Estimation of Pressure Leakage Severity for Space Habitats Using Extended Kalman Filter
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
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.
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 | 0,000 | 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