Szybka i precyzyjna detekcja oraz lokalizacja uszkodzeń pozwala na zwiększenie bezpieczeństwa w procesach przemysłowych, a tym samym uniknięcie m.in. zagrożenia życia lub zdrowia ludzi, skażenia środowiska, czy pożaru. Jednak, aby można było podjąć właściwe działania zabezpieczające, konieczna jest wiedza o zaistniałych uszkodzeniach.

– Przyczynami stanów awaryjnych mogą być uszkodzenia, błędy ludzkie, a ostatnio także cyberataki – mówi prof. dr hab. inż. Jan Maciej Kościelny z Politechniki Warszawskiej. – Aby im zapobiegać, musimy je bardzo wcześnie rozpoznawać, aby podjąć odpowiednie decyzje. Do tego potrzebna jest odporna i precyzyjna diagnostyka – dodaje.

Powszechnie stosowanym rozwiązaniem jest system alarmowy, który ma wiele wad i w sytuacji awaryjnej potrafi wygenerować nawet kilkaset alarmów w kilka minut (tzw. powódź alarmów). W ramach realizacji grantu Centrum Badawczego POB Sztuczna inteligencja i robotyka zespół naukowców z Wydziału Mechatroniki PW opracował nową metodę odpornej lokalizacji uszkodzeń przeznaczoną dla złożonych obiektów diagnozowania. Odporność algorytmu została uzyskana dzięki zastosowaniu wnioskowania bazującego na fuzji podejścia bayesowskiego oraz rozmytego. Natomiast precyzję diagnoz osiągnięto stosując trójwartościową rozmytą ocenę residuów oraz wykorzystanie wiedzy (często niekompletnej) o kolejności powstania symptomów. Opracowane metody uwzględniają możliwości powstania uszkodzeń wielokrotnych oraz stosują dynamiczną dekompozycję diagnozowanego obiektu.

– Nasza metoda oparta jest na wnioskowaniu na podstawie obserwowanych symptomów, które powstają w stanach z uszkodzeniami – wyjaśnia prof. Kościelny. – Chodzi o to, aby system diagnostyczny wypracowywał diagnozy prawdziwe i precyzyjne, pomimo istnienia wielu niepewności diagnozowania – dodaje.

Wyniki badań prowadzonych w ramach grantu opublikowano m.in. w:

• Engineering Applications of Artificial Intelligence – „Diagnosing with a hybrid fuzzy-Bayesian inference approach”;
• Energies – „Diagnostic Row Reasoning Method Based on Multiple‐Valued Evaluation of Residuals and Elementary Symptoms Sequence”;
• Energies  – „Diagnostic Column Reasoning Based on Multiple-Valued Evaluation of Residuals and Elementary Symptoms Seguence”.

-

Projekt „Metody wnioskowania odpornego dla diagnostycznych systemów doradczych” jest finansowany z grantu badawczego Centrum Badawczego POB Sztuczna inteligencja i robotyka programu Inicjatywa Doskonałości - Uczelnia Badawcza, który realizowany jest na Politechnice Warszawskiej.

Skład zespołu badawczego:
prof. dr hab. inż. Jan Maciej Kościelny; dr hab. inż. Michał Bartyś, prof. uczelni; dr hab. inż. Michał Syfert

Zapraszamy do zapoznania się z informacją z Katalogu B+R: Zespół Diagnostyki Procesów i Systemów.