×
丹尼尔·荣格;埃里克·弗里斯克

利用凸优化进行故障检测和隔离的残差选择。 （英语） Zbl 1406.93092号

Automatica公司 97, 143-149 (2018).
摘要：在基于模型的诊断中，通常有比所需的更多的候选残差生成器，因此残差选择是基于模型诊断系统设计中的一个重要步骤。自动生成残差生成器的计算机辅助工具的可用性使得生成用于故障检测和隔离的大量候选残差生成器变得更加容易。由于模型不确定性和测量噪声的影响，不同候选对象之间的故障检测性能差异很大。因此，为了获得令人满意的故障检测和隔离性能，在制定残差选择问题时必须考虑这些因素。这里，凸优化问题被描述为一种残差选择方法，利用关于不同残差的结构信息和来自不同故障场景的训练数据。最优解对应于具有保证性能的最小剩余生成器集。以内燃机试验台的测量数据和残差发生器为例，说明了该方法的有效性。

引用于1文件

理学硕士：

93B35型 灵敏度（稳健性）
93亿B51 设计技术（稳健设计、计算机辅助设计等）
93立方厘米 控制理论中的应用模型
90C25型 凸面编程

关键词：

故障检测和隔离;特征选择;基于模型的诊断;凸优化;计算机辅助设计工具

软件：

故障诊断工具箱
PDF格式BibTeX公司 XML格式引用
\textit{D.Jung}和\textit{E.Frisk}，Automatica 97，143--149（2018；Zbl 1406.93092）
全文： 内政部 链接

参考文献：

[1] Basseville，M.，残差生成和故障检测与隔离的信息标准，Automatica，33，5，783-803（1997）·Zbl 0907.62103号
[2] Bhushan先生。；Rengaswamy，R.，《基于各种故障诊断可观测性和可靠性标准的传感器位置设计》，计算机与化学工程，24，2-7，735-741（2000）
[3] 布兰克，M。；Kinnaert，M。；Lunze，J。；Staroswiecki先生。；Schröder，J.，《诊断和容错控制》，第691卷（2006），施普林格出版社·Zbl 1126.93004号
[4] Chandrashekar，G。；Sahin，F.，《特征选择方法的调查》，计算机与电气工程，40，1，16-28（2014）
[5] Chanthery，E。；Travé-Massuyès，L。；Indra，S.，基于分散剩余发电的请求故障隔离，IEEE系统、人与控制论事务：系统，46，5，598-610（2016）
[6] 科迪尔，M。；达格，P。；Lévy，F。；蒙曼，J。；Staroswiecki，M。；Travé-Massuyès，L.，冲突与分析冗余关系：从人工智能和自动控制的角度对基于模型的诊断方法进行比较分析，IEEE系统、人与控制论汇刊，B部分（控制论），34，5，2163-2177（2004）
[7] Eriksson，L.，涡轮增压SI和DI发动机的建模和控制，OGST-Revue de L'IFP，62，4，523-538（2007）
[8] Eriksson，L.、Frei，S.、Onder，C.和Guzzella，L.（2002）。涡轮增压火花点火发动机的控制和优化。在IFAC世界大会; Eriksson，L.、Frei，S.、Onder，C.和Guzzella，L.（2002）。涡轮增压火花点火发动机的控制和优化。在IFAC世界大会
[9] 埃里克森，D。；弗里斯克，E。；Krysander，M.，随机线性描述子模型的定量故障可诊断性分析方法，Automatica，49，6，1591-1600（2013）·Zbl 1360.93648号
[10] 弗兰克·P。；丁，X.，基于观测器的故障检测系统中鲁棒残差生成和评估方法综述，过程控制杂志，7，6，403-424（1997）
[11] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，《统计学习的要素》（Springer series in statistics，vol.2（2009），Springer:Springer Berlin）·Zbl 1273.62005年
[12] 弗里斯克，E。；阿尼巴尔，B。；Å斯伦德，J。；Krysander，M。；Pulido，B。；Biswas，G.，考虑微分约束因果解释的可诊断性分析，IEEE系统、人与控制论汇刊，A部分（系统与人），42，5，1216-1229（2012）
[13] Frisk，E.、Krysander，M.和Jung，D.（2017年）。用于分析和设计基于模型的大型模型诊断系统的工具箱。在IFAC世界大会; Frisk，E.、Krysander，M.和Jung，D.（2017年）。用于分析和设计基于模型的大型模型诊断系统的工具箱。在IFAC世界大会
[14] 盖恩，I。；Elisseeff，A.，变量和特征选择导论，机器学习研究杂志，3月3日，1157-1182（2003）·Zbl 1102.68556号
[15] Jegadeeshwaran，R。；Sugumaran，V.，《使用统计特征和支持向量机对汽车液压制动系统进行故障诊断》，机械系统和信号处理，52，436-446（2015）
[16] 姜强。；严，X。；Huang，B.，基于故障相关变量选择和贝叶斯推断的性能驱动分布式PCA过程监测，《工业电子学报》，63，1，377-386（2016）
[17] Jung，D。；Sundström，C.，用于故障检测和隔离的组合数据驱动和基于模型的残差选择算法，《控制系统技术汇刊》，PP，99，1-15（2017）
[18] Krysander，M。；Å斯伦德，J。；Nyberg，M.，《为基于模型的诊断寻找最小过约束子系统的有效算法》，《系统、人与控制论事务》，A部分（系统与人），38，1，197-206（2008）
[19] Krysander，M。；Frisk，E.，故障诊断传感器布置，《系统、人与控制论学报》，A部分（系统与人），38，6，1398-1410（2008）
[20] Krysander，M。；海因茨，F。；罗尔，J。；Frisk，E.，FlexDx:可重构诊断框架，人工智能工程应用，23，8，1303-1313（2010）
[21] Nejjari，F.、Sarrate，R.和Rosich，A.（2010年）。使用bilp公式进行燃料电池系统诊断的最佳传感器布置。在2010年第18届地中海控制与自动化会议; Nejjari，F.、Sarrate，R.和Rosich，A.（2010年）。使用bilp公式进行燃料电池系统诊断的最佳传感器布置。在2010年第18届地中海控制与自动化会议
[22] Page，E.S.，《连续检查计划》，《生物特征》，41，100-115（1954）·Zbl 0056.38002号
[23] 佩雷尔曼，L。；阿巴斯，W。；Koutsoukos，X。；Amin，S.，《水网故障位置识别的传感器布置：最小测试覆盖方法》，Automatica，72166-176（2016）·兹比尔1344.93014
[24] 桑卡瓦拉姆，C。；科达利，A。；Pattipati，K。；Singh，S.，《应用于汽车系统的数据驱动故障诊断增量分类器》，IEEE Access，3407-419（2015）
[25] 施密特，M。；Fung，G。；Rosales，R.，《l1正则化的快速优化方法：比较研究和两种新方法》（欧洲机器学习会议（2007），Springer），286-297
[26] 斯瓦德，C。；Nyberg，M.，使用混合因果关系的计算序列对汽车系统进行故障诊断的残差发生器，《系统、人与控制论学报》，A部分（系统与人），40，6，1310-1328（2010）
[27] 斯瓦德，C。；尼伯格，M。；Frisk，E.，汽车发动机应用故障诊断剩余发电机的可实现性约束选择，《系统、人与控制论学报：系统》，43，6，1354-1369（2013）
[28] Tidriri，K。；查蒂，N。；Verron，S.公司。；Tipli，T.，《将数据驱动和基于模型的方法用于过程故障诊断和健康监测：研究综述和未来挑战》，《控制年度评论》，42，63-81（2016）
[29] Venkatasubramanian，V。；Rengaswamy，R。；尹，K。；Kavuri，S.，《过程故障检测与诊断综述：第一部分：基于定量模型的方法》，计算机与化学工程，27，3，293-311（2003）
[30] Wheeler，T.，故障诊断方案的概率性能分析（2011），加利福尼亚大学：加利福尼亚大学伯克利分校
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。