استفاده از شبکه عصبی و ماشین بردار پشتیبان برای پیش بینی وقوع خطا در بخش Data Logger یک سیستم کنترل توزیع

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,953

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISCEE12_168

تاریخ نمایه سازی: 29 اسفند 1387

چکیده مقاله:

از جمله وقایعی که در بخش Data Logger یک سیستم کنترل توزیع شده(Distributed Control System) با برچسب زمانی ثبت می شود ، خطاها می باشد. این خطاها بنا به ماهیت آن ممکن است با به صورت مستقل و بدون ارتباط با خطاهای دیگر در سیستم بوجود آید و یا به دنبال وقوع خطاهای دیگر و به صورت مرتبط با هم در سیستم ظاهر شود. در این مقاله به بررسی پیش بینی وقوع چهارتا از خطاهای مرتبط با هم در ایستگاه پست شهر توس می پردازیم. برای پیاده سازی ایده خود از دو روش یادگیری Support Vector Machine (SVM) Multi Layer Perceptron (MLP) و برای آموزش شبکه خود از خطاهای ثبت شده در بخش Data Logger سیستم کنترل توزیع شده ایستگاه پست شهر توس بهره گرفتیم. پس از آموزش و تست شبکه عصبی MLP و ماشین بردار پشتیبان (SVM) به نتایج خوبی برای پیش بینی وقوع چهاتا از خطاهای مورد نظر دست یافتیم که وجود چنین سیستم تشخیص و پیش بینی خطایی بازدهی و امنیت بالا را برای سیستم کنترل به ارمغان می آورد.

کلیدواژه ها:

نویسندگان

محسن ماهور

دانشکده برق دانشگاه شهید رجایی

رضا ابراهیم پور

دانشکده برق دانشگاه شهید رجایی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • شهرام فهیمی، آشنایی با سیستم های کنترل توزیع شده. انتشارات ...
  • Gustavo Arro yo-Figueroa, Luis Enrique Sucar. *Temporal Bayesian Network of ...
  • T.V. Santosh, A. Srivastava, V.V.S Sanyasi Rao, system Diagnostic؛ A.K. ...
  • M. Fast, M.Assadi, S. De _ Development and multi-utility of ...
  • G. Arro yo-Figueroa, E. Sucar, "Temporal ...
  • Workshop _ Bayesian Modeling Applications UAI 2003, Acapulco, Mex, August ...
  • S. Haykin, Neural Networks: A Comp rehensive Foundation. USA: Prentice ...
  • V. Vapnik, Satatistical Learning Theory. John Wiley & Sons, 1998. ...
  • N. Cristianin, J. S hawe-Taylor, _ Introduction to Suppoert Vector ...
  • I. Witten and E. Frank. Data Mining: Practical Machine Learning ...
  • نمایش کامل مراجع