Observer-based strategies for actuator fault detection, isolation and estimation for certain class of uncertain nonlinear systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Two observer-based actuator fault isolation schemes for a class of uncertain nonlinear systems have been presented. To deal with a broader class of uncertain nonlinearities than previously considered, novel diagnostic observers are proposed, which combine two nonlinear observer design strategies, namely Thau's observer with sliding-mode observer concepts. The proposed observers are primarily designed for actuator fault diagnostic purposes. The nonlinearities that can be attacked may include both Lipschitz nonlinearities and those uncertain nonlinearities that are not Lipschitz but satisfy certain matching conditions. Design of the proposed observer boils down to solving a set of linear matrix inequalities (LMIs), which can easily be accomplished using the Matlab's LMI toolbox. Using the proposed observers, two actuator fault isolation schemes are designed. Unlike the existing techniques, using m observers (where m is the number of actuators) in the first approach, and only one observer in the second approach, the proposed schemes can isolate any number of actuator faults occurring at the same time. In addition, both the proposed schemes are capable of estimating the shape of the faults which is useful for fault accommodation purposes. A numerical example is provided to show the effectiveness of the proposed model-based actuator fault isolation strategies. The simulation results confirm that the two proposed techniques are effective in dealing with robust actuator fault detection, isolation and estimation in the studied class of nonlinear systems.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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) | 0,000 | 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 découle