G - Physics – 05 – B
Patent
G - Physics
05
B
G05B 13/04 (2006.01) G05B 17/02 (2006.01) G05B 23/02 (2006.01)
Patent
CA 2236426
A process model of an industrial process or system is generated. The model correlates a first number M of process parameters forming input values with a second number L of quality characteristics forming output values, which are processed to form feedback control signals for the process or system. A third number N of training data sets of the industrial process are first gathered. These data training sets are then processed in a second step during a learning phase of the model with the help of a processing unit such as a personal computer, whereby a preliminary approximating model is used including a neural network with local approximation characteristics. The neural network is connected in parallel with a linear network. Both networks are connected to the same inputs. The neural network first has a further number K of neural cells. This initial number K corresponds to the number N of training data sets. A weighted linear combination of the M process parameters is performed. The linear network and the neural network are connected with their outputs through weighting circuits to a common summing network. A reduction step is performed, whereby the neural and the linear network become smaller with fewer neural cells and with M-R weighted linear combinations by using the method of stepwise regression to ascertain a final simpler process model as compared to the initial preliminary model for providing closed loop feedback signals to control the industrial process such as a chipboard production process.
Un modèle de processus ou de système industriel est créé. Ce modèle établit une corrélation entre un premier nombre M de paramètres de processus constituant des valeurs d'entrée et un deuxième nombre L de caractéristiques de qualité constituant des valeurs de sortie, ces paramètre étant traités pour former des signaux de commande à rétroaction pour le processus ou le système en question. Un troisième nombre d'ensembles de données d'apprentissage du processus industriel recueillies est utilisé. Ces ensembles sont traités dans une seconde opération au cours d'une phase d'apprentissage du modèle à l'aide d'une unité de traitement telle qu'un ordinateur personnel, dans laquelle un modèle d'approximation préliminaire incluant un réseau neuronal à caractéristiques d'approximation locales est utilisé. Ce réseau neuronal est connecté en parallèle avec un réseau linéaire. Ces deux réseaux sont connectés aux mêmes entrées. Le réseau neuronal contient K cellules neuronales initialement. Ce nombre initial K correspond au nombre N d'ensembles de données d'apprentissage. Une combinaison linéaire pondérée des M paramètres de processus est effectuée. Les sorties du réseau linéaire et du réseau neuronal sont connectées à un réseau de sommation commun par l'intermédiaire de circuits de pondération. Une opération de réduction est effectuée dans laquelle les réseaux neuronal et linéaire deviennent plus petits, comportant moins de cellules neuronales et n'utilisant que M - R combinaisons linéaires pondérées. Cette réduction est réalisée au moyen d'une régression par étapes pour aboutir à un modèle de processus final plus simple que le modèle préliminaire initial qui est utiliser pour produire des signaux de rétroaction en boucle fermée servant à commander un processus industriel tel qu'un processus de production de cartes à circuit intégré.
Gowling Lafleur Henderson Llp
Reine Frank
Schenck Panel Production Systems Gmbh
LandOfFree
Method and apparatus for generating a model of an industrial... does not yet have a rating. At this time, there are no reviews or comments for this patent.
If you have personal experience with Method and apparatus for generating a model of an industrial..., we encourage you to share that experience with our LandOfFree.com community. Your opinion is very important and Method and apparatus for generating a model of an industrial... will most certainly appreciate the feedback.
Profile ID: LFCA-PAI-O-1991943