MétaCan
Menu
Retour à la cohorte
Enregistrement W1485988184 · doi:10.1002/acs.2359

Fault detection and eigenstructure optimization in IEEE 802.11 wireless sensor actuator networks for building automation

2012· article· en· W1485988184 sur OpenAlexaff
Liao Yong, Xuewu Dai, Guangyuan Liu, Yang Yang, Shizhong Yang

Notice bibliographique

RevueInternational Journal of Adaptive Control and Signal Processing · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesnon disponible
Mots-clésNetwork packetWireless sensor networkRobustness (evolution)ActuatorWirelessComputer scienceKey distribution in wireless sensor networksReal-time computingFault (geology)EngineeringWireless networkComputer networkTelecommunications

Résumé

récupéré en direct d'OpenAlex

SUMMARY There are signs that wireless sensor actuator networks can be used in time‐sensitive industrial processes to reduce cable deployment and increase flexibility. This paper investigates the time‐sensitive fault detector design in wireless sensor actuator networks subject to random packet delays and packet losses. The impacts of wireless packet delays and losses are modeled as external unknown disturbances and a memory block is introduced to deal with the packet losses and long delays. A frequency component estimation method is proved to estimate the frequency of these unknown disturbances. An eigenstructure optimization method is proposed to enhance the fault detector's sensitivity to the fault and the robustness against the delays and packet losses. The fault detection performance in a wireless building automation system is demonstrated by hybrid MATLAB/NS2 simulation. Copyright © 2012 John Wiley & Sons, Ltd.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,660
Score d'incertitude au seuil0,500

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,227
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Adaptive Control and Signal ProcessingMême sujetFault Detection and Control SystemsTravaux en français237 207