@article { author = {Farzad, Majid and Salahshoor, Karim}, title = {Design of An Intelligent System for Fault Diagnosis in Chemical and Petrochemical Processes}, journal = {Farayandno}, volume = {8}, number = {42}, pages = {19-26}, year = {2013}, publisher = {National Iranian Oil Refining and Distribution Company (NIORDC)}, issn = {1735-6466}, eissn = {2821-160X}, doi = {}, abstract = {In this paper, we present an intelligent operator support system (IOSS) for detection of process upsets and determining their causes .The system uses a simple conventional back-propagation (BP) artificial neural network (ANN) to achieve its diagnostic purposes. However, the capability of the proposed methodology is enhanced to simultaneously diagnose multiple faults and their severity levels via employing a number of functional units to the network input layer. The effectiveness of the proposed approach has been examined through simulation study of a Heptane-to-Toluene process in steady state operation.}, keywords = {Artificial neural network,learning,Performance Patterns,Severity Level,back-propagation (BP) artificial neural network}, title_fa = {طراحی سیستم هوشمند در تشخیص FAULT و علت یابی آن در فرآیندهای شیمیایی/ نفتی}, abstract_fa = {مقاله حاضر روشی جهت تشخیص عیب / خطا در فرآیندهای شیمیایی/ نفتی در حالت ماندگار کار آن‌ها توسط شبکه‌های عصبی مصنوعی ارائه می‌دهد. کارایی شبکه عصبی "پس انتشار خطا" را می‌توان با افزودن تعدادی واحدهای تابعی به لایه ورودی آن بهبود بخشید. این تکنیک باعث می‌شود توانائی شبکه عصبی، جهت ارائه روابط غیر خطی و خیلی پیچیدة موجود بین الگوهای عملکردی فرآیند افزایش یافته و تشخیص همزمان خطاهای چند‌گانه، علت‌های وقوع  و درجه سختی آنها را در فرآیند مورد نظر میسر می‌سازد. استفاده از منطق فازی در تشخیص عیب و علت‌یابی آن از نتایج مشابهی برخوردار است. در اجرای این تحقیق بر روی فرآیند‌های شیمیایی / نفتی از یک فرآیند نمونه تبدیل هپتان به تولوئن استفاده شده که نتایج حاصل از شبیه‌سازی این فرآیند، نشان دهنده قابلیت‌های موفقیت آمیز این سیستم هوشمند در محیط‌های صنعتی می‌باشد.}, keywords_fa = {شبکه عصبی مصنوعی,یادگیری,الگوهای عملکردی,درجه سختی,شبکه عصبی پس انتشار خطا}, url = {https://www.farayandno.ir/article_4422.html}, eprint = {https://www.farayandno.ir/article_4422_69bf340f617d2374dc31f00f579f444a.pdf} }