• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Asymptotic analysis of subspace-based data-driven residual for fault detection with uncertain reference ?
【24h】

Asymptotic analysis of subspace-based data-driven residual for fault detection with uncertain reference ?

机译：基于子空间的数据驱动残差的渐近分析，不确定参考 ？

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The local asymptotic approach is promising for vibration-based fault diagnosis when associated to a subspace-based residual function and efficient hypothesis testing tools. It has the ability of detecting small changes in some chosen system parameters. In the residual function, the left null space of the observability matrix associated to a reference model is confronted to the Hankel matrix of output covariances estimated from test data. When this left null space is not perfectly known from a model, it should be replaced by an estimate from data to avoid model errors in the residual computation. In this paper, the asymptotic distribution of the resulting data-driven residual is analyzed and its covariance is estimated, which includes also the covariance related to the reference null space estimate. The importance of including the covariance of the reference null space estimate is shown in a numerical study.
机译：当局部渐近方法与基于子空间的残留功能和有效的假设检测工具相关联的基于振动的故障诊断有前途。它具有检测某些所选系统参数的小变化的能力。在剩余功能中，与参考模型相关联的可观察性矩阵的左无效空间面对从测试数据估计的输出协方差的Hankel矩阵。当从模型中没有完全清楚左空空格时，它应该由来自数据的估计替换，以避免在剩余计算中的模型错误。在本文中，分析了所得数据驱动残差的渐近分布，估计其协方差，其中包括与参考空间估计有关的协方差。在数值研究中显示了包括参考空空间估计的协方差的重要性。

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