас методів класифікації - алгоритми штучної імунології. У статті наведені результати для солом'яно- вугільних сумішей, але методологія може застосовуватися і для інших типів сумішей.

Ключові слова: спалювання біомаси, нейро-нечітке моделювання, штучна імунна класифікація

Посилання:

1. Wójcik W., Surtel W., Smolarz A., Kotyra A., Komada P. Optical fiber system for combustion quality analysis in power boilers. - 2001 Proceedings of SPIE 4425: pp. 517-522.
2. Wojcik W., Golec T., Kotyra A., Smolarz A., Komada P. Concept of application of signals from fiber optic system for flame monitoring to control separate pulverized coal burner. - 2004. Proc. SPIE 5484: 427 p.
3. Xu L., Tan C., Li X., Cheng Y. Fuel-type identification using joint probability density arbiter and soft- computing techniques. - 2012. IEEE Transactions on Instrumentation and Measurement 61(2): 286 - 296 p.
4. Jang J.-S. Rule extraction using generalized neural networks. R., 1991. Proc. of the 4th IFSA World Congress, in the Volume for Artificial Intelligence: pp. 82-86.
5. Smolarz A., Wójcik W., Kotyra A., Wojciechowski C., Komada P. Fibre optic monitoring system. - 1999. Proceedings of SPIE 4239: pp. 129-132.
6. De Castro L.N., Timmis J.I. Artificial immune systems as a novel soft computing paradigm. – 2003. Soft Computing Journal 7: pp. 526-544.
7. Forrest S. Self-nonself discrimination in a computer. Proc. of the 1994 IEEE Symposium on Research in Security and Privacy.
8. Lytvynenko V.I. Immune classifier for binary classification tasks - practical implementation. – 2006. System technologies 5(46): pp. 113-126.
9. Lytvynenko V.I. Comparative experimental study of a modified negative selection algorithm and clonal selection algorithm negative for solving classification. – 2008. Vestnik Kherson National Technical University, 4(33): pp. 7-14.
10. Smolarz A., Lytvynenko V., Kozhukhovskaya O., Gromaszek K. Combined clonal negative selection algorithm for diagnostics of combustion in individual PC burner. – 2013. IAPGOS 4: pp. 69-73.