Efficient Active Fault Diagnosis Using Adaptive Particle Filter

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F17%3A43932701" target="_blank" >RIV/49777513:23520/17:43932701 - isvavai.cz</a>

Výsledek na webu

<a href="https://dx.doi.org/10.1109/CDC.2017.8264525" target="_blank" >https://dx.doi.org/10.1109/CDC.2017.8264525</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CDC.2017.8264525" target="_blank" >10.1109/CDC.2017.8264525</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Efficient Active Fault Diagnosis Using Adaptive Particle Filter

Popis výsledku v původním jazyce

This paper presents a solution to a multiplemodel based stochastic active fault diagnosis problem over the infinite-time horizon. A general additive detection cost criterion is considered to reflect the objectives. Since the system state is unknown, the design consists of a perfect state information reformulation and optimization problem solution by approximate dynamic programming. An adaptive particle filter state estimation algorithm based on the efficient sample size is proposed to maintain the estimate quality while reducing computational costs. A reduction of information statistics of the state is carried out using non-resampled particles to make the solution feasible. Simulation results illustrate the effectiveness of the proposed design.

Název v anglickém jazyce

Efficient Active Fault Diagnosis Using Adaptive Particle Filter

Popis výsledku anglicky

This paper presents a solution to a multiplemodel based stochastic active fault diagnosis problem over the infinite-time horizon. A general additive detection cost criterion is considered to reflect the objectives. Since the system state is unknown, the design consists of a perfect state information reformulation and optimization problem solution by approximate dynamic programming. An adaptive particle filter state estimation algorithm based on the efficient sample size is proposed to maintain the estimate quality while reducing computational costs. A reduction of information statistics of the state is carried out using non-resampled particles to make the solution feasible. Simulation results illustrate the effectiveness of the proposed design.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/GA15-12068S" target="_blank" >GA15-12068S: Adaptivní přístupy k odhadu stavu nelineárních stochastických systémů</a><br>

Návaznosti

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

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 56th IEEE Conference on Decision and Control

ISBN

978-1-5090-2873-3

ISSN

0743-1546

e-ISSN

—

Počet stran výsledku

7

Strana od-do

5732-5738

Název nakladatele

IEEE

Místo vydání

Melbourne

Místo konání akce

Melbourne, Austrálie

Datum konání akce

12. 12. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000424696905083