Statistical and intelligent methods for default diagnosis and loacalization in a continuous tubular reactor

• Main Author: Liu, Haoran
• Other Authors: Rouen, INSA
• Language: en
• Published: 2009
• Subjects: Détection et localisation; Réseaux bayésiens; Réacteur continu; Alaga-rbf; Réacteur chimique; Ga; Réseaux de neurones; Fault diagnosis; Continuous tubular reactor
• Online Access: http://www.theses.fr/2009ISAM0009/document

Ce travail concerne l’étude d’un réacteur chimique continu afin de construire un modèle pour la phase d’apprentissage de méthode et localisation et détection de pannes. Un dispositif expérimental a été conçu pour disposer de données expérimentales significatives. Pour le diagnostique et la localisation des méthodes orientées données ont été retenues, principalement les réseaux Bayésiens et les réseaux de neurones à Fonctions Radiales de Base (RBF) couplés à un algorithme génétique auto adaptatif à ajustement local (GAAPA). Les données collectées à partir du dispositif expérimental ont servi à l’apprentissage et à la validation du modèle. === The aim is to study a continuous chemical process, and then analyze the hold process of the reactor and build the models which could be trained to realize the fault diagnosis and localization in the process. An experimental system has been built to be the research base. That includes experiment part and record system. To the diagnosis and localization methods, the work presented the methods with the data-based approach, mainly the Bayesian network and RBF network based on GAAPA (Genetic Algorithm with Auto-adapted of Partial Adjustment). The data collected from the experimental system are used to train and test the models.