Wavelet Applications in Chemical Engineering

تاکید روزافزون بر ایمنی، بهره‌وری و کنترل کیفیت، انگیزه‌ای برای تحقیق در مورد روش‌های بهتر برای تشخیص خطا، مدل‌سازی، شناسایی، کنترل و بهینه‌سازی سیستم‌های فرآیند شیمیایی فراهم کرده است. یکی از بزرگترین چالش‌های پیش روی جامعه پژوهشی، پردازش داده‌های حسگر خام به اطلاعات معنادار است. تجزیه و تحلیل موجک یک رشته نوظهور از ریاضیات است که ابزارها و الگوریتم های جدیدی را برای نوع مشکلاتی که در نظارت و کنترل فرآیند با آن مواجه می شوند، ارائه کرده است. این مفهوم در زمینه ژئوفیزیک در نتیجه نیاز به تکنیک های تحلیلی فرکانس زمانی پدیدار شد. از آن زمان توسط ریاضیدانان برداشت شده و به عنوان یک نظریه وحدت بخش برای بسیاری از روش های به کار رفته در گذشته در فیزیک و پردازش سیگنال شناخته شده است. مایر بیان می‌کند: "موجک‌ها بدون شک مفهومی هیجان‌انگیز و شهودی هستند. این مفهوم شیوه جدیدی از تفکر را با خود به ارمغان می‌آورد که کاملاً ضروری است و در الگوریتم‌های قبلی به طور کامل گم شده بود." اتحاد نظریه از این رشته‌ها باعث شده است. منجر به کاربردهای تبدیل موجک در بسیاری از زمینه‌های علوم و مهندسی شد، از جمله: • تشخیص الگو • تجزیه و تحلیل سیگنال • تجزیه زمان-فرکانس • مشخصه‌سازی و نمایش سیگنال فرآیند • مدل‌سازی و شناسایی سیستم فرآیند • طراحی، تحلیل و پیاده‌سازی سیستم کنترل • حل عددی معادلات دیفرانسیل. • دستکاری ماتریس حدود یک سال پیش، در صحبت با همکاران و همکاران مختلف، مشخص شد که تعدادی از مهندسان شیمی مجذوب این مفهوم جدید شده اند.

Increasing emphasis on safety, productivity and quality control has provided an impetus to research on better methodologies for fault diagnosis, modeling, identification, control and optimization ofchemical process systems. One of the biggest challenges facing the research community is the processing of raw sensordata into meaningful information. Wavelet analysis is an emerging field of mathematics that has provided new tools and algorithms suited for the type of problems encountered in process monitoring and control. The concept emerged in the geophysical field as a result ofthe need for time-frequency analytical techniques. It has since been picked up by mathematicians and recognized as a unifying theory for many ofthe methodologies employed in the past in physics and signal processing. l Meyer states: "Wavelets are without doubt an exciting and intuitive concept. The concept brings with it a new way of thinking, which is absolutely essential and was entirely missing in previously existing algorithms. " The unification ofthe theory from these disciplines has led to applications of wavelet transforms in many areas ofscience and engineering including: • pattern recognition • signal analysis • time-frequency decomposition • process signal characterization and representation • process system modeling and identification • control system design, analysis and implementation • numerical solution ofdifferential equations • matrix manipulation About a year ago, in talking to various colleagues and co-workers, it became clear that a number of chemical engineers were fascinated with this new concept.