Actuator fault diagnosis for uncertain linear systems using a high‐order sliding‐mode robust differentiator (HOSMRD)
Notice bibliographique
Résumé
Abstract Many observer‐based fault diagnosis strategies proposed for linear systems, subject to unknown inputs, operate based on three assumptions. The first assumption is that the system under consideration is at least detectable. The second one is that the unknown inputs satisfy certain matching conditions. The third one, which is often implicit, is that the relative degrees from the generalized input vector, including both known and unknown inputs, to the outputs are no larger than one. If none of these assumptions are met, little result exists on how to carry out fault diagnosis. The purpose of this paper is to develop a novel actuator fault diagnosis scheme for a general class of linear systems subject to unknown inputs that can work without the mentioned three assumptions. Four actuator fault diagnosis problems related to fault detection, isolation, and estimation are formulated and studied. In order to solve these problems, an input–output relation, which involves only the outputs and their higher‐order derivatives, is derived. The posed problems are solved based on this relation via utilizing both the outputs and their higher‐order derivatives. Because only the outputs are measured, higher‐order output derivatives are estimated using the recently developed high‐order sliding‐mode robust differentiators (HOSMRDs). The first two fault detection and isolation problems are answered in terms of a concept called Generalized Actuator Fault Isolation IndeX (GAFIX), and it is proved that, under the condition that the derived input–output relation is used for fault diagnosis, actuator faults are detectable if and only if GAFIX⩾1, and l actuator faults can be isolated if and only if GAFIX⩾l+1. A method which can be used to estimate the faults is proposed for the fault estimation problem. To solve the last problem, an actuator fault diagnosis scheme is designed using both the measured outputs and their estimated derivatives obtained by HOSMRDs, and is presented in steps. Finally, an example is provided to show the effectiveness of our fault diagnosis scheme in terms of fault detection, isolation, and estimation. Copyright © 2007 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».