Các thuật toán phát hiện lỗi đột ngột trong các quá trình tự hồi tiếp được kiểm soát

Emerald - 2008
HuShaolin1, SunGuoji2, OuyangHuajiang3, ChenRushan4
1Xi'an Satellite Control Center, Xi'an, People's Republic of China
2System Engineering Institute, Xi'an Jiaotong University, Xi'an, People's Republic of China
3Department of Engineering, The University of Liverpool, Liverpool, UK
4Department of Communication Engineering, Nanjing University of Science & Technology, Nanjing, People's Republic of China

Tóm tắt

Mục đíchMục đích của bài báo này là trình bày nghiên cứu về việc phát hiện và xác định các lỗi đột ngột trong các quá trình tự hồi tiếp được kiểm soát (CAR).Thiết kế/phương pháp tiếp cậnPhương pháp dựa trên mô hình được áp dụng trong bài báo này. Hai chuỗi ước lượng lập lại chịu lỗi được thiết lập để ước lượng trực tuyến các hệ số trong một quá trình CAR. Dựa trên các ước lượng chịu lỗi này, các thuật toán phát hiện và xác định chi tiết được xây dựng không chỉ cho các lỗi loại xung mà còn cho các lỗi loại bước trong quá trình CAR.Những phát hiệnBài báo này minh hoạ thông tin hữu ích có thể thu được từ các residual và có thể sử dụng để phát hiện các lỗi loại xung cũng như các lỗi loại bước. Một phương pháp ước lượng hồi quy chịu lỗi cho các hệ số của quá trình CAR được đưa ra. Bằng cách sử dụng một biến đổi đơn giản từ lỗi loại bước sang lỗi loại xung, tất cả các phương pháp chẩn đoán để phát hiện và xác định lỗi loại bước có thể được sử dụng.Giới hạn / ý nghĩa nghiên cứuCác ước lượng chịu lỗi và các thuật toán phát hiện và xác định lỗi nhằm vào các lỗi đột ngột trong các quá trình CAR.Ý nghĩa thực tiễnHầu hết các thuật toán được trình bày trong bài báo này có thể được sử dụng trong nhiều lĩnh vực khác nhau, chẳng hạn như giám sát quy trình, kiểm soát an toàn và phát hiện thay đổi, v.v.Giá trị / sự độc đáoBài báo này đóng góp vào nghiên cứu các lỗi đột ngột và những thay đổi đột ngột trong một quá trình CAR và nhấn mạnh việc xác định cường độ của các lỗi đột ngột. Các ước lượng chịu lỗi không chỉ hiệu quả trong việc phát hiện lỗi mà còn an toàn trong việc xác định các hệ số của mô hình CAR.

Từ khóa


Tài liệu tham khảo

Basseville, M. (1988), “Detecting changes in signals and systems – a survey”, Automatica, Vol. 24 No. 3, pp. 309‐26.

Box, G.E.P. and Jenkins, G.M. (1970), Time Series Analysis‐Forecasting and Control, Holden‐Day, San Francisco, CA.

Deng, Z. (2000), Optimal Filtering Theory and Its Application‐modern Time Series Analysis Method, Harbin University of Technology Press, Heilongjiang.

Deng, Z. and Liu, Y. (2000), “New algorithms of steady‐state Kalman filter for stochastic control systems”, Acta Automatica Sinica, Vol. 26 No. 1, pp. 74‐8.

Hampel, F.R., Ronchetti, E.M. and Rousseeuw, P.J. et al. (1986), Robust Statistics – The Approach Based on Influence, Wiley, New York, NY.

Hilgert, N. and Vila, J. (1999), “D‐step ahead Kalman predictor for controlled autoregressive processes with random coefficients”, International Journal of Applied Mathematics and Computer Science, Vol. 9 No. 1, pp. 207‐17.

Hu, S. and Sun, G. (2001), Techniques of Process Monitoring and their Applications, National Defense Industry Press, Beijing.

Hu, S. and Karl, M. et al. (2006), “Fault‐tolerant fitting and online diagnosis of faults in SISO process”, Proceedings of 6th IFAC Symposium on Fault Detection, Supervision and Safety of Technical Processes.

Leveson, N.G. (2002), A New Approach to System Safety Engineering, Aeronautics and Astronautics Massachusetts Institute of Technology, Cambridge, MA.

Park, G.H. and Michail, Z. (2003), “Gray‐box approach for fault detection of dynamical systems”, Journal of Dynamic Systems, Measurement, and Control, Vol. 125 No. 3, pp. 451‐4.

Patton, R., Frank, P.M. and Clark, R.N. (1989), Fault Diagnosis in Dynamic Systems‐Theory and Applications, Prentice‐Hall, Cambridge.

Perhinschi, M.G., Napolitano, M.R. and Stolarik, B. et al. (2003), “Design of safety monitor schemes for a fault tolerant flight control system”, paper presented at AIAA Guidance, Navigation, and Control Conference and Exhibit, AIAA 2003‐5646, Austin, TX.

Yong Sheng, Z., Zhe Min, Y., Jie Yi, X. and Zhou, T‐J. (2007), “Multidimensional time series analysis based on support vector regression and controlled autoregressive and its application in ecology”, Acta Ecologica Sinica, Vol. 27 No. 6, pp. 2419‐24.

Thông tin
Thông tin xuất bản

Emerald

Thông tin tác giả