Fault Diagnosis of Nonlinear Systems Using a Hybrid-Degree Dual Cubature-based Estimation Scheme
Notice bibliographique
Résumé
In this paper, a novel hybrid-degree dual estimation approach based on cubature rules and cubature-based nonlinear filters is proposed for fault diagnosis of nonlinear systems through simultaneous state and time-varying parameter estimation. Our proposed dual nonlinear filtering scheme is developed based on case-dependent cubature rules that are motivated by the following observations and facts, namely (i) dynamic characteristics of nonlinear system states and parameters generally are distinct and posses different degrees of complexities, and (ii) performance of cubature rules depend on the system dynamics and vary due to handling of high-dimensional integrations approximations. For improving the robustness capability of our proposed methodologies modified cubature point propagation method is incorporated. The performance of our proposed dual estimation strategy is demonstrated and evaluated by application to a nonlinear gas turbine engine for addressing the component fault diagnosis problem within an integrated fault detection, isolation and identification framework. Robustness analysis is implemented to verify the capability of our proposed approaches to deal with parametric uncertainties and unmodeled dynamics. Extensive simulation case studies and discussions with respect to component fouling, erosion or abrupt faults are provided to substantiate and justify the superiority of our proposed fault diagnosis methodology when compared to other well-known alternative diagnostic techniques such as the Unscented Kalman Filters (UKF) and Particle Filters (PF) that are commonly available 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».