Nowatorska metoda rekonstrukcji wnętrza reaktorów przemysłowych z wykorzystaniem tomografii impedancyjnej (EIT) i uczenia maszynowego
W dziedzinie przemysłowej diagnostyki procesowej nastąpił istotny przełom. Naukowcy opracowali innowacyjną metodę obrazowania wnętrza reaktorów przemysłowych, łącząc tomografię impedancyjną (EIT) z zaawansowanymi technikami uczenia maszynowego. Nowe podejście, szczegółowo opisane na łamach czasopisma Measurement, wykorzystuje analizę wieloczęstotliwościową oraz architekturę głębokich sieci neuronowych, znacząco podnosząc dokładność rekonstrukcji i odporność na zakłócenia w porównaniu z klasycznymi metodami jednoczęstotliwościowymi.
W centrum opracowanej technologii znajduje się sekwencyjny system pomiarów realizowany dla trzech częstotliwości: 100 kHz, 50 kHz i 10 kHz. Dzięki temu możliwe jest równoczesne uwzględnienie zarówno składowych rezystywnych, jak i reaktywnych sygnału impedancyjnego, co przekłada się na pełniejsze odwzorowanie procesów zachodzących wewnątrz reaktora. Takie podejście pozwala na bardziej precyzyjne śledzenie zmian w medium procesowym i skuteczniejsze wykrywanie nieprawidłowości.
Integralną częścią systemu jest wielogałęziowa sieć neuronowa typu LSTM (Long Short-Term Memory), specjalnie przystosowana do przetwarzania danych z różnych pasm częstotliwości. Dzięki zastosowaniu tej architektury możliwa stała się skuteczna rekonstrukcja obrazów tomograficznych nawet w warunkach znacznego zaszumienia danych, sięgającego poziomu 15%. W porównaniu z tradycyjnymi rozwiązaniami, nowa metoda osiąga wyraźnie lepsze parametry jakościowe, w tym niższy błąd średniokwadratowy (MSE), wyższy współczynnik PSNR, lepszy wynik strukturalnej zgodności SSIM oraz wyższą korelację między obrazami ICC.
Skuteczność metody została potwierdzona w warunkach rzeczywistych, poprzez walidację na modelu fizycznym reaktora wyposażonego w 32 elektrody pomiarowe. Uzyskane wyniki wykazały, że opracowany algorytm zachowuje wysoką precyzję odwzorowania wewnętrznej struktury medium procesowego, pomimo obecności typowych zakłóceń pomiarowych. To potwierdza jego przydatność w przemysłowych systemach monitorowania i kontroli.
Znaczenie tego osiągnięcia wykracza daleko poza aspekt technologiczny. Skuteczne i dokładne obrazowanie wnętrza reaktorów ma kluczowe znaczenie dla bezpieczeństwa i wydajności procesów przemysłowych w sektorach takich jak chemia, petrochemia czy farmacja. Tradycyjne techniki EIT borykały się z ograniczeniami w zakresie rozdzielczości i wrażliwości na szumy, co często utrudniało praktyczne zastosowanie. Integracja metod uczenia maszynowego z analizą wieloczęstotliwościową otwiera nową przestrzeń dla zastosowań, umożliwiając nie tylko szybsze wykrywanie anomalii, ale także bieżącą optymalizację procesów technologicznych oraz ograniczenie ryzyka awarii.
Obrazowe porównanie jakości rekonstrukcji przy zastosowaniu metod wieloczęstotliwościowych i jednoczęstotliwościowych jasno pokazuje przewagę nowego podejścia – szczególnie w warunkach niskiego stosunku sygnału do szumu.
Opracowana technologia stanowi istotny krok w kierunku inteligentnej diagnostyki przemysłowej, łączącej niezawodność pomiarów z potencjałem sztucznej inteligencji. Więcej szczegółów można znaleźć w pełnej wersji publikacji: link do publikacji