Smoothing parameters selection in the additive regression models approach for the fault detection

Smoothing is an important statistical tool and is strongly related to nonparametric prediction. Smoothers can be used to visual description of data, smooth plots of relationship, and diagnose residual plots. This paper presents a nonlinear dynamic systems identification method based on additive regression models with smoothing techniques and knowledge discovery data. In particular, two alternative theoretical smoothing choices are proposed in an attempt to estimate additive models structure. The fault detection of dynamic system based on the obtained model is planned aim of the work.. The final part of this work contains an illustrative example regarding the application of proposed approach to a control valve for measurement tracks in the boiler laboratory setup. All research has been carried out in order to demonstrate the sensitivity of faults for three theoretical smoothing parameters in the analyzed structure.

Funkcja wygładzająca jest ważnym narzędziem statystycznym związanym z regresją nieparametryczną i służy do określania zależności pomiędzy zmiennymi wejściowymi a wyjściowymi. W pracy przedstawiono nowe podejście do identyfikacji nieliniowych systemów dynamicznych, oparte na addytywnym modelu regresji wraz technikami wygładzającymi oraz eksploracji danych. W szczególności, aby osiągnąć większą elastyczność przy szacowaniu modelu addytywnego, dokonano wyboru dwóch alternatywnych metod wygładzających. Pozyskana wiedza posłużyła do konstrukcji algorytmów detekcji uszkodzeń, a następnie do oceny wrażliwości na występowanie poszczególnych uszkodzeń w zależności od trzech parametrów wygładzających. Badania przeprowadzono dla przykładowego zaworu regulacyjnego na podstawie danych laboratoryjnych próbkowanych na stanowisku regulacji poziomu wody w zbiorniku walczakowym.