Tenzorový rozklad v aktivní diagnostice poruch pro stochastické rozlehlé systémy
Cíle projektu
Projekt se zabývá vývojem algoritmů aktivní diagnostiky poruch pro stochastické rozlehlé systémy diskrétní v čase. Pro dosažení spočitatelnosti algoritmů bude při jejich návrhu v některých jejich komponentách využita tenzorová dekompozice (TD). Bude se jednat o dynamické programování, které odpovídá za aktivní aspekt diagnostiky, o nelineární bayesovské odhadování, které zodpovídá za prvek učení, a o informační fúzi, která slouží ke slučování informací získaných jednotlivými lokálními diagnostickými uzly. Vzhledem k požadavkům jednotlivých komponent na TD, budou navrženy nové algoritmy TD se zaměřením na nezáporné TD, omezenou citlivost TD a funkcionální TD. Kombinace těchto komponent včetně vyvinutých algoritmů TD s decentralizovanou, distribuovanou nebo hierarchickou architekturou, která využívá strukturálních vlastností rozlehlého systému, povede na spočitatelné algoritmy schopné se vypořádat s komplikovaností nelineárních stochastických rozlehlých systémů.
Klíčová slova
fault diagnosistensor decompositionactive detectionlarge scale systemstate estimationmultiple modeltensor traintensor chain
Veřejná podpora
Poskytovatel
Grantová agentura České republiky
Program
Standardní projekty
Veřejná soutěž
SGA0202200004
Hlavní účastníci
Západočeská univerzita v Plzni / Fakulta aplikovaných věd
Druh soutěže
VS - Veřejná soutěž
Číslo smlouvy
22-11101S
Alternativní jazyk
Název projektu anglicky
Tensor Decomposition in Active Fault Diagnosis for Stochastic Large Scale Systems
Anotace anglicky
The project deals with the development of active fault diagnosis (AFD) algorithms for stochastic discrete-time large-scale systems. To achieve the feasibility of the algorithms, tensor decompositions (TDs) will be employed in several components of the AFD algorithm design. In particular, the TDs will be applied for the dynamic programming responsible for the active aspect of the diagnosis, for the nonlinear Bayesian state estimation responsible for the learning, and for the information fusion responsible for merging the information learned by individual AFD nodes. To meet the requirements involved, novel TD algorithms will be developed with a special focus on non-negative variants, variants with limited sensitivity, and functional TD. Combining the components fused with the developed TDs in the decentralized, distributed or hierarchical AFD architectures exploiting structural properties of the large-scale system will lead to feasible algorithms capable of coping with the complexity of nonlinear stochastic large-scale systems.
Vědní obory
Kategorie VaV
ZV - Základní výzkum
OECD FORD - hlavní obor
20205 - Automation and control systems
OECD FORD - vedlejší obor
—
OECD FORD - další vedlejší obor
—
CEP - odpovídající obory
(dle převodníku)JD - Využití počítačů, robotika a její aplikace
Termíny řešení
Zahájení řešení
1. 1. 2022
Ukončení řešení
31. 12. 2024
Poslední stav řešení
—
Poslední uvolnění podpory
29. 2. 2024
Dodání dat do CEP
Důvěrnost údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Systémové označení dodávky dat
CEP25-GA0-GA-R
Datum dodání záznamu
12. 3. 2025
Finance
Celkové uznané náklady
6 898 tis. Kč
Výše podpory ze státního rozpočtu
6 898 tis. Kč
Ostatní veřejné zdroje financování
0 tis. Kč
Neveřejné tuz. a zahr. zdroje finan.
0 tis. Kč
Základní informace
Uznané náklady
6 898 tis. Kč
Statní podpora
6 898 tis. Kč
100%
Poskytovatel
Grantová agentura České republiky
OECD FORD
Automation and control systems
Doba řešení
01. 01. 2022 - 31. 12. 2024