research centers


Search results: Found 3

Listing 1 - 3 of 3
Sort by

Article
Intelligent sensor fault detection based on soft computing
كشف اخطاء الحسساسات الذكية بالاستناد الى نظم الحوسبة المرنة

Authors: Abbas H. Issa عباس حسين عيسى --- Ali H. Majeed علي حسين مجيد
Journal: KUFA JOURNAL OF ENGINEERING مجلة الكوفة الهندسية ISSN: 25230018 Year: 2012 Volume: 4 Issue: 1 Pages: 113-123
Publisher: University of Kufa جامعة الكوفة

Loading...
Loading...
Abstract

Sensor fault detection is carried out based on the characteristics of the soft computing techniques; neural network and adaptive neural fuzzy inference system ANFIS. In this paper, a neural network (non-model based technique) and ANFIS has been used for detection and isolation of temperature sensor fault TMP36. The measured states are then compared with true estimated states and if their difference exceeds threshold value, the particular sensor measurement is ignored and replaced by the true estimated state. Residual generation is an essential part of model-based fault detection schemes. This paper develops and implements neural-network and ANFIS based system identification techniques for nonlinear systems with the specific goal of residual generation for fault detection purposes. The two approaches are tested on a temperature sensor model. Performance comparisons of the two neural network and ANFIS are presented.

تم الكشف عن العطل في متحسس بالاستناد الى خصائص الشبكة العصبية ونظام الاستدلال الضبابي العصبي التكيفي. في هذا البحث تم استخدام الشبكة العصبية (تقنية لا تستند الى النموذج الرياضي ) ونظام الاستدلال الضبابي العصبي التكيفي (ANFIS) للكشف عن العطل في متحسس درجة الحرارة TMP36. ثمّ بعد ذلك تم مقارنة قياس الخرج للمتحسس الحقيقي مع قراءات النموذج التي تم بناؤها وإذا ما تجاوزُ الفرق قيمةَ العتبةَ. إن القيمة المتبقية من عملية المقارنة (الفرق) لها دور أساسي في مخططاتِ كشفِ العيبِ (العطل) المستندة إلى نموذجَ. في هذا البحث تم تُطويّرُ وتُطبيّقُ شبكة عصبيةَ ونظام الاستدلال الضبابي العصبي التكيفي للتعامل مع الأنظمةِ اللاخطّيةِ بالاستناد إلى القيمة المتبقية لأغراضِ كشفِ العيبِ. إنّ الشبكتين تم اختبارهما على نموذج متحسّسِ درجةِ الحرارة ومقارنة أداءِ كل مِنْ الشبكة العصبيةِ ونظام الاستدلال الضبابي العصبي التكيفي.


Article
FAULT DETECTION AND ISOLATION BASED ON HYBRID SLIDING MODE OBSERVER and FUZZY LOGIC
كشف وعزل الاخطاء بالاستناد على هجين مراقبة النمط الانزلاقي مع المنطق الضبابي

Authors: Abbas H. Issa عباس حسين عيسى --- Hawraa Fouad Baqir حوراء فؤاد باقر
Journal: KUFA JOURNAL OF ENGINEERING مجلة الكوفة الهندسية ISSN: 25230018 Year: 2014 Volume: 6 Issue: 1 Pages: 93-102
Publisher: University of Kufa جامعة الكوفة

Loading...
Loading...
Abstract

Faults detection and isolation scheme on the bases of a hybrid Sliding Mode Observer (SMO) technique and fuzzy logic technique has been presented in this paper. The SMO technique was used for the fault detection purpose based on residual signal which represent the difference between output of the process and output of the model that used as a fault indicator, while the fuzzy logic technique was used as a fault isolator depending on fuzzy rules base and fuzzy membership functions. The performance of this hybrid technique is evaluated on a model of DC motor, the proposed scheme is illustrated on a Matlab/Simulink simulator and the results demonstrated a successful implementation of the proposed Fault Detection and Isolation FDI scheme.

في هذا البحث تم كشف وعزل الأخطاء على اساس هجين مراقبة النمط الانزلاقي (SMO) مع تقنية المنطق الضبابي (fuzzy logic). حيث استخدمت تقنية (SMO) لغرض الكشف عن الاخطاء بالاعتماد على الاشارة المتبقية (Residual signal) والتي تمثل الفرق بين الناتج من العملية والناتج من النموذج حيث تستخدم كمؤشر للخطأ. في حين استخدمت تقنية المنطق الضبابي كعازل للأخطاء إعتمادا على القواعد والوظائف العضوية للمنطق الضبابي. تم تقييم أداء هذه التقنية الهجينة بعد تطبيقها على نموذج من محرك تيار المستمر(DC Motor). ذو الطريقة المقترحة تم توضيحها من خلال استخدام بيئة Matlab/Simulink واظهرت النتائج المستحصلة صحة ودقة و نجاح هذه التقنية في تنفيذ الطريقة المقترحة لكشف وعزل الاخطاء.


Article
Adaptive Inverse Neural Network Based DC Motor Speed and Position Control Using FPGA

Authors: Abbas H. Issa عباس حسين عيسى --- Aula N. Abd علا نجم عبد
Journal: DIYALA JOURNAL OF ENGINEERING SCIENCES مجلة ديالى للعلوم الهندسية ISSN: 19998716/26166909 Year: 2018 Volume: 11 Issue: 3 Pages: 71-78
Publisher: Diyala University جامعة ديالى

Loading...
Loading...
Abstract

In this research two types of controllers are designed in order to control the speed and position of DC motor. The first one is a conventional PID controller and the other is an intelligent Neural Network (NN) controller that generate a control signal DC motor. Due to nonlinear parameters and movable laborers such saturation and change in load a conventional PID controller is not efficient in such application; therefore neural controller is proposed in order to decreasing the effect of these parameter and improve system performance. The proposed intelligent NN controller is adaptive inverse neural network controller designed and implemented on Field Programmable Gate Array (FPGA) board. This NN is trained by Levenberg-Marquardt back propagation algorithm. After implementation on FPGA, the response appear completely the same as simulation response before implementation that mean the controller based on FPGA is very nigh to software designed controller. The controllers designed by both m-file and Simulink in MATLAB R2012a version 7.14.0.

Listing 1 - 3 of 3
Sort by
Narrow your search

Resource type

article (3)


Language

English (3)


Year
From To Submit

2018 (1)

2014 (1)

2012 (1)