Rekurentní neuronová síť s modulem zpracování dat a s kvadratickým a kubickým neuronem

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F11%3A00192337" target="_blank" >RIV/68407700:21220/11:00192337 - isvavai.cz</a>

Výsledek na webu

<a href="http://users.fs.cvut.cz/ivo.bukovsky/Research_and_Applications/projects/FRTI1538/indexSW1.htm" target="_blank" >http://users.fs.cvut.cz/ivo.bukovsky/Research_and_Applications/projects/FRTI1538/indexSW1.htm</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Rekurentní neuronová síť s modulem zpracování dat a s kvadratickým a kubickým neuronem

Popis výsledku v původním jazyce

Byla naprogramována nekonvenčí dynamická neuronová síť pro validaci a predikci emisí NOX práškového kotle vysokého výkonu pro elektrárnu Mělník 1. Jako vstupní modul je naprogramován korelační modul vstupních dat, modul výpočtu vzájemné informace, výběrový modul vstupů a seskupovací modul, a modul pro redukci počtu vstupů metodou "principal component analysis" a pro jejich rekonfiguraci. Konkrétně vyvinutý a naprogramovaný návrh sítě včetně předzpracování dat umožňuje efektivní přetrénovávání v reálnémčase bez potřeby časově náročných optimalizačních algoritmů které by nebyli pro reálně časovou aplikaci vhodné. Naprogramovaný algoritmus učení je varianta metody "back-propagation through time" které je pro danou neuronovou síť efektivní pro přetrénovávání za účelem zvládnutí nestacionarity reálného systému a častým výpadkům údajů měřených veličin. Navržená síť využívá nekonvenční neuronové jednotky (QNU a CNU). Pro predikci NOx, síť nepotřebuje na svém vstupu kyslík ve spalinách což by

Název v anglickém jazyce

Recurrent neural network with data processing modul and quadratic and cubic neural unit

Popis výsledku anglicky

Nonconventional dynamic neural network for measurement validation and real-time prediction of NOx emissions of pulverized firing boiler at the coal powder powerplant Mělník 1. As a preprocessing module of input data to the network, the program includes also signal preprocessing modules including a correlation analysis module, mutual information module, input variable reselection and grouping modules, and dimensionality reduction by principal component analysis module for input reconfigurations. The particular design of the programmed network and the signal preprocessing techniques avoids the need for computationally heavy optimization techniques (training), that would not be suitable for real time retraining otherwise. The implemented training algorithm is a modification of the back-propagation through time that is suitable for real time retraining to handle nonstationarity of the burning process as well as individual failures of measured variables. The designed neural network uses non

Druh

R - Software

CEP obor

JB - Senzory, čidla, měření a regulace

OECD FORD obor

—

Projekt

<a href="/cs/project/FR-TI1%2F538" target="_blank" >FR-TI1/538: Technologie měření pro pokročilé řízení spalovacích procesů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2011

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

TptRNN2011

Technické parametry

Ing. Jiří Pliska,I & C Energo a.s. ; Ředitel technického rozvoje ; Pražská 684/49, 674 01 Třebíč tel.: +420 568 893 111 fax: +420 568 893 999, tel.: +420 568 893 300, email: jpliska@ic-energo.eu

Ekonomické parametry

Program je uvažován jako součást komplexní dodávky řešení v celkové ceně překračující 1 000 000 Kč,- . Odhad dílčí ceny programu je 300 000,- Kč. Spoluvlastníkem SW je I. & C. Energo a.s., Třebíč;

IČO vlastníka výsledku

68407700

Název vlastníka

ČVUT v Praze, FS