• 제어로봇시스템학회논문지
• /
• 제6권12호
• /
• pp.1113-1119
• /
• 2000

To operate a process plant safely and economically, process monitoring is very important. Process monitoring is the task to identify the state of the system from sensor data. Process monitoring includes data acquisition, regulatory control, data reconciliation, fault detection, etc. This research focuses on the data recon-ciliation using scale-space filtering and fault detection using functional-link associative neural networks. Scale-space filtering is a multi-resolution signal analysis method. Scale-space filtering can extract highest frequency factors(noise) effectively. But scale-space filtering has too large calculation costs and end effect problems. This research reduces the calculation cost of scale-space filtering by applying the minimum limit to the gaussian kernel. And the end-effect that occurs at the end of the signal of the scale-space filtering is overcome by using extrapolation related with the clustering change detection method. Nonlinear principal component analysis methods using neural network have been reviewed and the separately expanded functional-link associative neural network is proposed for chemical process monitoring. The separately expanded functional-link associative neural network has better learning capabilities, generalization abilities and short learning time than the exiting-neural networks. Separately expanded functional-link associative neural network can express a statistical model similar to real process by expanding the input data separately. Combining the proposed methods-modified scale-space filtering and fault detection method using the separately expanded functional-link associative neural network-a process monitoring system is proposed in this research. the usefulness of the proposed method is proven by its application a boiler water supply unit.

• 한국가스학회지
• /
• 제7권3호
• /
• pp.24-31
• /
• 2003

화학공장은 수많은 장치들로 구성되어 있고 매우 복잡한 구조를 가지고 있다. 특히 분산 제어 시스템(Distributed Control System, DCS)이나 공정 정보 시스템(Process Information System, PIS) 등을 설치하여 매분 또는 매초 단위로 공정 데이터를 얻고 있다. 화학공장의 경우, 데이터들의 방대한 양 뿐 만 아니라 데이터들간의 상호 연관성이 크고 재순환이나 화학 반응 등으로 인하여 막대한 계산량 및 비선형성을 지니기 때문에 효과적 분석에 곤란한 점이 있다. 따라서 본 연구에서는 함수연결연상 신경망을 이용하여 입력변수들을 확장함으로써 신경망의 비선형성 표현능력과 학습능력이 뛰어난 프로그램의 개발에 주안점을 두고 있다. REFA (Real Time Fault Analyzer)는 실시간으로 공정정보를 입력받은 후 입력값을 PC로 매핑하고, 이를 다시 역으로 매핑하여 입력값을 예측하여 공정을 감시하는 시스템으로 개발되었으며, Tennessee Eastman 공정에 적용해 우수성을 입증하였다.

• 한국가스학회:학술대회논문집
• /
• 한국가스학회 1999년도 추계학술발표회 논문집
• /
• pp.231-235
• /
• 1999