عرض بسيط للتسجيلة

المؤلفBakhtiaridoust, M.
المؤلفIrani, Fatemeh Negar
المؤلفYadegar, Meysam
المؤلفMeskin, Nader
تاريخ الإتاحة2023-03-29T11:01:46Z
تاريخ النشر2023-01-01
اسم المنشورIET Control Theory and Applications
المعرّفhttp://dx.doi.org/10.1049/cth2.12366
الاقتباسBakhtiaridoust, M., Irani, F. N., Yadegar, M., & Meskin, N. (2023). Data‐driven sensor fault detection and isolation of nonlinear systems: Deep neural‐network Koopman operator. IET Control Theory & Applications, 17(2), 123-132.‏
الرقم المعياري الدولي للكتاب17518644
معرّف المصادر الموحدhttps://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=85141410834&origin=inward
معرّف المصادر الموحدhttp://hdl.handle.net/10576/41425
الملخصThis paper proposes a data-driven sensor fault detection and isolation approach for the general class of nonlinear systems. The proposed method uses deep neural network architecture to obtain an invariant set of basis functions for the Koopman operator to form a linear predictor for a nonlinear system. Then, the obtained Koopman predictor has been used in a geometric framework for sensor fault detection and isolation purposes without relying on a priori knowledge about the underlying dynamics as well as requiring faulty data, leading to a data-driven sensor fault detection and isolation framework for nonlinear systems. Finally, the approach's efficacy is demonstrated using simulation case study on a two-degree of freedom robot arm.
اللغةen
الناشرJohn Wiley and Sons Inc
الموضوعDeep neural networks
Degrees of freedom (mechanics)
Fault detection
العنوانData-driven sensor fault detection and isolation of nonlinear systems: Deep neural-network Koopman operator
النوعArticle
الصفحات123-132
رقم العدد2
رقم المجلد17
dc.accessType Abstract Only


الملفات في هذه التسجيلة

الملفاتالحجمالصيغةالعرض

لا توجد ملفات لها صلة بهذه التسجيلة.

هذه التسجيلة تظهر في المجموعات التالية

عرض بسيط للتسجيلة