Estimation of Pressure Leakage Severity for Space Habitats Using Extended Kalman Filter
Notice bibliographique
Résumé
Extraterrestrial habitat systems face numerous disruptions throughout their lifecycle, which may threaten crew safety. One serious risk is associated with air pressure leakage, which can occur due to sudden events such as micrometeorite strikes or airlock failures. To ensure proper functionality of the habitat, it is essential to detect the leak and assess its severity, quantified in terms of the leakage area, and communicate that information to the health management system in a meaningful way to support decision-making. A quantitative prediction of the remaining time before the detected fault results in system failure; its time-to-critical is also helpful for making decisions in such a resource-constrained environment. This paper presents a systematic study to develop and examine methods to estimate the current state of a pressurized vessel and predict the time-to-critical. To achieve this estimate in a real-time setting, an augmented extended Kalman filter method is used in conjunction with two noise identification procedures, namely, expectation maximization and variational Bayes. The robustness of the extended Kalman filter method, whether used independently or in conjunction with the expectation maximization or variational Bayesian approaches, is evaluated through a numerical study. The numerical study yields practical strategies for tuning the algorithm hyperparameters so as to obtain more rapid, accurate, and unbiased estimates of the fault intensity and the remaining time-to-critical. The performance and efficiency of these strategies are then experimentally validated by determining the leakage area and time-to-critical in a lab-scale pressure vessel.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».