Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/67558
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorวราภรณ์ เชาว์วิศิษฐ-
dc.contributor.authorรจนา งามมิตรสมบูรณ์-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์-
dc.date.accessioned2020-08-18T02:29:17Z-
dc.date.available2020-08-18T02:29:17Z-
dc.date.issued2542-
dc.identifier.isbn9743337636-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/67558-
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2542-
dc.description.abstractงานวิทยานิพนธ์นี้ได้ศึกษาการตรวจพบและวินิจฉัยความผิดพร่องหลายแห่งพร้อมกันในกระบวน การโดยใช้ข่ายงานประสาทแบบลำดับชั้นหลายชั้นตอน ( Multi-Stage Hierarchical Artificial Neural Network, MSHANN ) เพื่อให้ตรวจพบความผิดพร่องได้ตั้งแต่ในช่วงภาวะชั่วครู่ของระบบ และเพื่อเพิ่ม ประสิทธิภาพในการสอนข่ายงานประสาท ทำให้ลามารถวินิจฉัยความผิดพร่องที่เกิดขึ้นหลายแห่งพร้อมกัน ได้ดียิ่งขึ้น ตัวอย่างที่ทำการศึกษาได้แก่ ระบบถังปฏิกรณ์เคมีชนิดต่อเนื่อง และระบบหอกลั่นแยกสารผสม สองชนิด ซึ่งทั้งสองระบบนี้มีช่วงเวลาเข้าที่ยาวนาน ผลการจำลองระบบด้วยคอมพิวเตอร์ แสดงให้เห็นว่า MSHANN สามารถตรวจพบและวินิจฉัยความผิดพร่องเดี่ยวและความผิดพร่องสองแห่งพร้อมกันได้ถูกต้อง ในขณะที่ระบบยังคงอยู่ในภาวะชั่วครู่ ในระบบหอกลั่นแยกสารผสมสองชนิด ยังได้มีการพัฒนาข่ายงานให้เพิ่มความสามารถที่นอกเหนือ ไปจากการตรวจพบและวินิจฉัยความผิดพร่อง โดยสามารถบอกระดับขนาดต่าง ๆ กันของความผิดพร่อง เดี่ยวและปรับแก้ความผิดพร่องเดี่ยวที่เกิดขึ้นในระบบได้ตั้งแต่ในช่วงภาวะชั่วครู่ จากผลการจำลองระบบ ด้วยคอมพิวเตอร์แสดงให้เห็นว่า MSHANN สามารถบอกระดับขนาดของความผิดพร่องเดี่ยวที่พิจารณา ได้ถูกต้องทุกแห่งตั้งแต่ในช่วงภาวะชั่วครู่ของระบบ และสามารถปรับแก้ความผิดพร่องเดี่ยวบางแห่งที่เกิด ขึ้นได้-
dc.description.abstractalternativeThis thesis presents application of Multi-Stage Hierarchical Artificial Neural Network (MSHANN) in process fault detection and diagnosis. The advantages of using MSHANN are the ability to detect faults during transient period, the efficiency of training the artificial neural networks and the effectiveness of classification of the multiple simultaneous faults. From computer simulation using a model of a continuous stirred tank reactor (CSTR) and a model of a binary distillation column which have long settling time, MSHANN successfully detects and diagnoses single faults and double faults during transient period. Furthermore, this thesis presents application of MSHANN not only in process fault detection and diagnosis, but also in fault identification (determination of the degree of fault) and fault accommodation (control reconfiguration) during transient period. The results from computer simulation using a binary distillation column show that MSHANN can detect, diagnose and identify every considered single fault during transient period, and some single faults accommodation can be achieved.-
dc.language.isoth-
dc.publisherจุฬาลงกรณ์มหาวิทยาลัย-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัย-
dc.subjectความผิดพร่อง-
dc.subjectนิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)-
dc.subjectระบบถังปฏิกรณ์เคมี-
dc.titleระบบตรวจพบและวินิจฉัยความผิดพร่องหลายแห่งพร้อมกันในกระบวนการโดยใช้ข่ายงานประสาทแบบลำดับชั้นหลายขั้นตอน-
dc.title.alternativeProcess fault detection and diagnosis of multiple simultaneous faults using multi-stage hierarchical artificial neural network-
dc.typeThesis-
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิต-
dc.degree.levelปริญญาโท-
dc.degree.disciplineวิศวกรรมไฟฟ้า-
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัย-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
Rojana_ng_front_p.pdf1.05 MBAdobe PDFView/Open
Rojana_ng_ch1_p.pdf1.13 MBAdobe PDFView/Open
Rojana_ng_ch2_p.pdf719.43 kBAdobe PDFView/Open
Rojana_ng_ch3_p.pdf1.08 MBAdobe PDFView/Open
Rojana_ng_ch4_p.pdf1.8 MBAdobe PDFView/Open
Rojana_ng_ch5_p.pdf2.36 MBAdobe PDFView/Open
Rojana_ng_ch6_p.pdf1.45 MBAdobe PDFView/Open
Rojana_ng_ch7_p.pdf738.59 kBAdobe PDFView/Open
Rojana_ng_back_p.pdf716.09 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.