|
|
Iranian Journal of Chemistry and Chemical Engineering، جلد ۲۴، شماره ۳، صفحات ۵۹-۶۶
|
|
|
| عنوان فارسی |
|
|
| چکیده فارسی مقاله |
|
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Detection of Single and Dual Incipient Process Faults Using an Improved Artificial Neural Network |
|
| چکیده انگلیسی مقاله |
Changes in the physicochemical conditions of process unit, even under control, may lead to what are generically referred to as faults. The cognition of causes is very important, because the system can be diagnosed and fault tolerated. In this article, we discuss and propose an artificial neural network that can detect the incipient and gradual faults either individually or mutually. The main feature of the proposed network is including the fault patterns in the input space. The scheme is examined through a sample unit with five probable occurring faults. The simulation results indicate that the proposed algorithm can detect both single and two simultaneous faults properly. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
محمودرضا پیشوایی | mahmoud reza
department of chemical amp;amp; petroleum engineering, sharif university of technology, tehran, i.r. iran
سازمان اصلی تایید شده: دانشگاه صنعتی شریف (Sharif university of technology)
محمد شاهرخی |
department of chemical amp;amp; petroleum engineering, sharif university of technology, tehran, i.r. iran
سازمان اصلی تایید شده: دانشگاه صنعتی شریف (Sharif university of technology)
|
|
| نشانی اینترنتی |
http://www.ijcce.ac.ir/article_8117_561a9fb756743e00ac25b62424bc46a0.pdf |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
en |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|