دانلود رایگان ترجمه مقاله سیستم چند منظوره برای نظارت بر توالی های راه اندازی توربین گازی صنعتی (نشریه IEEE 2001)

این مقاله انگلیسی ISI در نشریه IEEE در 6 صفحه در سال 2001 منتشر شده و ترجمه آن 13 صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت ناقص ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

یک سیستم چند منظوره برای نظارت بر توالی های راه اندازی توربین گازی صنعتی

عنوان انگلیسی مقاله:

A Multi Agent System for Monitoring Industrial Gas Turbine Start-up Sequences

 
 
 
 
 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار 2001
تعداد صفحات مقاله انگلیسی 6 صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی صنایع، کامپیوتر، مهندسی برق
گرایش های مرتبط با این مقاله هوش مصنوعی، برنامه ریزی و تحلیل سیستم ها، بهینه سازی سیستم ها، مهندسی کنترل
چاپ شده در مجله (ژورنال) بررسی مهندسی برق – Power Engineering Review
کلمات کلیدی کنترل شرایط، عوامل هوشمند
ارائه شده از دانشگاه دانشگاه استراکلید، اسکاتلند، انگلستان
رفرنس دارد  
کد محصول F1522
نشریه آی تریپل ای – IEEE

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  13 صفحه با فونت 14 B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است ✓ 
ترجمه متون داخل تصاویر ترجمه نشده است  
ترجمه متون داخل جداول ترجمه نشده است 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است 
منابع داخل متن درج نشده است 
کیفیت ترجمه کیفیت ترجمه این مقاله متوسط میباشد 
توضیحات ترجمه این مقاله به صورت ناقص انجام شده است.

 

فهرست مطالب

چکیده
1. مقدمه
II. دامنه مسئله
III. چارچوب مفهومی
IV. تحلیل و طراحی سیستم
V. پیاده سازی
VI. بحث

 

بخشی از ترجمه
 چکیده
این مقاله به معرفی تکنیک جدیدی برای کنترل شرایط دنباله های راه اندازی توربین گاز می پردازد. میزان وسیعی از داده ها و فرایندهای پیچیده مربوط به آشکار سازی خطای آنلاین، نیاز به راه حل خودکار را نشان می دهند. سیستم چند عاملی که مسئله را همچون تعامل نهاد نرم افزاری مستقل می بیند، برای استفاده موثر از داده های قابل دسترس ارائه شده است. راه حل کلی از ترکیب راه حلهای جزئی ارائه شده توسط مولفه های سیستم چندعاملی استخراج می شود. در نتیجه، تفسیر داده ها از طریق تبدیل داده ها به اطلاعات مناسب و ترکیب اطلاعات عوامل فردی بدست آمده و به تشخیص خطای اتوماتیک برای مهندسین منجر می شود. این سیستم چندعاملی می تواند چندین تکنیک سیستم هوشمند را بکار گرفته و با استفاده از ZEUS Agent Building Toolkit اجرا شود.
 
1- مقدمه
براساس تعریف، کنترل شرایط زمانی اجرا می شود که ارزیابی وضعیت کارخانه و تعیین اینکه آیا از طریق استدلال و مشاهده، عملکرد بدی دارد یا نه، ضروری است. تشخیص اولیه و آشکارسازی خطا، فعالیت مهمی برای به حداکثررسانی اقتصاد کارخانه، هزینه های عملیاتی و سطوح ایمنی آن می باشد. مهندسین به معرفی پشتیبانی از تصمیم بهتر برای روشهای کنترل شرایط پیچیده از طریق اعمال سیستم های هوشمند مرکزی و استفاده از انواع تکنیک های هوش مصنوعی AI پرداخته اند. اکنون معلوم است که بر مسائل ناشی از پیچیدگی عملکردی کنترل شرایط، می توان با معماری غلبه کرد که شامل چندین ماژول توزیعی هوشمند –که بطور دینامیک تعامل دارند- با نام عوامل هوشمند می باشد. هر عامل یک سیستم خودکار است که دارای انتخابی از ورودیها و تفسیر کامل است و تشخیص، ازطریق فرایند تعامل با عوامل دیگر صورت می گیرد.
این مقاله به معرفی سیستم چندعاملی کنترل شرایط فوری (COMMAS) توسعه یافته جهت تسهیل وظیفه کنترل عملکرد توربین گاز می پردازد. عوامل، ارزیابیها را از سنسورهای توربین و سیستم مدیریت مهندسی موجود EMS جمع آوری کرده و به تحیل ارزیابی های غیرعادی پرداخته و خطاها را شناسایی می کنند. هدف این اثر، بهبود دقت سیستم های کنترل موجود از طریق ایجاد مولفه های نرم افزاری کوچکتر است که حاوی اطلاعات جزئی مربوط به وضعیت کارخانه کنترل شده می باشد. آنها به روش دینامیک و برای حمایت از ترکیب داده ها، اثبات بین سنسوری و توابع پشتیبان تصمیم تعامل می کنند. این گفته، در تضاد با اپلیکیشن های مرکزی است که کل کارخانه را در یک سیستم نرم افزاری مدلسازی می کنند.
در این مقاله، بخش II به بحث درباره دامنه مسئله اپلیکیشن کنترل شرایط توربین گازی می پردازد. بخش III به ارائه چارچوب مفهومی سیستم چندعاملی پیشنهادی پرداخته و بخش IV به توصیف تحلیل و طراحی، از جمله جریان اطلاعات بین عوامل، جهت تکرار وظایف تشخیصی اجرایی توسط مهندس می پردازد. بخش V نتایج و برخی جات اثرات آینده را مطرح می کند.

 

بخشی از مقاله انگلیسی

Abstract

This paper introduces a novel technique for condition monitoring of gas turbine start-up sequences. The vast amount of data and the complex processes behind on-line fault detection indicate the need for an automated solution. A multi-agent system that views the problem as the interaction of simple independent software entities for effective use of the available data is presented. The overall solution is derived from the combination of partial solutions provided by the components of the multiagent system. As a consequence, data interpretation is achieved by converting the data into appropriate information and combining individual agents’ information, resulting in an automatic fault diagnosis for the engineers. This multiagent system can employ various intelligent system techniques and has been implemented using the ZEUS agent building toolkit.

1 Introduction

BY DEFINITION, condition monitoring is performed when it is necessary to assess the state of a plant item and to determine whether it is malfunctioning, through reasoning and observation [1]. Early diagnosis and fault identification is an important activity for maximizing the plant economy, its operational costs and levels of safety. Engineers have introduced better decision support for complex condition monitoring procedures through the application of centralized intelligent systems by using a variety of artificial intelligence (AI) techniques [2]–[5]. It is now widely recognized that problems due to the functional complexity of condition monitoring can be overcome with architectures that contain many dynamically interacting intelligent distributed modules, called intelligent agents [6]. Each agent is an autonomous system, which processes a selection of input, and the complete interpretation and diagnosis is accomplished through the process of interaction with the other agents.

This paper introduces a real time condition monitoring multi agent system (COMMAS) developed to facilitate the task of monitoring the performance of a gas turbine. The agents collect measurements from the turbine sensors and an existing engine management system (EMS), analyze abnormal measurements and perform fault diagnosis. The aim of this work is to improve the accuracy of the existing monitoring systems by building smaller software components, which contain partial information of the state of the plant being monitored. They interact in a dynamic way to support data fusion, cross sensor corroboration and decision support functions more efficiently. This contrasts with centralized applications, which model the whole plant in a single software system.

Within this paper, Section II discusses the application problem domain of gas turbine condition monitoring. Section III presents the conceptual framework of the proposed multi-agent system and Section IV describes the analysis and design including the information flow between the agents in order to replicate the diagnostic tasks performed by the engineers. Section V presents the implementation of the framework and Section VI outlines the conclusions and some directions for future work.

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا