Unscented Kalman Filter (UKF) and frequency analysis (FA) techniques used for fault detection, diagnosis and isolation (FDDI) in Heating Ventilation Air Conditioning systems (HVAC)-comparison results
Notice bibliographique
Résumé
Monitoring and controlling the modern and sophisticated heating ventilation air conditioning (HVAC) building systems under a wide variety of occupancy and load related operating conditions represents a difficult and challenging task. Their complexity drastically increases and the control becomes more difficult task due to the several control loops that interact between them. The main objective of this study is to compare the performance of the automated strategies for fault detection, diagnosis and isolation (FDDI) based on frequency and spectral analysis (FA) of the system response, and an interactive multiple model (IMM), based on the unscented Kalman Filter (UKF) estimation technique to the problem of fault detection diagnosis and isolation (FDDI) of the valve actuator failures in discharge air temperature (DAT) loop of the HVAC systems. The both techniques are HVAC model-driven based and the simulations results reveal the superiority of the interactive multiple model based on unscented Kalman filter estimation algorithm (IMM_UKF) concerning its accuracy and robustness to the changes in the system structure parameters. These algorithms are implemented in a simulation environment, and the fault diagnosis results are presented for a several fault scenarios in terms of mode probabilities and active fault index. From the preliminaries simulations, for different scenarios we found that the IMM_UKF algorithm is robust to the choice of the matrix probability and to the small changes in process and measurement noise level, result that is confirmed in the literature.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».