کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7108667 1460622 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Adaptive Kalman filter for actuator fault diagnosis
ترجمه فارسی عنوان
فیلتر کلمن فیلتر برای تشخیص خطای محرک
کلمات کلیدی
ناظر سازگار، برآورد پارامتر حالت-پارامتر، تشخیص گسل، فیلتر کلمن،
ترجمه چکیده
در این مقاله، یک فیلتر سازگار با کلام برای تشخیص خطای محرک در سیستم های متغیر زمان تصادفی زمان گسسته ارائه شده است. با مدل سازی گسل های محرک به عنوان تغییرات پارامتر، تشخیص خطا از طریق برآورد پارامتر حالت-حالت در چارچوب تصادفی در نظر گرفته شده انجام می شود. تحت شرایط کنترل کامل مشاهده پذیری و یک حالت تحریک پایدار، وضعیت پایداری کوانتوم کمان فیلتر سازگار پیشنهاد شده دقیقا مورد تجزیه و تحلیل قرار گرفته است. علاوه بر حداقل ویژگی واریانس خطاهای تخمین ترکیبی حالت و پارامتر، نشان داده شده است که برآورد پارامتر در فیلتر پیشنهادی اقتباس کلاممن معادل الگوریتم کمترین مربع بازگشتی است که برای یک مسئله رگرسیون فکری فرموله شده است. مثالهای عددی برای نشان دادن عملکرد الگوریتم پیشنهاد شده ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
چکیده انگلیسی
An adaptive Kalman filter is proposed in this paper for actuator fault diagnosis in discrete time stochastic time varying systems. By modeling actuator faults as parameter changes, fault diagnosis is performed through joint state-parameter estimation in the considered stochastic framework. Under the classical uniform complete observability-controllability conditions and a persistent excitation condition, the exponential stability of the proposed adaptive Kalman filter is rigorously analyzed. In addition to the minimum variance property of the combined state and parameter estimation errors, it is shown that the parameter estimation within the proposed adaptive Kalman filter is equivalent to the recursive least squares algorithm formulated for a fictive regression problem. Numerical examples are presented to illustrate the performance of the proposed algorithm.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Automatica - Volume 93, July 2018, Pages 333-342
نویسندگان
,