Complex systems diagnosis using fuzzy non-linear modelling

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F08%3A00018791" target="_blank" >RIV/61989100:27240/08:00018791 - isvavai.cz</a>

Alternative codes found

RIV/61989100:27360/08:00019378

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Complex systems diagnosis using fuzzy non-linear modelling

Original language description

The fuzzy and neuro-fuzzy modeling approaches represent extremely powerful tool for non-linear dynamic systems approximation. By using this tool it is possible to overcome difficulties in conventional techniques for dealing with nonlinearity. This paperpresents the design of the diagnostic system exploits these fuzzy modeling approximation abilities together with fault detection and isolation algorithm (FDI) to detect the presence of the fault at the system. The idea is based on using a Takagi-Sugeno fuzzy model to describe the non-linear dynamic system by its decomposition onto number of linear submodels. Having these submodels, the Kalman filters are designed for each of the local models to generate the fault indicating signals ? residuals. Becauseof the assumption that the non-linear system under consideration is stochastic, the hypothesis testing technique (Generalized likelihood ratio test) is applied to the residuals along with the fuzzy regression to make a decision whether th

Czech name

Diagnostika složitého systému s využitím nelineárního fuzzy modelování

Czech description

Přístupy k fuzzy modelování představují velmi efektivní nástroje pro aproximaci složitých nelineárních dynamických systémů. Využitím těchto metod lze překonat obtíže spojené s modelováním nelinearit konvenčními způsoby. Příspěvek je zaměřen na syntézu diagnostického systému využívajícího vlastností fuzzy modelů spolu s přístupy diagnostických algoritmů FDI k monitorování a diagnostice nelineárních soustav. Základem je využití Takagiho-Sugenova fuzzy modelu k popisu nelineárního systému metodou jeho dekompozice do množiny lineárních submodelů. Pro tyto submodely jsou pak navrženy stavové popisy a Kalmanovy filtry pro generování diagnostických reziduálních signálů. Za předpokladu, že diagnostikovaný systém má stochastické vlastnosti, je použito metody testování statistických hypotéz pro rozhodování o existenci nebo neexistenci indikované poruchy. V článku je uveden příklad použití takového diagnostického systému pro sledování poruch soustavy tří nádrží.

Type

D - Article in proceedings

CEP classification

BC - Theory and management systems

OECD FORD branch

—

Project

<a href="/en/project/GA102%2F06%2F1332" target="_blank" >GA102/06/1332: Computational Intelligence in Metallurgical Processes Control</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2008

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Proceedings of the 14th International Congress of Cybernetics and Systems of WOCS

ISBN

978-83-7493-400-8

ISSN

—

e-ISSN

—

Number of pages

9

Pages from-to

—

Publisher name

Politechnika Wrocławska

Place of publication

Wrocław

Event location

Wroclaw, Poland

Event date

Sep 9, 2008

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

—