Primerjava metod aproksimativnega sklepanja pri izolaciji napak - simulacijska študija
|
|
- Sherman Bond
- 5 years ago
- Views:
Transcription
1 Elektrotehniški vestnik 69(2): , 2002 Electrotechnical Review, Ljubljana, Slovenija Primerjava metod aproksimativnega sklepanja pri izolaciji napak - simulacijska študija Andrej Rakar, D- ani Juričić Institut Jožef Stefan, Odsek za računalniško avtomatizacijo in regulacije, Jamova 39, 1111 Ljubljana, Slovenija E-pošta: andrej.rakar@ijs.si Povzetek. Vloga izolacije napak v okviru diagnostičnega sistema je določiti vrsto in lokacijo napake v sistemu. Izolacijske lastnosti in sposobnosti diagnostičnih sistemov so v veliki meri odvisne od izbranega načina logičnega sklepanja. Zato je osrednja tema tega prispevka primerjava znanih metod sklepanja, ki izhajajo iz različnih raziskovalnih krogov (kemijska tehnologija, elektrotehnika, umetna inteligenca). Pri tem nam laboratorijski sistem treh posod služi za ilustrativni primer. Diagnostični rezultati nazorno prikazujejo glavne prednosti in slabosti posameznih metod, pri čemer se je metoda prenosa zaupanja izkazala za najprimernejšo v praktični uporabi. Ključne besede: odkrivanje napak, aproksimativno sklepanje, metoda prenosa zaupanja, mehka logika, sistem treh posod Comparison of approximate reasoning approaches for fault isolation - a simulation study Extended abstract. Tough competition on the market is putting pressure on companies to steadily increase their product quality while reducing production costs and adhering to environmental constraints. To accomplish this, modern model-based diagnostic systems should be designed. From available process data they first infer about the presence of a fault in the system (detection) and then they try to determine the type and location of a fault (isolation). Fault isolation is performed on the basis of symptoms evaluation and their mutual dependencies by means of logical reasoning. The traditional Boolean reasoning seems to be unsuitable for practical applications [1] due to the problems with diagnostic instability. To overcome this problem, approximate reasoning approaches have been suggested. Bayesian reasoning [2], fuzzy logic [3], confirmation theory [4] and its derivatives DMP (Diagnostic Model Processor) [5] and DMA (Deep Model Algorithm) [6] belong to this track. A step further represents TBM (Transferable Belief Model) [7], which originates from the Dempster-Shafer s mathematical theory of evidence [8]. The paper focuses on a comparison of various reasoning approaches that have been suggested by different engineering communities. For this purpose, a benchmark case study of a three tank system is chosen. Several different faults were simulated and the following conclusions summarise the results. Results obtained with the DMP approach are often misleading and unreliable. In spite of considering different sensitivities of residuals, many faults exhibit similar failure likelihoods that make the isolation impossible. Similar holds for the DMA approach where there is also an obvious problem with the diagnostic instability. This is mainly due to the fact that the approach does not properly handle the signal noise, the size of which is usually independent and thus unrelated to the sensitivity of residuals to faults. Fuzzy logic and TBM approach give similar diagnostic results that are the best compared to the previous methods. All faults are successfully isolated, while diagnostic results are ac- Prejet 20. julij, 2001 Odobren 13. november, 2001 curate, stable and reliable with some inconsistencies during the transient periods. TBM successfully handles this case with high strength of conflict (SC) during these periods, thus correctly indicating lower reliability of diagnostic results during this time. Key words: fault diagnosis, approximate reasoning, transferable belief model, fuzzy logic, three-tank system 1 Uvod Konkurenčne razmere na trgu terjajo čedalje večjo učinkovitost proizvodnje, vključno z visoko kakovostjo produktov in upoštevanjem predpisanih varnostnih zahtev. Zgolj dobra regulacija na najnižjem nivoju vodenja tega še ne zagotavlja. Med delovanjem industrijskih procesov lahko namreč prihaja do različnih okvar, ki vodijo do slabše kakovosti proizvodnje ali popolne okvare sistema. Le-te lahko pravočasno odkrijemo s sodobnimi diagnostičnimi sistemi, ki temeljijo na modelu procesa. Na podlagi meritev iz procesa lahko sklepamo o prisotnosti napake (detekcija) in o vrsti ter lokaciji napake (izolacija). Izolacija napak poteka na podlagi vrednotenja simptomov in povezovanja le-teh z upoštevanjem medsebojnih odvisnosti s pomočjo logičnega sklepanja. Klasično Boolovo sklepanje zaradi težav z diagnostično nestabilnostjo v praktičnih aplikacijah ni primerno [1], zato se bomo osredotočili le na aproksimativne metode logičnega sklepanja. Znani taki pristopi so Bayesovo sklepanje [2], mehka logika [3], konfirmacijska teorija
2 Primerjava metod aproksimativnega sklepanja pri izolaciji napak - simulacijska študija 121 [4] ter njeni izpeljanki DMP (Diagnostic Model Processor) [5] in DMA (Deep Model Algorithm) [6]. Korak naprej pa je t.i. metoda prenosa zaupanja (Transferable Belief Model, TBM) [7], ki izhaja iz Dempster-Shaferjeve matematične teorije dejstev [8]. Izolacijske sposobnosti diagnostičnih sistemov so omejene z razpoložljivostjo meritev iz procesa ter z izbranim nivojem natančnosti (abstrakcijo) pri vrednotenju simptomov. S povečanjem natančnosti lahko znatno izboljšamo ločljivost napak, in to brez potrebe po dodatnih merilnih točkah v sistemu. Vendar pa večja natančnost zahteva tudi več truda pri modeliranju procesa. Glavna razlika med različnimi metodami sklepanja je prav v načinu integriranja dodatnega znanja o procesu. Nekateri napredni pristopi [4][7] tudi omogočajo obravnavanje nekonsistence v podatkih, ki se odraža kot mera za zanesljivost in verodostojnost diagnostičnih rezultatov. Prispevek je organiziran takole. V naslednjem poglavju na kratko predstavimo posamezne aproksimativne metode sklepanja s preprostimi numeričnimi primeri. Tretje poglavje je namenjeno primerjavi metod sklepanja na simulacijskem primeru laboratorijskega procesa. Ugotovitve na podlagi diagnostičnih rezultatov so podane v diskusiji. Na koncu sledijo še glavni sklepi. 2 Metode aproksimativnega sklepanja Slabost klasičnih pristopov, ki temeljijo na Boolovem sklepanju, je v tem, da lahko simptomi zavzamejo le dve vrednosti: prisoten (1) ali ne prisoten (0). Zato lahko že majhne spremembe v signalih zaradi šuma, odstopanj modela in drugih motenj vodijo do velikih sprememb v končni diagnozi. Temu pravimo diagnostična nestabilnost [9]. Z uporabo aproksimativnih metod sklepanja pa simptome ovrednotimo z merami prisotnosti v obliki števila iz intervala [0,1]. Sklepanje torej temelji na mehkih odločitvenih funkcijah (slika 1). Slika 2. Boolovo in aproksimativno sklepanje Figure 2. Boolean and approximate reasoning le najpomembnejše predstavnike uveljavljenih metod. Bayesovo sklepanje tu ni zajeto, saj zaradi drugačne zasnove in temeljnih razlik pri interpretaciji negotovosti [10] preprosta primerjava ni mogoča. Ta problem zahteva širšo ločeno obravnavo, kar presega obseg tega prispevka. 2.1 Mehka logika Mehko logiko pogosto srečamo pri sklepanju v ekspertnih sistemih. Pri vrednotenju simptomov jo uporabimo tako, da simptome predstavimo z mehkimi odločitvenimi funkcijami (slika 1), ki služijo kot pripadnostne funkcije. Tako dobimo mero pripadnosti simptoma odločitveni funkciji v obliki števila z intervala [0, 1] (slika 3). Slika 3. Mera pripadnosti residuala Figure 3. Membership of a residual Slika 1. Pogoste oblike mehkih odločitvenih funkcij Figure 1. Common smooth decision functions Na tak način dajo majhne spremembe v signalih tudi majhne spremembe v diagnostičnih rezultatih (slika 2). Rezultat aproksimativnega sklepanja je tako urejeni seznam osumljenih napak s pripisanimi merami zaupanja. To je bistvo aproksimativnih metod sklepanja. V nadaljevanju si bomo bolj podrobneje ogledali Simptomom, ki pomenijo odstopanja procesnih veličin od normalnih vrednosti, navadno rečemo residuali. Tako residuali blizu nič ustrezajo normalnemu delovanju procesa, medtem ko različni od nič kažejo na prisotnost napake. Le-te lahko predstavimo kot mehki odločitveni vektor: D =[µ 1,µ 2,...,µ k ] T, (1) kjer so µ i mere pripadnosti residualov, 0 µ i 1. Zvezo med residuali in napakami podajajo pravila v obliki:
3 122 Rakar, Juričić P#1 če [r 1 ]=σ 11 [r 2 ]=σ [r k ]=σ 1n, potem f n1 P#2 če [r 1 ]=σ 21 [r 2 ]=σ [r k ]=σ 2n, potem f n2. P#N če [r 1 ]=σ N1 [r 2 ]=σ N2... [r k ]=σ Nn, potem f nn, (2) kjer je n 1,n 2,..., n N {1, 2,..., m}, [r i ] pomeni kvalitativno oceno simptoma r i, ki lahko zavzame vrednost σ ij {1, 0} s pomenom visok (1) ali normalen (0). Mogoča je seveda tudi razširitev razločevanja na več vrednosti, npr. visok (1) in nizek (-1), pri čemer vpeljemo tudi negativne vrednosti pripadnostnih funkcij na intervalu [- 1, 1]. Pravila pogosto zapišemo tudi v obliki t.i. incidenčne matrike: kjer je { λ ij = Λ= λ 11 λ 1m.... λ k1 λ km, (3) ±1 čej - ta napaka vpliva na i - ti residual 0 čej - ta napaka ne vpliva na i - ti residual Možnost nastopa napake f nj dobimo s konjunktivnim operatorjem nad množico residualov. Definiran je kot najmanjša vrednost mer pripadnosti residualov odločitveni funkciji: µ(f nj ) = min{µ ν1,..., µ νm, µ γm+1,..., µ γn } nj, (4) kjer je indeks ν i {1,..., m}, ν i γ j ter predstavlja µ γj =1 µ γj mero odsotnosti residuala v primeru normalnega stanja. Možnosti nastopa lahko določimo le za napake, pri katerih poznamo odločitvena pravila. Ob neznanem pojavu obnašanja simptomov zato sklepanje s pomočjo mehke logike v osnovni obliki odpove. Prvi primer Vzemimo sistem, katerega obnašanje opisuje baza pravil kot sledi: če [r 1 ]=visok [r 2 ]=visok [r 3 ]=normalen, potem f 1 če [r 1 ]=visok [r 2 ]=normalen [r 3 ]=visok, potem f 2 če [r 1 ]=normalen [r 2 ]=visok [r 3 ]=visok, potem f 3 Denimo, da dobimo s pomočjo pripadnostnih funkcij in vrednosti residualov naslednji mehki odločitveni vektor mer pripadnosti residualov: D =[0.9, 0.8, 0.1] T. Z upoštevanjem dane baze pravil in enačbe (4) dobimo naslednje možnosti nastopa napak: µ(f 1 ) = min {0.9, 0.8, 1-0.1} =0.8 µ(f 2 ) = min {0.9, 1-0.8, 0.1} =0.1 µ(f 3 ) = min {1-0.9, 0.8, 0.1} =0.1 Kot rezultat izolacije napak tako dobimo seznam mogočih napak s pripadajočimi merami zaupanja v njihov nastop. 2.2 DMP (diagnostic model processor) DMP (diagnostic model processor) predstavlja modifikacijo konfirmacijske teorije z namenom izboljšanja ločljivosti pri izolaciji napak. Petti [5] zato vpelje občutljivostno matriko S [m,n] kot dodatno kvalitativno znanje o procesu. Če residuale predstavimo v obliki: r i = g i (f), (5) kjer je f=[f 1,f 2,...,f n ] T vektor napak, lahko občutljivost i- tega residuala na j-to napako definiramo kot: in v relativni obliki: s ij = g i f j (6) S ij = s ij τ i. (7) Elementi občutljivostne matrike S ij so definirani relativno glede na izbrane mejne vrednosti τ i. Tako namreč dosežemo, da je občutljivost residualov na napake večja pri residualih z manjšimi mejnimi vrednostmi. Točna določitev občutljivosti ni potrebna, saj pri ločevanju napak zadoščajo relativna odstopanja občutljivosti posameznih napak. Izolacija napak je mogoča s kombiniranjem občutljivostne matrike S s faktorji izpolnjenosti (satisfaction factors), definiranimi kot: (r i /τ i ) k sf i = sgn(r i /τ i ) 1+(r i /τ i ) k, (8) kjer je k sodo število in določa strmino sigmoide, r i je residual ter τ i pripadajoča mejna vrednost. Možnost napake (failure likelihood) definiramo kot uteženo povprečje:
4 Primerjava metod aproksimativnega sklepanja pri izolaciji napak - simulacijska študija 123 F j = m S ij sf i m. (9) S ij i=1 i=1 Vrednosti F j blizu 1 oz. -1 potrjujejo možnost nastopa napake f j v pozitivni oz. negativni smeri. Pri tem je pomembno poudariti, da vsota možnosti nastopa F j vseh napak ni enaka 1 in jo navadno presega. Dejstvo, da je prišlo do določene napake, namreč še ne pomeni, da ni hkrati prišlo še do kake druge napake. Z ustreznim načinom generiranja strukturiranih residualov lahko torej izoliramo tudi hkratne napake. Zaradi vpeljanega dodatnega kvantitativnega znanja bi pričakovali boljšo ločljivost posameznih napak. Vendar pa se izkaže, da sklepanje z uteženim povprečjem ni ustrezno [6], saj odpove že na preprostem primeru kvalitativno izolabilnih napak. Drugi primer Vzemimo sistem z naslednjo občutljivostno matriko S=[S ij ]: S = Napake so očitno kvalitativno izolabilne. Ko so vsi residuali različni od nič in enakega predznaka, je očitno prišlo do napake f 2. Če je prišlo pri napaki f 2 do 10- odstotnega odstopanja v pozitivni smeri, so dani naslednji residuali: r 1 =1.2 r 2 =0.3 r 3 =0.5 Če mejne vrednosti posameznih residualov določimo kot 5% absolutne vrednosti najmanjšega koeficienta v matriki S (τ 1 =0.15, τ 2 = 0.1 in τ 3 = 0.25), dobimo z metodo DMP za k=4 naslednje rezultate: F 1 = F 2 = F 3 = Očitno napak med seboj ne moremo ločiti, saj imajo vse dokaj visoko možnost nastopa. 2.3 DMA (deep model algorithm) Zato je Chang [6] predlagal dopolnitev metode DMP. Osnovna ideja DMA algoritma (deep model algorithm) je definiranje mejnih vrednosti za vsak residual in vsako posamezno napako posebej. Mejne vrednosti definiramo relativno glede na občutljivosti residualov na napake: τ ij = p j s ij fj, (10) kjer je s ij občutljivost definirana kot v (6), f j celotni obseg napake ter p j odstotek obsega, na katerega se mora diagnostični sistem odzvati. Faktorje izpolnjenosti sf ij nato izračunamo za vsako napako posebej ter določimo t.i. stopnjo napake (degree of fault) za f j, kot sledi: d j = 1 m m sf ij. (11) i=1 Pri tem lahko d j zavzame vrednosti med 1 in 1, približevanje k 1 oz. -1 pa pomeni možnost nastopa napake f j v pozitivnem oz. negativnem smislu. Ta definicija je podobna definiciji (9), le da so tu sf ij že utežene s faktorji občutljivosti prek relativno definiranih mejnih vrednosti (10). Boljšo diagnostično ločljivost lahko dosežemo z upoštevanjem faktorja skladnosti (consistency factor), ki ga dobimo kot: [ cf j =1 sf max,j sf min,j max( sf 1j, sf 2j,..., sf mj ) ], (12) kjer sta sf max,j in sf min,j največji in najmanjši faktor izpolnjenosti za napako f j : sf max,j = max(sf 1j,sf 2j,..., sf mj ) sf min,j = min(sf 1j,sf 2j,..., sf mj ) (13) cf j lahko zavzame vrednosti med 1 in 1. Pozitivne vrednosti potrjujejo skladnost med posameznimi sf ij, medtem ko negativne vrednosti kažejo na neskladje med njimi. Z uporabo dvojice: (d j, cf j ) dosežemo večjo diagnostično ločljivost. Med napakami s podobno visokimi stopnjami d j izberemo tisto z največjim faktorjem skladnosti cf j. Ker algoritem upošteva različne občutljivosti residualov na napake, bi pričakovali, da je sposoben ločevati tudi kvalitativno neizolabilne napake. Izkaže pa se, da to vedno ne velja, kar lahko ponazorimo že s preprostim primerom. Tretji primer Vzemimo sistem z naslednjo občutljivostno matriko S=[s ij ], S = [ ]
5 124 Rakar, Juričić Napake očitno niso kvalitativno izolabilne, faktorji občutljivosti pa so precej različni. Denimo, da je prišlo do napake f 2 z 10-odstotnim odstopanjem v pozitivni smeri, kar nam da naslednja residuala: r 1 =1.0 r 2 =0.5 Če mejne vrednosti posameznih residualov določimo kot5%občutljivostnega koeficienta: τ ij =5% s ij, dobimo naslednje faktorje izpolnjenosti za k=4: [ ] sf = Z upoštevanjem enačb (11) in (12) dobimo naslednje dvojice stopenj napak s pripadajočimi faktorji skladnosti (d j,cf j ): f 1 : (1, 1) f 2 : (0.94, 1) f 3 : (0.97, 0.94) Očitno napak ne moremo ločiti med seboj, saj imajo vse visoke stopnje z visokim faktorjem skladnosti; in to kljub temu, da imajo napake med seboj precej različne občutljivostne koeficiente. 2.4 TBM (metoda prenosa zaupanja) Metoda prenosa zaupanja (transferable belief model, TBM) je zasnovana kot razširitev Dempster-Shaferjeve matematične teorije dejstev [8]. Njena posebnost je vpeljava t.i. modela odprtega sveta [7]. V nasprotju z drugimi pristopi, poleg mogočih in nemogočih dogodkov, predvideva tudi obstoj neznanih dogodkov. Nastop neznane napake tako ne povzroči zavajajočih diagnostičnih rezultatov. Podroben opis teorije je podan v [10]. Sklepanje poteka v dveh korakih. Najprej določimo uteži osnovnega zaupanja m za podmnožici: { } A i = { B i = λ i,j 0 f j in }, f j f 0 λ i,j=0 i =1, 2,..., K, j =1, 2,..., M, (15) ki sta med seboj komplementarni (m(b i )=1-m(A i )). Mere osnovnega zaupanja določimo kot gladke funkcije residualov (slika 1). Osnovna oblika je sigmoidna funkcija, definirana kot: 1 m i (A i )= 1+ 1 a a (, (16) τi r i ) 2γ kjer je a zaupanje, prirejeno mejni vrednosti τ i,inγ prilagodljiva stopnja glajenja. V naslednjem koraku določimo mere zaupanja v posamezne napake in stanje brez napak z uporabo nenormiranega Dempsterjevega pravila kombiniranja [10]. V danem okviru, ko so residuali edini vir dejstev, se pravilo poenostavi v: K m(f j ) = m i (A i ) i =1 f j A i K m i (B i ). (17) i =1 f j B i Preostanek zaupanja pripišemo prazni množici: m(φ) =SC =1 M m(f j ) (18) j=0 in ga imenujemo moč konflikta (SC). To mero si lahko razlagamo kot nepripisano zaupanje, ki je posledica napake modela, šuma ali neznane (nepredvidene) napake. Služi nam lahko kot mera zanesljivosti diagnostičnih rezultatov, kar je pomembna prednost te teorije. Diagnostične rezultate na koncu predstavimo kot urejeni seznam mogočih napak glede na dane mere zaupanja. Pomembno je poudariti, da stanja napak niso nujno posamezne napake, temveč so lahko tudi množice več napak. Z morebitnimi novimi dejstvi, ki omogočajo boljše ločevanje napak, lahko tako pride do prenosa zaupanja na bolj natančno stanje napake. Od tod tudi ime metoda prenosa zaupanja. Četrti primer Vzemimo sistem iz primera 1, ki ga tokrat opišemo z incidenčno matriko (tabela 1). λ i,j f 1 f 2 f 3 r r r Tabela 1. Primer incidenčne matrike Table 1. Incidence matrix example Predpostavimo, da je prišlo do napake f 1, pri čemer imajo residuali naslednje vrednosti: r 1 = 1.5,r 2 = 1.5,r 3 = 0.5. Vzemimo τ i = 1 in γ=4. Neničelni residual r 1 pomeni prisotnost napake f 1 ali f 2, kar daje naslednjo mero osnovnega zaupanja: m 1 (f 1 f 2 )= ( 1 ) 8 = Podobno ničelni r 1 pomeni napako f 3 ali stanje brez napak. Tako dobimo: m 1 (f 3 f 0 )=1 m 1 (f 1 f 2 )=0.038.
6 Primerjava metod aproksimativnega sklepanja pri izolaciji napak - simulacijska študija 125 Preostale mere zaupanja lahko dobimo na enak način. Njihove vrednosti podaja tabela 2. m 1 (f 1 f 2 )=0.962 m 1 (f 3 f 0 )=0.038 m 2 (f 1 f 3 )=0.962 m 2 (f 2 f 0 )=0.038 m 3 (f 2 f 3 )=0.004 m 3 (f 1 f 0 )=0.996 Tabela 2. Osnovne funkcije zaupanja Table 2. Basic belief functions Nenormirano Dempsterjevo pravilo kombiniranja daje naslednjo mero zaupanja v f 1 : m(f 1 )= = Tabela 3 podaja še preostale mere zaupanja. (m 1 m 2 m 3 )(f 1 )=0.922 (m 1 m 2 m 3 )(f 2 )= (m 1 m 2 m 3 )(f 3 )= (m 1 m 2 m 3 )(f 0 )=0.001 (m 1 m 2 m 3 )(φ)=0.077 Tabela 3. Mere zaupanja za stanja napak in SC Table 3. Beliefs of faults and SC Iz tabele 3 je razvidno, da gre res za napako f 1, saj ima daleč največje zaupanje, zaupanje v druge napake pa je bistveno manjše, z nizko vrednostjo moči konflikta SC= Primerjava metod sklepanja Predstavljene metode aproksimativnega sklepanja uporabimo pri izolaciji napak na sistemu treh posod. Pri tem uporabimo simulator, ki temelji na podrobnem semi-fizikalnem matematičnem modelu. Shemo procesa prikazuje slika 4, podrobna razlaga pa je podana v [10]. Izolacija napak Seznam obravnavanih napak je podan v tabeli 4. Residuale generiramo s pomočjo filtrov stanj [10]. Ker je število meritev iz procesa omejeno (nivoji h 1m, h 2m, h 3m v posodah ter vhodi ω 2 in u 5 ), imamo le tri primarne residuale. # Vrsta napake f 1 puščanje v R1 f 2 zamašitev V1 f 3 napaka tipala za h1 f 4 zamašitev V4 f 5 napaka tipala za h2 f 6 napaka tipala za h3 zamašitev V2 f 7 Tabela 4. Mogoče napake Table 4. Possible faults Incidenčno matriko za dani izbor napak in residualov podaja tabela 5. f 1 f 2 f 3 f 4 f 5 f 6 f 7 r r r Tabela 5. Incidenčna matrika Table 5. Incidence matrix Očitno napak f 2 in f 3 zaradi njunih enakih kod ni mogoče kvalitativno izolirati. Enako velja za f 6 in f 7. Diagnostično ločljivost povečamo z vpeljavo občutljivostne matrike S=[s ij ], ki jo dobimo z uporabo enačbe (6) in upoštevanjem enačb modela [10]. Pri metodah DMP in DMA uporabimo originalni pristop integracije matrike S (en. 9 in 11), medtem ko pri mehki logiki in TBM vpeljemo dodatne residuale, ki jih dobimo z linearno kombinacijo več primarnih residualov, tako da so novi residuali neobčutljivi na izbrane napake. Namreč, če imamo residuala r i in r j,kistaobčutljiva na napaki f u in f v, lahko dobimo novi residual: r k = s ju r i s iu r j, (19) ki je neobčutljiv na napako f u. Tako lahko določimo in uporabimo faktorje občutljivosti le tam, kjer je to za izolacijo napak potrebno. V našem primeru vpeljemo naslednje dodatne residuale: Slika 4. Shema procesa Figure 4. Process flowsheet r 4 = s 23 r 1 s 13 r 2 r 5 = s 37 r 2 s 27 r 3 (20) Razširjena incidenčna matrika je tako: Dodatne residuale uporabimo le pri sklepanju za napake, ki jih sicer ni mogoče kvalitativno ločiti, saj so
7 126 Rakar, Juričić F 1 f 2 f 3 f 4 f 5 f 6 f 7 r r r r 4 x 1 0 x x x x r 5 x x x x x 1 0 Tabela 6. Razširjena incidenčna matrika Table 6. Extended incidence matrix nepotrebni za druge napake. To ponazarja oznaka X v incidenčni matriki. 3.1 Diagnostični rezultati Odzive različnih metod sklepanja prikazujejo slike od 5 do 8. Zaradi prostorskih omejitev so prikazane le napake f 1, f 2 in f 3. Metodi DMP in DMA tudi ne omogočata ocene stanja brez napak. Težave z metodama DMP in DMA kažejo na slabo dovršenost algoritmov, ki so bili očitno razviti za konkretne potrebe reševanja natančno določenih problemov [5][6]. Glavna pomanjkljivost zadeva šum, ki ni ustrezno obravnavan. Seveda je mogoče te algoritme tudi dopolniti, kar pa ni bil namen našega dela. Rezultati DMP (slika 5) so pogosto zavajajoči in nezanesljivi. Kljub upoštevanju različne občutljivosti residualov, imajo napake pogosto zelo podobne možnosti nastopa (detajl na sliki 5), tako da izolacija napak ni mogoča. Podobno velja tudi za metodo DMA (slika 6), kjer imamo očitno težave tudi z diagnostično nestabilnostjo. To je zlasti posledica dejstva, da so tu mejne vrednosti definirane relativno glede na občutljivost residualov na napake (10), ne da bi pri tem upoštevali nivo šuma. Šum je namreč neodvisen od občutljivosti na napake. Zato pri majhnih občutljivostih dobimo prenizke mejne vrednosti, kar vodi do diagnostične nestabilnosti. Mehka logika (slika 7) in TBM (slika 8) dajeta najboljše in med seboj dokaj podobne rezultate. Želena maksimalna ločljivost je bila dosežena, saj smo vse napake v obeh primerih izolirali brez težav, diagnostični rezultati pa so točni, stabilni in zanesljivi, le v času izrazitih prehodnih pojavov je nekaj težav. Pri TBM lahko tako opazimo povečanje moči konflikta (SC) v tem času, kar pravilno kaže na manjšo zanesljivost diagnoze med prehodnim pojavom. 4 Sklep Cilj tega prispevka je bil pokazati sposobnosti in omejitve nekaterih metod aproksimativnega sklepanja pri izolaciji napak. Opise spremljajo nazorni ilustrativni numerični primeri, za potrebe primerjave pa smo oprav- Slika 5. Diagnostični rezultati pri metodi DMP Figure 5. Diagnostic results by DMP Slika 6. Diagnostični rezultati pri metodi DMA Figure 6. Diagnostic results by DMA Slika 7. Diagnostični rezultati pri mehki logiki Figure 7. Diagnostic results by fuzzy logic ili tudi simulacijsko študijo na laboratorijskem testnem procesu. Razlike v zmogljivosti izhajajo zlasti iz različnih pristopov kombiniranja dodatnega znanja iz različnih nivojev natančnosti (abstrakcija) z namenom doseganja večje diagnostične ločljivosti. Najboljše rezul-
8 [3] L. A. Zadeh, Fuzzy sets as a basis for a theory of possibility, Int. Journ. of Fuzzy Sets and Systems, 1, str. 3-28, [4] C. G. Hempel, Studies in the logic of confirmation, Aspects of Scientific Explanation and Other Essays in the Philosophy of Science, Free Press, New York, [5] T. F. Petti, J. Klein, P. S. Dhurjati, Diagnostic model processor: using deep knowledge for process fault diagnosis, AiChE Journal, 36:4, str , [6] I. C. Chang, C. C. Yu, C. T. Liou, Model-based approach for fault diagnosis. 1. Principles of deep model algorithm, Ind. Eng. Chem. Res., 33, str , [7] P. Smets, R. Kennes, The transferable belief model, Artificial Intelligence, 66, str , Slika 8. Diagnostični rezultati pri TBM Figure 8. Diagnostic results by TBM tate dosežemo z uporabo mehke logike in metode TBM. Z drugimi metodami bi lahko dosegli primerljive rezultate le z obsežnimi spremembami v načinu kombiniranja dejstev (zlasti upoštevanje nivoja šuma). Podobno velja za model odprtega sveta, ki je lasten metodi TBM. Slednji je še zlasti pomemben pri ocenjevanju verodostojnosti oz. zanesljivosti diagnostičnih rezultatov. Tako ohranimo aktivno vlogo operaterja pri nadzoru procesa, kar omogoča vključitev človeških izkušenj v proces odločanja [10]. 5 Literatura [1] A. Rakar, D-. Juričić, Uporaba metode prenosa zaupanja pri odkrivanju napak v industrijskih procesih, Elektrotehniški vestnik, 66(2), str , [2] M. Karny, I. Nagy, Dynamic Bayesian Decision Making: A Guide with Examples, Monography of the Academy of Sciences of the Czech Republic, [8] G. Shafer, A Mathematical Theory of Evidence, Princeton University Press, [9] M. A. Kramer, Malfunction diagnosis using quantitative models with non-boolean reasoning in expert systems, AIChE Journal, 33:1, str , [10] A. Rakar, Odkrivanje napak v tehničnih sistemih z metodami aproksimativnega sklepanja, Doktorska disertacija, Univerza v Ljubljani, Fakulteta za elektrotehniko, Andrej Rakar je leta 1995 diplomiral, leta 2000 pa doktoriral na Fakulteti za elektrotehniko Univerze v Ljubljani, kjer trenutno deluje kot asistent. Na Odseku za računalniško avtomatizacijo in regulacije Inštituta Jožef Stefan se ukvarja s problematiko odkrivanja napak v tehničnih sistemih s pomočjo aproksimativnega sklepanja. D- ani Juričić je diplomiral, magistriral in doktoriral na Fakulteti za elektrotehniko Univerze v Ljubljani v letih 1980, 1984 in Na Odseku za računalniško avtomatizacijo in regulacije Inštituta Jožef Stefan je že od leta Ukvarja se z identifikacijo sistemov, optimalnim vodenjem in odkrivanjem napak v industrijskih procesih.
TOPLJENEC ASOCIIRA LE V VODNI FAZI
TOPLJENEC ASOCIIRA LE V VODNI FAZI V primeru asociacij molekul topljenca v vodni ali organski fazi eksperimentalno določeni navidezni porazdelitveni koeficient (P n ) v odvisnosti od koncentracije ni konstanten.
More informationOA07 ANNEX 4: SCOPE OF ACCREDITATION IN CALIBRATION
OA07 ANNEX 4: SCOPE OF ACCREDITATION IN CALIBRATION Table of contents 1 TECHNICAL FIELDS... 2 2 PRESENTING THE SCOPE OF A CALIBRATION LABOORATORY... 2 3 CONSIDERING CHANGES TO SCOPES... 6 4 CHANGES WITH
More informationINTELLIGENTNI SISTEMI Mehka Logika
INTELLIGENTNI SISTEMI Mehka Logika MEHKA LOGIKA (FUZZY LOGIC) 2011/12 Jurij F. Tasič Emil Plesnik 2011/12 1 Splošna definicija Mehka logika - Fuzzy Logic; 1965 Lotfi Zadeh, Berkely Nadgradnja konvencionalne
More informationReševanje problemov in algoritmi
Reševanje problemov in algoritmi Vhod Algoritem Izhod Kaj bomo spoznali Zgodovina algoritmov. Primeri algoritmov. Algoritmi in programi. Kaj je algoritem? Algoritem je postopek, kako korak za korakom rešimo
More informationIncreasing process safety using analytical redundancy
Elektrotehniški vestnik 69(3-4): 240 246, 2002 Electrotechnical Review, Ljubljana, Slovenija Increasing process safety using analytical redundancy Stojan Peršin, Boris Tovornik, Nenad Muškinja, Drago Valh
More informationOPTIMIRANJE IZDELOVALNIH PROCESOV
OPTIMIRANJE IZDELOVALNIH PROCESOV asist. Damir GRGURAŠ, mag. inž. str izr. prof. dr. Davorin KRAMAR damir.grguras@fs.uni-lj.si Namen vaje: Ugotoviti/določiti optimalne parametre pri struženju za dosego
More informationMultipla korelacija in regresija. Multipla regresija, multipla korelacija, statistično zaključevanje o multiplem R
Multipla koelacia in egesia Multipla egesia, multipla koelacia, statistično zaklučevane o multiplem Multipla egesia osnovni model in ačunane paametov Z multiplo egesio napoveduemo vednost kiteia (odvisne
More informationCveto Trampuž PRIMERJAVA ANALIZE VEČRAZSEŽNIH TABEL Z RAZLIČNIMI MODELI REGRESIJSKE ANALIZE DIHOTOMNIH SPREMENLJIVK
Cveto Trampuž PRIMERJAVA ANALIZE VEČRAZSEŽNIH TABEL Z RAZLIČNIMI MODELI REGRESIJSKE ANALIZE DIHOTOMNIH SPREMENLJIVK POVZETEK. Namen tega dela je prikazati osnove razlik, ki lahko nastanejo pri interpretaciji
More informationInteligentni sistem vodenja proizvodne linije gumijevih profilov
Inteligentni sistem vodenja proizvodne linije gumijevih profilov Andrej Dobnikar, Uroš Lotrič, Branko Šter, Mira Trebar Univerza v Ljubljani, Fakulteta za računalništvo in informatiko Tržaška cesta 25,
More informationAKSIOMATSKA KONSTRUKCIJA NARAVNIH
UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA Poučevanje: Predmetno poučevanje ŠPELA ZOBAVNIK AKSIOMATSKA KONSTRUKCIJA NARAVNIH ŠTEVIL MAGISTRSKO DELO LJUBLJANA, 2016 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA
More informationUNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE
UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Uporaba logistične regresije za napovedovanje razreda, ko je število enot v preučevanih razredih
More informationENERGY AND MASS SPECTROSCOPY OF IONS AND NEUTRALS IN COLD PLASMA
UDK621.3:(53+54+621 +66), ISSN0352-9045 Informaclje MIDEM 3~(~UU8)4, Ljubljana ENERGY AND MASS SPECTROSCOPY OF IONS AND NEUTRALS IN COLD PLASMA Marijan Macek 1,2* Miha Cekada 2 1 University of Ljubljana,
More informationZaznavanje napak in spremljanje čiščenja odpadnih voda na podlagi mehkega modela
ELEKTROTEHNIŠKI VESTNIK 78(3): 42 46, 2 EXISTING SEPARATE ENGLISH EDITION Zaznavanje napak in spremljanje čiščenja odpadnih voda na podlagi mehkega modela Dejan Dovžan, Vito Logar 2, Nadja Hvala 3, Igor
More informationSIMETRIČNE KOMPONENTE
Univerza v Ljubljani Fakulteta za elektrotehniko SIMETRIČNE KOMPONENTE Seminarska naloga pri predmetu Razdelilna in industrijska omrežja Poročilo izdelala: ELIZABETA STOJCHEVA Mentor: prof. dr. Grega Bizjak,
More informationNIKJER-NIČELNI PRETOKI
UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA ALJA ŠUBIC NIKJER-NIČELNI PRETOKI DIPLOMSKO DELO LJUBLJANA, 2016 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA Dvopredmetni učitelj: matematika - računalništvo ALJA
More informationUNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Kvadratne forme nad končnimi obsegi
UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Kvadratne forme nad končnimi obsegi (Quadratic Forms over Finite Fields) Ime in priimek: Borut
More informationJEDRSKA URA JAN JURKOVIČ. Fakulteta za matematiko in fiziko Univerza v Ljubljani
JEDRSKA URA JAN JURKOVIČ Fakulteta za matematiko in fiziko Univerza v Ljubljani Natančnost časa postaja vse bolj uporabna in pomembna, zato se rojevajo novi načini merjenja časa. Do danes najbolj natančnih
More informationSamo-nastavljivo vodenje z DMC-jem in proporcionalnim regulatorjem
Samo-nastavljivo vodenje z DMC-jem in proporcionalnim Matija Arh, Igor Škrjanc Fakulteta za elektrotehniko, Univerza v Ljubljani Tržaška cesta 25, 1000 Ljubjana matija.arh@fe.uni-lj.si, igor.skrjanc@fe.uni-lj.si
More informationUNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Ekstremne porazdelitve za odvisne spremenljivke
UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Ekstremne porazdelitve za odvisne spremenljivke (Extremal Distributions for Dependent Variables)
More informationUNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA POLONA ŠENKINC REŠEVANJE LINEARNIH DIFERENCIALNIH ENAČB DRUGEGA REDA S POMOČJO POTENČNIH VRST DIPLOMSKO DELO
UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA POLONA ŠENKINC REŠEVANJE LINEARNIH DIFERENCIALNIH ENAČB DRUGEGA REDA S POMOČJO POTENČNIH VRST DIPLOMSKO DELO LJUBLJANA, 2016 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA
More informationComputing the steady-state response of nonlinear circuits by means of the ǫ-algorithm
Elektrotehniški vestnik XX(Y): 6, YEAR Electrotechnical Review, Ljubljana, Slovenija Computing the steady-state response of nonlinear circuits by means of the ǫ-algorithm Borut Wagner, Árpád Bűrmen, Janez
More informationAttempt to prepare seasonal weather outlook for Slovenia
Attempt to prepare seasonal weather outlook for Slovenia Main available sources (ECMWF, EUROSIP, IRI, CPC.NCEP.NOAA,..) Two parameters (T and RR anomally) Textual information ( Met Office like ) Issued
More informationMiha Troha. Robotsko učenje in planiranje potiskanja predmetov
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Miha Troha Robotsko učenje in planiranje potiskanja predmetov DIPLOMSKO DELO NA UNIVERZITETNEM ŠTUDIJU Mentor: prof. dr. Ivan Bratko Ljubljana,
More informationIskanje najcenejše poti v grafih preko polkolobarjev
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Veronika Horvat Iskanje najcenejše poti v grafih preko polkolobarjev DIPLOMSKO DELO VISOKOŠOLSKI STROKOVNI ŠTUDIJSKI PROGRAM PRVE STOPNJE
More informationENAČBA STANJA VODE IN VODNE PARE
ENAČBA STANJA VODE IN VODNE PARE SEMINARSKA NALOGA PRI PREDMETU JEDRSKA TEHNIKA IN ENERGETIKA TAMARA STOJANOV MENTOR: IZRED. PROF. DR. IZTOK TISELJ NOVEMBER 2011 Enačba stanja idealni plin: pv = RT p tlak,
More informationSimulation of multilayer coating growth in an industrial magnetron sputtering system
RMZ Materials and Geoenvironment, Vol. 57, No. 3, pp. 317 330, 2010 317 Simulation of multilayer coating growth in an industrial magnetron sputtering system Simulacija rasti večplastnih prevlek v industrijski
More informationNelinearni algoritem za estimacijo stanj in identifikacijo
Elektrotehniški vestnik 68(1): 57 63, 21 Electrotechnical Review, Ljubljana, Slovenija Nelinearni algoritem za estimacijo stanj in identifikacijo parametrov šaržnega biološkega procesa Gregor Bavdaž 1,
More informationFormalni sistem in mehka logika za analizo digitalne slike: osnovni koncept
Elektrotehniški vestnik 69(2): 143 150, 2002 Electrotechnical Review, Ljubljana, Slovenija Formalni sistem in mehka logika za analizo digitalne slike: osnovni koncept Andrej Košir, Jurij Tasič Fakulteta
More informationLinearna regresija. Poglavje 4
Poglavje 4 Linearna regresija Vinkove rezultate iz kemije so založili. Enostavno, komisija je izgubila izpitne pole. Rešitev: Vinko bo kemijo pisal še enkrat. Ampak, ne more, je ravno odšel na trening
More informationPrimerjalna analiza metode neposredne regulacije toka
Elektrotehniški vestnik 70(4): 172 177, 2003 Electrotechnical Review, Ljubljana, Slovenija Primerjalna analiza metode neposredne regulacije toka Vanja Ambrožič, David Nedeljković Fakulteta za elektrotehniko,
More informationModeling and Control of Instabilities in Combustion Processes Modeliranje in upravljanje nestabilnosti v procesih zgorevanja
Izvirni znanstveni članek TEHNIKA - nestabilni termoakustični procesi zgorevanja Datum prejema: 30. julij 2014 ANALI PAZU 4/ 2014/ 1: 34-40 www.anali-pazu.si Modeling and Control of Instabilities in Combustion
More informationUNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA SAŠO ZUPANEC MAX-PLUS ALGEBRA DIPLOMSKO DELO
UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA SAŠO ZUPANEC MAX-PLUS ALGEBRA DIPLOMSKO DELO Ljubljana, 2013 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA ODDELEK ZA MATEMATIKO IN RAČUNALNIŠTVO SAŠO ZUPANEC Mentor:
More informationUNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO. Oddelek za matematiko in računalništvo MAGISTRSKA NALOGA. Tina Lešnik
UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo MAGISTRSKA NALOGA Tina Lešnik Maribor, 2014 UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO
More informationCalculation of stress-strain dependence from tensile tests at high temperatures using final shapes of specimen s contours
RMZ Materials and Geoenvironment, Vol. 59, No. 4, pp. 331 346, 2012 331 Calculation of stress-strain dependence from tensile tests at high temperatures using final shapes of specimen s contours Določitev
More informationVerifikacija napovedi padavin
Oddelek za Meteorologijo Seminar: 4. letnik - univerzitetni program Verifikacija napovedi padavin Avtor: Matic Šavli Mentor: doc. dr. Nedjeljka Žagar 26. februar 2012 Povzetek Pojem verifikacije je v meteorologiji
More informationUSING SIMULATED SPECTRA TO TEST THE EFFICIENCY OF SPECTRAL PROCESSING SOFTWARE IN REDUCING THE NOISE IN AUGER ELECTRON SPECTRA
UDK 543.428.2:544.171.7 ISSN 1580-2949 Original scientific article/izvirni znanstveni ~lanek MTAEC9, 49(3)435(2015) B. PONIKU et al.: USING SIMULATED SPECTRA TO TEST THE EFFICIENCY... USING SIMULATED SPECTRA
More informationUSING THE DIRECTION OF THE SHOULDER S ROTATION ANGLE AS AN ABSCISSA AXIS IN COMPARATIVE SHOT PUT ANALYSIS. Matej Supej* Milan Čoh
Kinesiologia Slovenica, 14, 3, 5 14 (28) Faculty of Sport, University of Ljubljana, ISSN 1318-2269 5 Matej Supej* Milan Čoh USING THE DIRECTION OF THE SHOULDER S ROTATION ANGLE AS AN ABSCISSA AXIS IN COMPARATIVE
More informationJernej Azarija. Štetje vpetih dreves v grafih
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO FAKULTETA ZA MATEMATIKO IN FIZIKO Jernej Azarija Štetje vpetih dreves v grafih DIPLOMSKO DELO NA INTERDISCIPLINARNEM UNIVERZITETNEM ŠTUDIJU
More informationUNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE
UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Primerjava modernih pristopov za identifikacijo pomembno izraženih genov za dve skupini (Comparison
More informationHipohamiltonovi grafi
Hipohamiltonovi grafi Marko Čmrlec, Bor Grošelj Simić Mentor(ica): Vesna Iršič Matematično raziskovalno srečanje 1. avgust 016 1 Uvod V marsovskem klubu je želel predsednik prirediti večerjo za svoje člane.
More informationOptimizacija razporeditve preizkušanja in vzdrževanja varnostne opreme na podlagi najmanjšega tveganja
Elektrotehniški vestnik 70(1-2): 22 26, 2003 Electrotechnical Review, Ljubljana, Slovenija Optimizacija razporeditve preizkušanja in vzdrževanja varnostne opreme na podlagi najmanjšega tveganja Marko Čepin
More informationSimulacija dinamičnih sistemov s pomočjo osnovnih funkcij orodij MATLAB in Simulink
Laboratorijske vaje Računalniška simulacija 2012/13 1. laboratorijska vaja Simulacija dinamičnih sistemov s pomočjo osnovnih funkcij orodij MATLAB in Simulink Pri tej laboratorijski vaji boste spoznali
More informationUČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Študijska smer Study field ECTS
Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Numerične metode Numerical methods Študijski program in stopnja Study programme and level Interdisciplinarni univerzitetni
More informationDIFFERENTIAL EQUATIONS, DIFFERENCE EQUATIONS AND FUZZY LOGIC IN CONTROL OF DYNAMIC SYSTEMS
JET Volume 9 (016) p.p. 39-54 Issue, August 016 Typology of article 1.01 www.fe.um.si/en/jet.html DIFFERENTIAL EQUATIONS, DIFFERENCE EQUATIONS AND FUZZY LOGIC IN CONTROL OF DYNAMIC SYSTEMS DIFERENCIALNE
More informationSPATIAL, ECONOMIC, AND TIME VARIABLES FOR A FUZZY MODEL OF ACCESSIBILITY TO MUNICIPAL SERVICES
G 2017 V PROSTORSKE, EKONOMSKE IN ČASOVNE SPREMENLJIVKE MEHKEGA MODELA DOSTOPNOSTI DO KOMUNALNIH STORITEV GEODETSKI VESTNIK letn. / Vol. 61 št. / No. 2 SPATIAL, ECONOMIC, AND TIME VARIABLES FOR A FUZZY
More informationmodeli regresijske analize nominalnih spremenljivk
modeli regresijske analize nominalnih spremenljivk Cveto Trampuž An Illustrative Comparison Logit Analysis with Dummy Variable Regression Analysis. Two different regression models in which the dependent
More informationModeliranje časovnih vrst z metodami teorije informacij
Elektrotehniški vestnik 76(4): 240 245, 2009 Electrotechnical Review, Ljubljana, Slovenija Modeliranje časovnih vrst z metodami teorije informacij Marko Bratina 1, Andrej Dobnikar 2, Uroš Lotrič 2 1 Savatech,
More informationMakroekonomija 1: 4. vaje. Igor Feketija
Makroekonomija 1: 4. vaje Igor Feketija Teorija agregatnega povpraševanja AD = C + I + G + nx padajoča krivulja AD (v modelu AS-AD) učinek ponudbe denarja premiki vzdolž krivulje in premiki krivulje mikro
More informationDejan Petelin. Sprotno učenje modelov na podlagi Gaussovih procesov
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Dejan Petelin Sprotno učenje modelov na podlagi Gaussovih procesov DIPLOMSKO DELO NA UNIVERZITETNEM ŠTUDIJU Mentor: doc. dr. Janez Demšar
More informationIterativne metode podprostorov 2010/2011 Domače naloge
Iterativne metode podprostorov 2010/2011 Domače naloge Naloge so razdeljene v 6 skupin. Za pozitivno oceno morate rešiti toliko nalog, da bo končna vsota za pozitivno oceno vsaj 8 točk oz. vsaj 10 točk
More informationOsnove numerične matematike
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Osnove numerične matematike Bojan Orel Ljubljana, 2004 Kazalo 1 Uvod 1 1.1 Zakaj numerične metode..................... 1 1.2 Napake in numerično
More informationJERNEJ TONEJC. Fakulteta za matematiko in fiziko
. ARITMETIKA DVOJIŠKIH KONČNIH OBSEGOV JERNEJ TONEJC Fakulteta za matematiko in fiziko Math. Subj. Class. (2010): 11T{06, 22, 55, 71}, 12E{05, 20, 30}, 68R05 V članku predstavimo končne obsege in aritmetiko
More informationMICROWAVE PLASMAS AT ATMOSPHERIC PRESSURE: NEW THEORETICAL DEVELOPMENTS AND APPLICATIONS IN SURFACE SCIENCE
UDK621.3:(53+54+621 +66), ISSN0352-9045 Informacije MIDEM 38(2008)4, Ljubljana MICROWAVE PLASMAS AT ATMOSPHERIC PRESSURE: NEW THEORETICAL DEVELOPMENTS AND APPLICATIONS IN SURFACE SCIENCE T. 8elmonte*,
More informationSaponification Reaction System: a Detailed Mass Transfer Coefficient Determination
DOI: 10.17344/acsi.2014.1110 Acta Chim. Slov. 2015, 62, 237 241 237 Short communication Saponification Reaction System: a Detailed Mass Transfer Coefficient Determination Darja Pe~ar* and Andreja Gor{ek
More informationUNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE
UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Uporaba Kalmanovega filtra pri vrednotenju izbranih finančnih instrumentov (Using Kalman filter
More informationDomen Perc. Implementacija in eksperimentalna analiza tehnike razvrščanja podatkov s konsenzom
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Domen Perc Implementacija in eksperimentalna analiza tehnike razvrščanja podatkov s konsenzom DIPLOMSKO DELO NA UNIVERZITETNEM ŠTUDIJU Mentor:
More informationUNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. O neeksaknotsti eksaktnega binomskega intervala zaupanja
UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga (Final project paper) O neeksaknotsti eksaktnega binomskega intervala zaupanja (On the inexactness
More informationSKUPINSKO ODLOČANJE V ANALITIČNEM HIERARHIČNEM PROCESU IN PRIKAZ NJEGOVE UPORABE PRI UPRAVLJANJU POHORJA KOT VAROVANEGA OBMOČJA
UNIVERZA V LJUBLJANI BIOTEHNIŠKA FAKULTETA Petra GROŠELJ SKUPINSKO ODLOČANJE V ANALITIČNEM HIERARHIČNEM PROCESU IN PRIKAZ NJEGOVE UPORABE PRI UPRAVLJANJU POHORJA KOT VAROVANEGA OBMOČJA DOKTORSKA DISERTACIJA
More informationMODELIRANJE IN SIMULACIJA TER NJUNA UPORABA V MEDICINI IN FARMACIJI
Zdrav Vestn 28; 77: 57 71 57 Pregledni prispevek/review article MODELIRANJE IN SIMULACIJA TER NJUNA UPORABA V MEDICINI IN FARMACIJI USAGE OF MODELLING AND SIMULATION IN MEDICINE AND PHARMACY Maja Atanasijević-Kunc
More informationUČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Optimizacija 1 Course title: Optimization 1. Študijska smer Study field
UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Optimizacija 1 Course title: Optimization 1 Študijski program in stopnja Study programme and level Univerzitetni študijski program Matematika
More informationMatematika 1. Gabrijel Tomšič Bojan Orel Neža Mramor Kosta
Matematika 1 Gabrijel Tomšič Bojan Orel Neža Mramor Kosta 15. december 2010 Poglavje 3 Funkcije 3.1 Osnovni pojmi Preslikavam v množico R ali C običajno pravimo funkcije v prvem primeru realne, v drugem
More informationActa Chim. Slov. 2003, 50,
771 IMPACT OF STRUCTURED PACKING ON BUBBE COUMN MASS TRANSFER CHARACTERISTICS EVAUATION. Part 3. Sensitivity of ADM Volumetric Mass Transfer Coefficient evaluation Ana akota Faculty of Chemistry and Chemical
More informationElectric Power-System Inertia Estimation applying WAMS
Univerza v Ljubljani Fakulteta za elektrotehniko Teodora Dimitrovska Electric Power-System Inertia Estimation applying WAMS Master's thesis Mentor: doc. dr. Urban Rudež Co-mentor: prof. dr. Rafael Mihalič
More informationMehki regulator za avtonomno vožnjo kolesa
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Miha Mohorčič Mehki regulator za avtonomno vožnjo kolesa DIPLOMSKO DELO UNIVERZITETNI ŠTUDIJSKI PROGRAM PRVE STOPNJE RAČUNALNIŠTVO IN INFORMATIKA
More informationTEORIJA GRAFOV IN LOGISTIKA
TEORIJA GRAFOV IN LOGISTIKA Maja Fošner in Tomaž Kramberger Univerza v Mariboru Fakulteta za logistiko Mariborska cesta 2 3000 Celje Slovenija maja.fosner@uni-mb.si tomaz.kramberger@uni-mb.si Povzetek
More informationStatistika 2 z računalniško analizo podatkov. Neizpolnjevanje predpostavk regresijskega modela
Statistika 2 z računalniško analizo podatkov Neizpolnjevanje predpostavk regresijskega modela 1 Predpostavke regresijskega modela (ponovitev) V regresijskem modelu navadno privzamemo naslednje pogoje:
More informationUČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Analiza 1 Course title: Analysis 1. Študijska smer Study field. Samost. delo Individ.
UČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Analiza 1 Course title: Analysis 1 Študijski program in stopnja Study programme and level Univerzitetni študijski program Finančna matematika First cycle
More informationUniverza v Ljubljani Fakulteta za matematiko in fiziko. Oddelek za fiziko. Seminar - 3. letnik, I. stopnja. Kvantni računalniki. Avtor: Tomaž Čegovnik
Univerza v Ljubljani Fakulteta za matematiko in fiziko Oddelek za fiziko Seminar - 3. letnik, I. stopnja Kvantni računalniki Avtor: Tomaž Čegovnik Mentor: prof. dr. Anton Ramšak Ljubljana, marec 01 Povzetek
More informationPOLDIREKTNI PRODUKT GRUP
UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA LUCIJA ŽNIDARIČ POLDIREKTNI PRODUKT GRUP DIPLOMSKO DELO LJUBLJANA 2014 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA Univerzitetni študijski program 1. stopnje: Dvopredmetni
More informationUNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Verjetnostni algoritmi za testiranje praštevilskosti
UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Verjetnostni algoritmi za testiranje praštevilskosti (Algorithms for testing primality) Ime in
More informationUČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Parcialne diferencialne enačbe Partial differential equations. Študijska smer Study field
Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Parcialne diferencialne enačbe Partial differential equations Študijski program in stopnja Study programme and level Magistrski
More informationUPORABA MEHKE LOGIKE ZA MODELIRANJE BIOLOŠKIH SISTEMOV NA PRIMERU SIGNALNE POTI MAPK
UPORABA MEHKE LOGIKE ZA MODELIRANJE BIOLOŠKIH SISTEMOV NA PRIMERU SIGNALNE POTI MAPK Lidija Magdevska Delo je pripravljeno v skladu s Pravilnikom o podeljevanju Prešernovih nagrad študentom, pod mentorstvom
More informationKlemen Kregar, Mitja Lakner, Dušan Kogoj KEY WORDS
G 2014 V ROTACIJA Z ENOTSKIM KVATERNIONOM GEODETSKI VESTNIK letn. / Vol. 58 št. / No. 2 ROTATION WITH UNIT QUATERNION 58/2 Klemen Kregar, Mitja Lakner, Dušan Kogoj UDK: 512.626.824:528 Klasifikacija prispevka
More informationUNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO. Oddelek za matematiko in računalništvo DIPLOMSKO DELO.
UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Sabina Skornšek Maribor, 2012 UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO
More informationDistance reduction with the use of UDF and Mathematica. Redukcija dolžin z uporabo MS Excel ovih lastnih funkcij in programa Mathematica
RMZ Materials and Geoenvironment, Vol. 54, No. 2, pp. 265-286, 2007 265 Distance reduction with the use of UDF and Mathematica Redukcija dolžin z uporabo MS Excel ovih lastnih funkcij in programa Mathematica
More informationBaroklina nestabilnost
Baroklina nestabilnost Navodila za projektno nalogo iz dinamične meteorologije 2012/2013 Januar 2013 Nedjeljka Zagar in Rahela Zabkar Naloga je zasnovana na dvoslojnem modelu baroklinega razvoja, napisana
More informationUČNI NAČRT PREDMETA / COURSE SYLLABUS Numerical linear algebra. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work
Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS Numerična linearna algebra Numerical linear algebra Študijski program in stopnja Study programme and level Univerzitetni študijski program Matematika
More informationDetermining the Leakage Flow through Water Turbines and Inlet- Water Gate in the Doblar 2 Hydro Power Plant
Elektrotehniški vestnik 77(4): 39-44, 010 Electrotechnical Review: Ljubljana, Slovenija Določanje puščanja vodnih turbin in predturbinskih zapornic v hidroelektrarni Doblar Miha Leban 1, Rajko Volk 1,
More informationVAJE 2: Opisna statistika
VAJE : Opisna statistika Na računalniških vajah se za urejanje in prikazovanje statističnih podatkov uporabi statistični programski paket SPSS in podatkovna datoteka podatki.sav. NALOGE: 1. Analiza vzorčnih
More informationGrafični gradnik za merjenje kvalitete klasifikatorja s pomočjo krivulj
UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Miha Biček Grafični gradnik za merjenje kvalitete klasifikatorja s pomočjo krivulj DIPLOMSKO DELO NA UNIVERZITETNEM ŠTUDIJU Mentor: doc. dr.
More informationParametrični in neparametrični pristopi za odkrivanje trenda v časovnih vrstah
COBISS koda 1.02 Agrovoc descriptors: trends, statistical methods, methods Agris category code: U10 Parametrični in neparametrični pristopi za odkrivanje trenda v časovnih vrstah Tadeja KRANER ŠUMENJAK
More informationReasoning with Uncertainty
Reasoning with Uncertainty Representing Uncertainty Manfred Huber 2005 1 Reasoning with Uncertainty The goal of reasoning is usually to: Determine the state of the world Determine what actions to take
More informationMeritve Casimirjevega efekta z nanomembranami
Oddelek za fiziko Seminar a -. letnik, II. stopnja Meritve Casimirjevega efekta z nanomembranami avtor: Žiga Kos mentor: prof. dr. Rudolf Podgornik Ljubljana, 29. januar 203 Povzetek V tem seminarju bo
More informationKode za popravljanje napak
UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE KOPER MATEMATIČNE ZNANOSTI MAGISTRSKI ŠTUDIJSKI PROGRAM 2. STOPNJE Aljaž Slivnik Kode za popravljanje napak Magistrska
More informationTeorija verjetnosti uvod. prof. dr. Jurij Tasič Asistent Emil Plesnik Laboratorij za digitalno obdelavo signalov, slik in videa
Teorija verjetnosti uvod prof. dr. Jurij Tasič Asistent Emil Plesnik Laboratorij za digitalno obdelavo signalov, slik in videa http://www.ldos.si/ 1 Teorija verjetnosti z več spremeljivkami Ključni koncept
More informationParticija grafa, odkrivanje skupnosti in maksimalen prerez
Univerza na Primorskem Fakulteta za matematiko, naravoslovje in informacijske tehnologije Matemati ne znanosti - 2. stopnja Peter Mur²i Particija grafa, odkrivanje skupnosti in maksimalen prerez Magistrsko
More informationUPORABA STROJNEGA UČENJA PRI ANALIZI VREDNOSTNIH PAPIRJEV
UNIVERZA V LJUBLJANI EKONOMSKA FAKULTETA MAGISTRSKO DELO UPORABA STROJNEGA UČENJA PRI ANALIZI VREDNOSTNIH PAPIRJEV V Ljubljani, september 2006 Dragan Šmigič I IZJAVA Študent Dragan Šmigič izjavljam, da
More informationA L A BA M A L A W R E V IE W
A L A BA M A L A W R E V IE W Volume 52 Fall 2000 Number 1 B E F O R E D I S A B I L I T Y C I V I L R I G HT S : C I V I L W A R P E N S I O N S A N D TH E P O L I T I C S O F D I S A B I L I T Y I N
More informationADAPTIVE NEURO-FUZZY MODELING OF THERMAL VOLTAGE PARAMETERS FOR TOOL LIFE ASSESSMENT IN FACE MILLING
http://doi.org/10.24867/jpe-2017-01-016 JPE (2017) Vol.20 (1) Original Scientific Paper Kovač, P., Rodić, D., Gostimirović, M., Savković, B., Ješić. D. ADAPTIVE NEURO-FUZZY MODELING OF THERMAL VOLTAGE
More informationMECHANICAL EFFICIENCY, WORK AND HEAT OUTPUT IN RUNNING UPHILL OR DOWNHILL
original scientific article UDC: 796.4 received: 2011-05-03 MECHANICAL EFFICIENCY, WORK AND HEAT OUTPUT IN RUNNING UPHILL OR DOWNHILL Pietro Enrico DI PRAMPERO University of Udine, Department of Biomedical
More informationLISREL. Mels, G. (2006). LISREL for Windows: Getting Started Guide. Lincolnwood, IL: Scientific Software International, Inc.
LISREL Mels, G. (2006). LISREL for Windows: Getting Started Guide. Lincolnwood, IL: Scientific Software International, Inc. LISREL: Structural Equation Modeling, Multilevel Structural Equation Modeling,
More informationStiskanje slik z algoritmi po vzorih iz narave
Stiskanje slik z algoritmi po vzorih iz narave Gregor Jurgec Univerza v Mariboru Fakulteta za elektrotehniko, računalništvo in informatiko Smetanova 17, Maribor gregor.jurgec@gmail.com Iztok Fister Univerza
More informationIzbrana poglavja iz algebrai ne teorije grafov. Zbornik seminarskih nalog iz algebrai ne teorije grafov
Izbrana poglavja iz algebrai ne teorije grafov Zbornik seminarskih nalog iz algebrai ne teorije grafov Ljubljana, 2015 CIP Kataloºni zapis o publikaciji Narodna in univerzitetna knjiºnica, Ljubljana 519.24(082)(0.034.2)
More informationNelinearna regresija. SetOptions Plot, ImageSize 6 72, Frame True, GridLinesStyle Directive Gray, Dashed, Method "GridLinesInFront" True,
Nelinearna regresija In[1]:= SetOptions ListPlot, ImageSize 6 72, Frame True, GridLinesStyle Directive Gray, Dashed, Method "GridLinesInFront" True, PlotStyle Directive Thickness Medium, PointSize Large,
More informationMinimizacija učne množice pri učenju odločitvenih dreves
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Ivan Štajduhar Minimizacija učne množice pri učenju odločitvenih dreves Diplomska naloga Mentor: prof. dr. Ivan Bratko Ljubljana, 2001 Izjava
More information1 Luna kot uniformni disk
1 Luna kot uniformni disk Temperatura lune se spreminja po površini diska v širokem razponu, ampak lahko luno prikažemo kot uniformni disk z povprečno temperaturo osvetlitve (brightness temperature) izraženo
More informationUČNI NAČRT PREDMETA / COURSE SYLLABUS. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work
Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS Statistika Statistics Študijski program in stopnja Study programme and level Univerzitetni študijski program Matematika First cycle academic
More informationLongstaff-Schwartzev algoritem za vrednotenje ameriških opcij
Longstaff-Schwartzev algoritem za vrednotenje ameriških opcij Živa Petkovšek mentor: doc. dr. Dejan Velušček Ljubljana, 17. oktober 2013 Živa Petkovšek () Predstavitev dela diplomskega seminarja 17. oktober
More informationIzvedbe hitrega urejanja za CPE in GPE
Univerza v Ljubljani Fakulteta za računalništvo in informatiko Jernej Erker Izvedbe hitrega urejanja za CPE in GPE DIPLOMSKO DELO UNIVERZITETNI ŠTUDIJ RAČUNALNIŠTVA IN INFORMATIKE Mentor: doc. dr. Tomaž
More informationUČNI NAČRT PREDMETA / COURSE SYLLABUS. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work
Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS Teorija grafov Graph theory Študijski program in stopnja Study programme and level Magistrski študijski program Matematika Master's study
More information