Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "estymacja błędu" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Robust sensor fault estimation for descriptor-LPV systems with unmeasurable gain scheduling functions: Application to an anaerobic bioreactor
Autorzy:
López-Estrada, F. R.
Ponsart, J. C.
Theilliol, D.
Astorga-Zaragoza, C. M.
Camas-Anzueto, J. L.
Powiązania:
https://bibliotekanauki.pl/articles/331392.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
fault diagnosis
fault estimation
LPV systems
observer design
descriptor system
diagnostyka uszkodzeń
estymacja błędu
obserwator
układ deskryptorowy
Opis:
This paper addresses the design of a state estimation and sensor fault detection, isolation and fault estimation observer for descriptor-linear parameter varying (D-LPV) systems. In contrast to where the scheduling functions depend on some measurable time varying state, the proposed method considers the scheduling function depending on an unmeasurable state vector. In order to isolate, detect and estimate sensor faults, an augmented system is constructed by considering faults to be auxiliary state vectors. An unknown input LPV observer is designed to estimate simultaneously system states and faults. Sufficient conditions to guarantee stability and robustness against the uncertainty provided by the unmeasurable scheduling functions and the influence of disturbances are synthesized via a linear matrix inequality (LMI) formulation by considering H∞ and Lyapunov approaches. The performances of the proposed method are illustrated through the application to an anaerobic bioreactor model.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2015, 25, 2; 233-244
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Data-driven techniques for the fault diagnosis of a wind turbine benchmark
Autorzy:
Simani, S.
Farsoni, S.
Castaldi, P.
Powiązania:
https://bibliotekanauki.pl/articles/330715.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
fault diagnosis
analytical redundancy
fuzzy system
neural network
residual generator
fault estimation
wind turbine benchmark
diagnostyka uszkodzeń
redundancja analityczna
system rozmyty
sieć neuronowa
estymacja błędu
turbina wiatrowa
Opis:
This paper deals with the fault diagnosis of wind turbines and investigates viable solutions to the problem of earlier fault detection and isolation. The design of the fault indicator, i.e., the fault estimate, involves data-driven approaches, as they can represent effective tools for coping with poor analytical knowledge of the system dynamics, together with noise and disturbances. In particular, the proposed data-driven solutions rely on fuzzy systems and neural networks that are used to describe the strongly nonlinear relationships between measurement and faults. The chosen architectures rely on nonlinear autoregressive models with exogenous input, as they can represent the dynamic evolution of the system along time. The developed fault diagnosis schemes are tested by means of a high-fidelity benchmark model that simulates the normal and the faulty behaviour of a wind turbine. The achieved performances are also compared with those of other model-based strategies from the related literature. Finally, a Monte-Carlo analysis validates the robustness and the reliability of the proposed solutions against typical parameter uncertainties and disturbances.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2018, 28, 2; 247-268
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies