• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2016 3rd Conference on Control and Fault-Tolerant Systems >Structural analysis for robust diagnosis via Kalman filters
【24h】

Structural analysis for robust diagnosis via Kalman filters

机译：通过卡尔曼滤波器进行结构分析以进行可靠的诊断

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Structural analysis provides methods to find all possible residual generators in an over-constrained model structure. The number of residual candidates though growths exponentially with the degree of over-constrainedness. Since on the one hand not all candidates are necessary for fault detection and isolation and on the other hand not all candidates provide sufficient information to distinguish between fault effects and model uncertainties robustly, it is an open problem how to find an optimal subset of residuals. This subset should be optimal in the sense that it provides a robust diagnosis in the presence of uncertainties with maximal fault isolation. In this paper linear Gaussian models are structurally analysed for most informative over-constrained subsystems. These subsystems are treated as separate state-space models for whi ch Kalman filters are designed. The resulting bank of Kalman filters provides a method for robust fault isolation in the presence of uncertainties and unknown fault dynamics.
机译：结构分析提供了在过度约束的模型结构中查找所有可能的残差生成器的方法。剩余候选的数量虽然随着过度约束的程度呈指数增长。由于一方面并非所有候选都需要进行故障检测和隔离，另一方面并非所有候选都可以提供足够的信息来可靠地区分故障影响和模型不确定性，因此如何找到残差的最佳子集是一个悬而未决的问题。该子集在存在不确定性和最大故障隔离的情况下可以提供可靠的诊断的意义上应该是最佳的。在本文中，对大多数信息量过大的子系统进行了线性高斯模型的结构分析。这些子系统被视为单独的状态空间模型，用于设计卡尔曼滤波器。所得的卡尔曼滤波器组提供了一种在存在不确定性和未知故障动态的情况下进行鲁棒故障隔离的方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号