The paper presents a robust fault diagnosis scheme for detecting and approximating state and output faults occurring in a class of nonlinear multiinput-multioutput dynamical systems. Changes in the system dynamics due to a fault are modeled as nonlinear functions of the control input and measured output variables. Both state and output faults can be modeled as slowly developing (incipient) or abrupt, with each component of the state/output fault vector being represented by a separate time profile. The robust fault diagnosis scheme utilizes on-line approximators and adaptive nonlinear filtering techniques to obtain estimates of the fault functions. Robustness with respect to modeling uncertainties, fault sensitivity and stability properties of the learning scheme are rigorously derived and the theoretical results are illustrated by a simulation example of a fourth-order satellite model.
Запропоновано нову реалізацію парадігми предписаного керування на прикладі векторної моделі у вигляді нелінійної нестаціонарної системи диференційних рівнянь першого порядку. Поставлена задача мінімізації квадрату відхилень як задача максимізації одного з критеріїв адекватностіточності. Виведені два додаткові рівняння, які реалізують максимізацію адекватності за двома додатковими її критеріями: глибина та повнота. Продемонстровано, що вирази розв'язків співпадають з виразами часткового випадкуметоду скоросного градієнту. Виведено норми похибки Ключові слова: предписанне управління, максимізація адекватності, додаткові рівняння у задачі оптимального керування Предлагается новая реализация парадигмы предписанного управления как задача управления на примере векторной модели в виде нелинейной нестационарной системы дифференциальных уравнений первого порядка. Поставлена задача минимизации квадрата отклонений как задача максимизации одного из критериев адекватности-точности. Выведены два дополнительные уравнения, реализующие максимизацию адекватности по двум дополнительным критериям: глубина и полнота. Продемонстрировано, что выражения решений совпадают с выражениями частного случая-метода скоростного градиента. Выведены нормы погрешности Ключевые слова: предписанное управление, максимизация адекватности, дополнительные уравнения в задаче оптимального управления
Розглянуто роль рекурентної штучної нейронної мере-жі (РШНМ) для розв'язку характерних задач координаці-йного управління. Сформовано структуру РШНМ обробки інформації на базі векторів -індикаторів та рекурентної апроксимації. Продемонстровано, що корекція нуля, калі-брування, вимірювання, визначення похибки апроксимації, дозволяє розв'язувати задачі мінімізації, розширити функці-ональні можливості та реалізувати нові режими її роботи. Представлено алгоритми аналітичного навчання нейрону з декількома входами та приклад формування продуктивних правил при розв'язуванні задачі мінімізації Ключові слова: рекурентна мережа, режими роботи, продуктивні правила, аналітичне навчання нейрону, оцінка похибки, координаційне управління Рассмотрена роль рекуррентной искусственной ней-ронной сети (РИНС) для решения задач координационно-го управления. Сформирована структура РИНС обработки информации на основе векторов -индикаторов и рекур-рентной аппроксимации. Продемонстрировано, что кор-рекция нуля, калибровка, измерение, определение ошиб-ки аппроксимации позволяет решать задачи минимизации, расширить функциональные возможности и реализовывать новые режимы ее работы. Представлены алгоритмы анали-тического обучения нейрона с несколькими входами и при-мер формирования продуктивных правил при решении зада-чи минимизации Ключевые слова: рекуррентная сеть, режимы работы, порождающие правила, аналитическое обучение, оценка ошибки аппроксимации, координационное управление
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.