Metodika pro predikci průtoku kapalných médií s využitím nástrojů umělé inteligence

Abstract

Disertační práce se soustředí na analýzu fyzikálních dějů v chladícím potrubním okruhu výrobního celku. Hlavním cílem práce je navržení metodiky pro predikci průtoku kapalného média tímto okruhem. Je zde komplexně popsána problematika výrobní technologie a následně navržena metodika pro tvorbu matematického modelu, který slouží jako základ neuronové sítě. Zároveň je taktéž navrženo SMART měřící zařízení, které umožňuje, prostřednictvím vlastních integrovaných snímačů měřit různé fyzikální veličiny, a tyto veličiny vyhodnocovat prostřednictvím zmíněné neuronové sítě. Toto zařízení obsahuje taktéž pokročilé SMART funkce, sloužící k self-diagnostice. Pro správnou funkčnost měřiče byl vytvořen zdrojový kód v jazyce C++ včetně přehledné HMI. Dále je popsán přehledně popsán experiment, který sloužil pro evaluaci provedených predikcí a zhodnocen přínos zařízení pro vědeckou i komerční praxi. Výsledné zařízení může být plně považováno za SMART senzor nové generace a je kompatibilní s trendem Průmysl 4.0.

The dissertation focuses on analyzing physical events in the cooling pipe circuit of the production unit. The main goal is to propose a methodology for predicting the flow of liquid media through this circuit. The production technology is comprehensively described, followed by a proposed methodology for creating a mathematical model, which serves as the basis for a neural network. Additionally, a SMART measuring device is designed to measure various physical quantities using its integrated sensors and evaluate these quantities through the neural network. This device also includes advanced SMART functions for self-diagnosis. For the meter's correct functionality, source code was created in C++, including a clear HMI. An experiment is clearly described, which was used to evaluate the predictions made and assess the device's contribution to scientific and commercial practice. The resulting device can be fully considered a new generation SMART sensor and is compatible with the Industry 4.0 trend.