Diagnostika složitého systému s využitím nelineárního fuzzy modelování

Kód výsledku v 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>

Nalezeny alternativní kódy

RIV/61989100:27360/08:00019378

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Complex systems diagnosis using fuzzy non-linear modelling

Popis výsledku v původním jazyce

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

Název v anglickém jazyce

Complex systems diagnosis using fuzzy non-linear modelling

Popis výsledku anglicky

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

Druh

D - Stať ve sborníku

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

<a href="/cs/project/GA102%2F06%2F1332" target="_blank" >GA102/06/1332: Výpočtová inteligence v řízení metalurgických procesů</a><br>

Návaznosti

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

Rok uplatnění

2008

Kód důvěrnosti údajů

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

Název statě ve sborníku

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

ISBN

978-83-7493-400-8

ISSN

—

e-ISSN

—

Počet stran výsledku

9

Strana od-do

—

Název nakladatele

Politechnika Wrocławska

Místo vydání

Wrocław

Místo konání akce

Wroclaw, Poland

Datum konání akce

9. 9. 2008

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—