MétaCan
Menu
Retour à la cohorte
Enregistrement W2075284112 · doi:10.2316/journal.201.2004.1.201-1132

A New Real-Time Automated Ground Health Monitoring System at a Satellite Ground Control Station

2004· article· en· W2075284112 sur OpenAlexvenueno aff
R. W. Johnson, Sanjay Jayaram

Notice bibliographique

RevueControl and Intelligent Systems · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKalman filterReal-time computingExtended Kalman filterComputer scienceSatelliteFault detection and isolationControl engineeringControl systemEngineeringSimulationArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

A new real-time detection/diagnosis methodology for an Automated Ground Health Monitoring System (AGHMS) is applied at a satellite ground control station. The technological innovations in this research are focused on the identification of abnormal transient response profiles from a satellite 6-DOF attitude control platform. The identification will be made by comparing, in real time, the filtered (Kalman) measurements to a synchronized model reference system. The methodology used to accomplish this task will be software intensive and perfectly compatible with the open physical architecture of existing monitoring devices and their automated control system mechanisms. The innovations demonstrated will be (1) a real-time Extended Kaiman filter to eliminate the measurement noise; (2) the formulation and use of a dynamic threshold detection system to identify abnormal state estimates as well as covariance estimates; and (3) the generation of an intelligent fault-mode file with corrective control commands to stabilize mild detected faults. The objective of this article is to provide these technical enhancements by handling and evaluating test data differently. An example is included to demonstrate these technical innovations. The AGHMS methodology will demonstrate real-time signal detection using an Extended Kalman filter (EKF) to obtain the best estimate of measurements (i.e., the dynamic parameters of a system); to obtain precise knowledge of the attitude of a satellite or a spacecraft that has an onboard magnetometer for attitude measurements; to study and analyze the state co-variance, as well as the error co-variance of the system; and to enhance the processing capability by monitoring systems in real time, perform systems detection/diagnosis, and actively control the environment/process based on these onboard sensor readings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,010
Tête enseignante GPT0,233
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueControl and Intelligent SystemsMême sujetFault Detection and Control SystemsTravaux en français237 207