Approximate Bayesian State Estimation for Active Fault Diagnosis of Large-Scale Systems
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F23%3A43969682" target="_blank" >RIV/49777513:23520/23:43969682 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.23919/FUSION52260.2023.10224216" target="_blank" >https://doi.org/10.23919/FUSION52260.2023.10224216</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.23919/FUSION52260.2023.10224216" target="_blank" >10.23919/FUSION52260.2023.10224216</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Approximate Bayesian State Estimation for Active Fault Diagnosis of Large-Scale Systems
Popis výsledku v původním jazyce
Active fault diagnosis (AFD) of stochastic large-scale systems in multiple model framework involves two stages: offline and online. In the offline stage, an excitation input generator is designed based on a Bellman function. In the online stage, the generator is utilized together with an estimator of the model indices. A similar estimator is used in the offline stage for the Bellman function calculation using the value iteration technique. However, due to the high dimensions of information states of the associated perfect state information problem, the estimator in the offline stage must involve approximations. The paper provides the relations for the estimate calculation using the Bayesian recursive relations, proposes four algorithms, and studies effects of such approximations on the AFD decisions. In particular, the quality of the model index estimates is analyzed using a power network model.
Název v anglickém jazyce
Approximate Bayesian State Estimation for Active Fault Diagnosis of Large-Scale Systems
Popis výsledku anglicky
Active fault diagnosis (AFD) of stochastic large-scale systems in multiple model framework involves two stages: offline and online. In the offline stage, an excitation input generator is designed based on a Bellman function. In the online stage, the generator is utilized together with an estimator of the model indices. A similar estimator is used in the offline stage for the Bellman function calculation using the value iteration technique. However, due to the high dimensions of information states of the associated perfect state information problem, the estimator in the offline stage must involve approximations. The paper provides the relations for the estimate calculation using the Bayesian recursive relations, proposes four algorithms, and studies effects of such approximations on the AFD decisions. In particular, the quality of the model index estimates is analyzed using a power network model.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20205 - Automation and control systems
Návaznosti výsledku
Projekt
<a href="/cs/project/GA22-11101S" target="_blank" >GA22-11101S: Tenzorový rozklad v aktivní diagnostice poruch pro stochastické rozlehlé systémy</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 2023 26th International Conference on Information Fusion, FUSION 2023
ISBN
979-8-89034-485-4
ISSN
—
e-ISSN
—
Počet stran výsledku
8
Strana od-do
—
Název nakladatele
IEEE
Místo vydání
Charleston, Jižní Karolína, USA
Místo konání akce
Charleston, Jižní Karolína, USA
Datum konání akce
27. 6. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—