Abstrak - Penelitian ini menyajikan strategi FDI untuk sistem dinamis nonlinear. Ini menunjukkan metodologi menanggulangi deteksi
kesalahan dan masalah isolasi dengan menggabungkan teknik berdasarkan sinyal residu dan teknik menggunakan beberapa filter
Kalman. Kegunaan dari kombinasi ini adalah implementasi on-line dari himpunan model, yang mewakili mode normal dan semua
dinamika kesalahan, jika ambang keputusan statistik pada residu melebihi nilai tetap. Dalam kasus lain, salah satu Filter Kalman
diperpanjang (EKF) cukup untuk memperkirakan negara proses. Setelah menjelaskan arsitektur sistem dan metodologi FDI yang
diusulkan, kami menyajikan sebuah aplikasi yang realistis untuk menunjukkan potensi teknik ini. Sebuah algoritma dijelaskan dan
diterapkan pada proses kimia seperti fungsi reaktor kimia sempurna diaduk dalam mode semi-batch.
Kata kunci: Keamanan; Keandalan; Tugas beresiko; Metode FDI; Model pendekatan berbasis; Diperpanjang Filter Kalman (EKF).
Chetouani, 2006b). teknik model berbasis semua menggunakan oleh Kalman filter diperpanjang, dimana varians dari pengukuran dan
model matematika dari tanaman yang dipantau. Berbagai parameter dapat secara optimal dipertimbangkan. Nyberg et al.
macam pendekatan ini telah diusulkan untuk mengatasi masalah (2004) menggunakan Kalman filter diperpanjang untuk udara-jalan
isolasi (Patton et al, 2000;.. Chen et al, 1999;. Isermann et al, mesin diesel turbo-charged. Mesin ini dilengkapi dengan daur ulang
1997). Namun, realisasi konseptual model ini dapat bervariasi gas buang (EGR) dan turbin variabel nozzle (VNT). Kesalahan
sesuai dengan pendekatan berikut; deteksi kesalahan saringan dianggap berada massa udara aliran kesalahan sensor,
(Liberatore et al, 2006;.. Henry et al, intake-berjenis tekanan sensor kesalahan, udara-kebocoran, dan
EGR-katup terjebak dalam posisi tertutup. Mereka menunjukkan
2005), ruang paritas (Isadi et al, 2005), identifikasi parameter bahwa sistem diagnosis berhasil dievaluasi dalam mobil nyata
(Fantuzzi et al, 2002;... Zogg et al, mengemudi di jalan. Alessandri (2003) disajikan metode model
. 2006), estimasi state (Biagiola et al, 2006) dan teknik nonlinear berbasis untuk mendeteksi kesalahan dalam sistem nonlinear dengan
(Edelmayer et al, 2004;.. Korbicz et al, 2004). Pendekatan berbasis cara bank penduga, yang memberikan perkiraan parameter yang
model didasarkan pada filter Kalman telah digunakan dalam berbagai menggambarkan kesalahan aktuator, tanaman, dan sensor. estimator
jenis aplikasi, seperti deteksi kegagalan on-line di pembangkit listrik ini melakukan sesuai dengan strategi surut-horizon dan dirancang
tenaga nuklir (Tylee, 1983); kesalahan on-line dalam reaktor kimia menggunakan model dari kegagalan. Pertunjukan yang diperoleh
(Chetouani, 2004), di DC motor untuk memprediksi kegagalan dengan dalam estimasi parameter kesalahan oleh estimator saraf diusulkan
menempatkan sebuah attenuator eksponensial pada akhir output dari dan oleh filter Kalman diperpanjang dibandingkan dengan cara
model motor untuk mensimulasikan penuaan kegagalan, sehingga simulasi dengan aplikasi untuk robotika bawah air. Shi et al. (2003)
kesalahan prediksi kecil (Yang, mengemukakan kerangka penyaring untuk memperkirakan
Dalam tulisan ini, ide dasar dari pendekatan yang diadopsi KESALAHAN ISOLASI STRATEGI DENGAN MENGGUNAKAN
adalah untuk merekonstruksi output dari sistem dari pengukuran THE FILTER KALMAN GANDA
menggunakan pengamat dan menggunakan residu untuk deteksi
kesalahan (Mehra et al, 1971;. Franck, 1990; Chetouani, 2004). Sebuah sistem FDI harus melakukan dua tugas, yaitu deteksi kesalahan dan
Penelitian ini juga menunjukkan metodologi untuk mengatasi isolasi kesalahan. Tujuan dari modul deteksi kesalahan adalah untuk menentukan
masalah isolasi penyebab kesalahan dengan menggabungkan bahwa kesalahan telah terjadi dalam sistem. Tugas kedua dikhususkan untuk
teknik terakhir dan teknik menggunakan beberapa filter Kalman menemukan penyebab kesalahan. Untuk mencapai tujuan ini, semua informasi yang
untuk sistem dinamis nonlinear. Kegunaan dari kombinasi ini tersedia dari proses harus dikumpulkan dan diproses untuk mendeteksi perubahan
adalah implementasi on-line dari semua model dinamika dari perilaku nominal proses. Model berbasis isolasi kesalahan bergantung pada
kesalahan jika model matematika dari tanaman untuk mengidentifikasi ketidaksesuaian antara
tanaman nominal dan tanaman ketika kesalahan terjadi (Isermann, 2005). Deteksi
ambang keputusan statistik pada inovasi standar melebihi kesalahan biasanya dilakukan dengan mengevaluasi residual yang sensitif terhadap
nilai tetap. Dalam kasus lain, satu diperpanjang Kalman Filter terjadinya kesalahan dalam dinamika proses. Dalam kasus perilaku normal, residual
cukup untuk memperkirakan negara proses untuk menghindari memiliki sifat yang diketahui apriori. Karenanya, setiap perubahan tiba-tiba atau
integrasi numerik tinggi dari semua model. Setelah mendadak dalam nilai dari setiap parameter kontrol proses menyiratkan beberapa
menjelaskan arsitektur sistem dan metodologi yang diusulkan penyimpangan dari properti-properti dari profil mode normal. Gambar. 1
FDI, kami menyajikan sebuah aplikasi yang realistis untuk menunjukkan metode isolasi kesalahan berdasarkan analisis evolusi residual antara
menunjukkan potensi teknik ini. Tujuannya adalah untuk output riil dan output diperkirakan oleh Kalman filter diperpanjang. Filter ini adalah
mengembangkan dan menguji metode FDI pada data kejadian alat yang efektif untuk estimasi stochastic negara dari pengukuran bising. Karena
nyata, untuk mendeteksi terjadinya perubahan, untuk relatif sederhana dan alam yang kuat, filter Kalman telah banyak digunakan untuk
menentukan saat itu terjadi dan untuk menemukan penyebab mendapatkan estimasi dari variabel negara dalam praktek. nomor penyaring
kesalahan. Hasil eksperimen menunjukkan kekokohan metode didefinisikan dari daftar lengkap dari semua model dari kesalahan dan model
FDI. perilaku normal dari proses. 1 menunjukkan metode isolasi kesalahan berdasarkan
analisis evolusi residual antara output riil dan output diperkirakan oleh Kalman filter
diperpanjang. Filter ini adalah alat yang efektif untuk estimasi stochastic negara dari
Struktur makalah ini adalah sebagai berikut. Pertama, pengukuran bising. Karena relatif sederhana dan alam yang kuat, filter Kalman telah
deskripsi dari strategi FI dengan menggunakan beberapa filter banyak digunakan untuk mendapatkan estimasi dari variabel negara dalam praktek.
Kalman disajikan. Maka strategi FD dengan menggunakan nomor penyaring didefinisikan dari daftar lengkap dari semua model dari kesalahan
inovasi standar yang disajikan diikuti oleh deskripsi metode FDI dan model perilaku normal dari proses. 1 menunjukkan metode isolasi kesalahan
yang diusulkan. Kemudian validasi eksperimental yang berdasarkan analisis evolusi residual antara output riil dan output diperkirakan oleh
komprehensif dari metode yang diusulkan disajikan. Akhirnya, Kalman filter diperpanjang. Filter ini adalah alat yang efektif untuk estimasi stochastic
kesimpulan yang ditarik di bagian terakhir. negara dari pengukuran bising. Karena relatif sederhana dan alam yang kuat, filter
Kalman telah banyak digunakan untuk mendapatkan estimasi dari variabel negara dalam praktek. nomor penya
Brasil Jurnal Teknik Kimia Vol. . 25, No. 04, pp 777-788, Oktober-Desember 2008
780 Y. Chetouani
= ; dan dengan input ( ku) dan Urutan dengan mean nol dan varians:
x saya
(t) f (x
= (t), u (t), t) wsaya
(t) + (1) Dengan mencatat bahwa model i adalah model yang
saya saya saya
mewakili dinamika sistem nyata, probabilitas dapat didefinisikan
on-line sesuai dengan uji hipotesis. Berbeda dengan standar
z saya
(k) h =(x (t)) v (k) + k 1,
= 2, ...
saya saya k saya
Kalman filter, metode ini
memiliki untuk memasukkan itu set
n
dimana xℜ∈ adalah vektor negara, dengan nilai awal I saya
(k) (0), ..., u (ksaya1),-
= ( u saya z saya
(1), ..., z (k)
saya ) dan untuk
dari x,0z adalah vektor pengukuran, w (t) adalah
output probabilitas masing-masing model. Dengan menerapkan hukum Bayes',
kebisingan sistem mewakili kesalahan pemodelan dan gangguan probabilitas masing-masing model adalah:
yang tidak diketahui, dan v (k) adalah pengukuran kebisingan.
Kedua sistem dan pengukuran suara diasumsikan independen pz( (ksaya
1 / +H), I (k), u (k) p (k)saya )
saya saya saya
suara putih acak dengan mean nol dan kovarians matriks, p saya
(k 1)+ = (7)
N
pz( (ksaya
1 / +H), I (k), u (k)
saya saya saya )=
(8)
- T - -- T - - 1 • 1 T1i- •
KPH
k
=(x)kk
(H (x) PHk (x) R)
k kkk
ˆ k + (2) exp •-γ (K 1)
+η (K 1)
+ γ (k 1)
i + •
• 2 (2) •
saya
m/2 1/2
A posteriori estimasi negara adalah: π η saya
( det ((k +1) )
+ - -
x k
= +x kK (yh (x))
kk - k
ˆ k (3) m merupakan dimensi dari vektor pengukuran.
KESALAHAN DETEKSI STRATEGI DENGAN MENGGUNAKAN jika yang terakhir ini lambat, ukuran akan besar. Jika tidak, ketika
THE INOVASI DISTANDARISASI dinamika berkembang pesat, sampel akan diambil dengan cepat untuk
memungkinkan keputusan harus dibuat sedini mungkin.
Analisis inovasi yang dihasilkan diperlukan untuk deteksi kesalahan. s
η mengacu pada rata-rata sebenarnya dari
Dengan tidak adanya kesalahan, nilai inovasi adalah mendekati nol.
Sampel. Di bawah hipotesis ( Hai H), s η memiliki gaussian
Sebuah kesalahan menyebabkan proses untuk berperilaku berbeda dari
model prediksi normal, dan filter, yang membandingkan model dan
distribusi dengan mean nol dan kovarians sebuah
ηEη(ss)
= I/N
T
proses, menghasilkan inovasi besar. Kesalahan terdeteksi oleh . Namun, di luar tingkat tertentu
penyimpangan inovasi dari nilai yang normal ini. Dalam prakteknya penerimaan, seperti di atas α ( hipotesis 'non-normal'
analisis statistik inovasi seperti mean rata-rata bergerak, rasio putih juga
H),1 hipotesis 'normal' ( Hai H) ditolak:
dapat digunakan sebagai sinyal deteksi kesalahan. Namun dalam studi
kasus (Chetouani,
s α
η> (12)
2004), diamati bahwa inovasi itu sendiri merupakan indikasi yang
baik dari negara proses (normal atau rusak). Dalam hal ini, Ambang batas α tergantung pada probabilitas alarm palsu.
ambang statistik berdasarkan inovasi memungkinkan ambang batas dapat didefinisikan untuk inovasi untuk perilaku
pembatasan dua wilayah yang berbeda; wilayah pertama disebut normal. Ambang pilihan batas, dalam banyak kasus, tergantung
wilayah aman di mana variasi inovasi dianggap diterima. Wilayah pada proses di tangan (Himmelblau, 1978). Hipotesis ambang
kedua adalah tidak dapat diterima (wilayah kesalahan) dan mana batas menyumbang perubahan inovasi karena kebisingan dan
variasi inovasi melebihi ambang batas statistik. Mengingat beberapa proses model mismatch. Dengan kata lain, ambang
wilayah kesalahan π di ruang sampel batas dapat didefinisikan dan berdasarkan penyimpangan proses
minimum yang tidak dapat diterima.
n
ℜ, wilayah yang diterima C π didefinisikan sebagai pelengkap
π di n
ℜ. Mari M menjadi titik ukuran n
PENDEKATAN FDI DIUSULKAN
mewakili sampel. sampling sesuai dengan representasi nyata
dari proses. Perhatikan bahwa itu adalah nyaman untuk
Standar metode multiple filter didasarkan pada semua model
digunakan urutan inovasi standar untuk hipotesis standar uji
(normal dan rusak) perpustakaan matematika kesalahan (atau
statistik (Chetouani, 2006a). Urutan ini dinyatakan sebagai
bank filter). The on-line pelaksanaan semua model dilakukan
berikut:
setelah mulai proses. ketidaknyamanan lain dari EKF
dibandingkan dengan filter linear adalah waktu yang tinggi
diperlukan untuk pengolahan; gain Kalman berkaitan dengan
-- T - - 1/2
η s=k (H (x)
k
PH
kkk (x) R)
ˆk + matriks Jacobian dari model berdasarkan estimasi negara.
(9) Bahkan, diperpanjang Kalman filter didasarkan pada linierisasi,
- - 1/2
k
- k
(Yh
k
(x))
= η( k
) γk memungkinkan estimasi keadaan sistem nonlinear. Karena itu,
Brasil Jurnal Teknik Kimia Vol. . 25, No. 04, pp 777-788, Oktober-Desember 2008
782 Y. Chetouani
PENERAPAN FDI DIUSULKAN konstan) dapat juga diperkenalkan. software pengawasan juga
PENDEKATAN memungkinkan regulasi pengenalan laju aliran dan tingkat
mengaduk reaktor. Ini menampilkan dan menyimpan data selama
Perangkat eksperimental: Reaktor Kimia percobaan untuk eksploitasi lebih lanjut.
antara suhu massa reaksi dan suhu jaket cairan dipertahankan 2A B+0.5C
→ 0.5D 2E+ + , Di mana berikut
notasi disesuaikan: A: hidrogen peroksida
HO;
2 2 B: natrium tiosulfat Na SO;
2 2 3 C:
Na SO;
2
E:
4 air HO.
2
t 0;
= T w(r, 0) (ln =(r)μ +τ ) R 1r ≤
R ≤e + (17)
1
Brasil Jurnal Teknik Kimia Vol. . 25, No. 04, pp 777-788, Oktober-Desember 2008
784 Y. Chetouani
dimana signifikan jika ada yang tertarik dalam deteksi kesalahan dan isolasi.
Memang, tes ditetapkan oleh
menganalisis kesalahan rekonstruksi, yang sensitif terhadap kesalahan
(T (r, t)
w R= 1
- T wr
(r, t) R
r=
R +e 1 ) terdeteksi dan juga untuk kesalahan pemodelan.
μ= (18)
e• ln R+ • Sebelum memecahkan persamaan (14, 15 dan 22) dengan
1
• • metode Runge-Kutta-Fehlberg (Forsythe et al.,
• 1 •
1977), sistem persamaan untuk keseimbangan panas di dinding
reaktor (16, 20 dan 21) diubah menjadi sistem persamaan aljabar.
(T w(r, t)
r =R
ln (R1e)+ T
- (r, t) w
r =R+e1
ln (R)1 ) Dengan menggunakan metode beda hingga di bawah rumusan
τ=
1
(19) eksplisit, persamaan (16, 20 dan 21) menjadi, sesuai dengan
• R 1e1+ln • skema numerik pada Gambar 4.:
• •
R• •
∂ T w(r, t)
h RRR (
AT (t) T (r, t) - w r =R ) = -λ w SEBUAH
R
∂t
(20)
n+
1
•
Δ=- w Δ tt
Sebuah • n
•• 1 2a w - T saya+
1
r =R 1 T saya
2
••
Δ Δ
• rrra •
(23)
∂ T w(r, t) • • • Δt •
(
h fATfw(r, t)
r =R+e1
- T f (t) )= -λ wfSEBUAH
∂t
(21)
••
Δ
Sebuah +
w Δ tt
•• T i +1
n
+• Sebuah •
n
T i -1
w 2
rrr • w 2 •
r =R+e1
• Δ Δ
• • Δr •
dt V
k exp (E -/ RT) M R ( - χ ) (Z - χ ) (22)
n +1 • n n • 1 • n •
T saya = 2Fo Bi• TTRR + i -1 + -• DuaR - 1 •T saya • (24)
Resolusi Sistem Kimia • • 2Fo • •
R1 + e
R1
r=0 r = R1 r = R1 + e
FDI Hasil evolusi inovasi (Gbr. 6). Yang terakhir diproses oleh EKF untuk
mendeteksi kondisi kesalahan yang sebenarnya, menolak
Dalam rangka untuk menggambarkan ketepatan pendekatan FDI setiap alarm palsu yang disebabkan oleh kebisingan atau sinyal
yang diusulkan, itu diterapkan untuk mendeteksi dan mencari palsu. Konvergensi inovasi tergantung pada R rasio / Q.
kesalahan karena perubahan mendadak, yang terjadi pada 500 s, dari Bahkan, pengetahuan dari dua varians ini merupakan sarana
pendinginan aliran selama fase pemanasan awal dari massa reaksi. untuk menyesuaikan EKF. Ini merupakan indikasi derajat
Kondisi normal dipilih tersebut sesuai dengan aliran penyaring dari ketergantungan pada pengukuran; jika R kecil
qv =n 0.40.10- 3 dan Q besar, maka informasi yang datang dari pengukuran
m 3. s- 1 dan kondisi sebagai non-normal mereka yang sesuai adalah lebih besar dalam estimasi, dan jika R besar dan Q
dengan aliran Qv = 1.10.10- 3 m 3. s- 1.
kesalahan kecil, filter memberikan preferensi untuk model daripada
Secara teoritis, aliran terakhir ini, yang menyediakan dinamika pengukuran (Chetouani, 2006a).
pengukuran y,s tidak diketahui oleh
operator. Tujuan dari metode FDI adalah untuk mengidentifikasi itu
dengan membandingkan dinamika dengan yang diberikan secara Dengan menganalisis hasil probabilitas (Gbr. 7), teramati bahwa
real-time oleh perpustakaan matematika model yang berbeda. Untuk fase isolasi kesalahan dimulai pada 820 s,
tujuan ini, dinamika yang berbeda sesuai dengan arus yang berbeda dari yaitu, 320 s setelah dimulainya fase deteksi kesalahan, untuk
pendingin yang dibangun. Perubahan aliran ini tidak mengubah struktur menghindari perhitungan numerik dan alarm palsu. Selain itu,
persamaan model, hanya koefisien perpindahan parsial diketahui bahwa dinamika kesalahan
h adalah y s
= f (Qv ) dekat yang sesuai dengan
kesalahan
f
diubah. arus yang dipilih dari pendinginan adalah sebagai berikut mengalir ys = f (Qv) 1 karena probabilitas p (Qv),1
(Tabel 1). yang paling penting. Probabilitas model-model lain berkurang
Hasil simulasi yang berbeda diberikan sebagai berikut (Gambar. jauh menurut variasi masing-masing dibandingkan dengan
5). output
Evolusi probabilitas dikondisikan oleh ) , Gambar.
y s = f (Qv kesalahan Seperti ditunjukkan
7. pada
340
qv 4 qv n
qv 3
ys
330 qv 2
290
Suhu (K)
qv 1
320
310
300
Waktu)
Brasil Jurnal Teknik Kimia Vol. . 25, No. 04, pp 777-788, Oktober-Desember 2008
786 Y. Chetouani
0,20
0.10
Mulai dari fase deteksi kesalahan (500 s)
0.00
qv 2
- 0,20
qv 3
- 0,30
- 0.40 qv n
qv 4
- 0,50
0,8
Kemungkinan; Peluang; probabilitas
0,6
0,2
p (Qv n)
p (Qv 3)
p (Qv 4)
0.0
(s)
pendekatan berbasis. Namun, dalam aplikasi praktis, terutama ketika χ Sejauh reaksi Normalized (-)
mempertimbangkan tanaman besar dan sistem yang kompleks, ΔH entalpi reaksi kJ.mol- 1
aplikasi langsung dari teknik FDI tersebut mungkin sulit. Dengan Δ variasi (-)
demikian, model ini sering sangat nonlinear dan sangat kompleks, dan
mereka dapat memanfaatkan struktur hybrid untuk menggambarkan
secara akurat perilaku sistem real-sasaran. Sebuah prosedur yang REFERENSI
layak dan mudah untuk aplikasi praktis dari teknik ini adalah
benar-benar diperlukan dalam aplikasi yang kompleks. Aime, N., Aide à la conduite sûre des réacteurs
chimiques discontinus en marche normale ou incidentelle
vis-à-vis du bahaya d'emballement thermique,
Ph.D. Skripsi, Université de
Technologie de Compiègne (1991). Alessandri, A., diagnosis
PENGAKUAN Patahan untuk sistem nonlinear
menggunakan bank penduga saraf, Komputer di Industri,
Aku mengakui komentar kritis pengulas anonim untuk 52, 271-289 (2003). Bhagwat, A., Srinivasan, R.,
komentar mereka sangat baik, yang sangat meningkatkan Krishnaswamy, PR
naskah. Saya ingin berterima kasih kepada staf edisi untuk Multi-linear deteksi kesalahan model berbasis selama proses
membantu dengan bahasa Inggris dari naskah ini. transisi, Kimia Ilmu Teknik, 58, 1649-1670
(2003). estimasi Biagiola, S., Solsona, J., Negara dalam
batch
proses menggunakan Sebuahnonlinear pengamat,
TATA NAMA Matematika dan Pemodelan Komputer, 44, 1009-1024
(2006).
SEBUAH daerah pertukaran m2 Brännbacka, J., Saxén, H., Model Novel untuk
k Hai koefisien frekuensi m 3. mol 1. s- 1 estimasi tingkat cairan di perapian blast furnace, Teknik
E aktivasi energi J.mol- 1 Kimia Sains, 59, 3423- 3432 (2004).
cp panas spesifik J.kg- 1. K- 1
e ketebalan dinding m Chen, J., Patton, RJ, Robust kesalahan model berbasis
F makan aliran mol.s- 1 diagnosa untuk dinamis sistem, Kluwer
H koefisien perpindahan panas Wm- 2. K- 1 Penerbit akademik (1999). Chetouani, Y., deteksi kesalahan
Kc konduktansi WK- 1 dalam reaktor kimia
N jumlah mol mol dengan menggunakan inovasi standar, Proses Perlindungan
M Masa molar kg.kmol- 1 Lingkungan, 84, 27-32 (2006a) Keselamatan dan.
m Massa kg
Chetouani, Y., Aplikasi umum
m• laju alir kg.s- 1
uji rasio kemungkinan untuk mendeteksi perubahan kimia yang
R Ideal gas konstan J.mol- 1. K- 1 reaktor, Proses Keamanan dan
R1 radius reaktor m Perlindungan Lingkungan, 84, 371-377 (2006b). Chetouani, Y.,
R Laju reaksi mol.m- 3. s- 1 deteksi kesalahan dengan menggunakan
T Suhu K sinyal inovasi: aplikasi untuk reaksi eksotermis, Teknik
T Waktu s
Kimia dan Pengolahan,
V Volume m3 43, 1579-1585 (2004).
Cohen, WC, Spencer, R., Penentuan
tanda tangan
kinetika kimia dengan kalorimetri, Chem. Eng. Prog., 58,
40-44 (1962). Edelmayer, A., Bokor, J., Szabo, Z., Szigeti, F.,
f Cairan jaket R
reaktor W Memasukkanrekonstruksi dengan cara sistem inversi:
dinding
pendekatan geometri untuk deteksi kesalahan dan isolasi
A ambient dalam sistem nonlinear, Int J Appl Math Comput Sci, 14,
Fe inlet fluida
189-199 (2004). Fantuzzi, C., Simani, S., Beghelli, S.,
Rovatti, R.,
Yunani Surat Identifikasi model piecewise affine di lingkungan yang
bising, Int J Control, 75, 18, 1472-1485 (2002).
ρ Massa jenis kg.m- 3
Brasil Jurnal Teknik Kimia Vol. . 25, No. 04, pp 777-788, Oktober-Desember 2008
788 Y. Chetouani
Feil, B., Abonyi, J., Nemeth, S., Arva, P., Biokimia Teknik Journal, 14, 51-65 (2003). Liberatore, S.,
proses pemantauan transisi oleh Kalman Speyer, JL, Hsu, AC, Aplikasi
penyaringan dan time-series segmentasi, Komputer & dari deteksi kesalahan penyaring untuk pemantauan kesehatan
Teknik Kimia, 29, 1423-1431 (2005). Forsythe, GE, Malcolm, struktural, Automatica, 42, 1199-1209 (2006) .. Mehra, RK, Peschon,
M., Moler, C., Komputer J., Pendekatan pendahuluan
metode untuk Matematika Komputasi, Prentice-Hall, untuk kesalahan deteksi dan diagnosis dalam sistem dinamis,
New Jersey (1977). Automatica, 5, 637-640 (1971). Nyberg, M., Stutte, T., diagnosis
Frank, PM, diagnosis kesalahan di sistem dinamis berdasarkan Model
menggunakan analitis dan berbasis pengetahuan jalur udara dari mesin diesel otomotif, Control Engineering
redundansi. Sebuah survei dan beberapa hasil baru, Automatica, Practice, 12, 513-525 (2004). Patton, RJ, Frank, PM, Clark,
3, 459-474 (1990). RN, Isu
García, FP, Schmid, F., Conde, J., A keandalan kesalahan diagnosis untuk sistem dinamis, Springer- Verlag,
berpusat pendekatan untuk terpencil kondisi London (2000).
pemantauan. Sebuah studi kasus poin kereta api, Keandalan Pedregal, DJ, Carnero, MC, Negara model ruang
Teknik & Sistem Keselamatan, 80, 33- 40 (2003). untuk pemantauan kondisi: studi kasus, Keandalan Teknik &
Sistem Keselamatan, 91, 171-180 (2006).
Henry, D., Zolghadri, A., Desain kesalahan diagnosis
filter: Sebuah pendekatan multi-tujuan, Journal of Franklin Pedregal, DJ, García, FP, Schmid, F., RCM2
Institute, 342, 421-446 (2005). Himmelblau, DM, deteksi pemeliharaan prediktif sistem kereta api berdasarkan model
kesalahan dan diagnosis di komponen tidak teramati, Keandalan Teknik & Sistem
kimia dan petrokimia proses, Elsevier, New York (1978). Keselamatan, 83, 103-110 (2004). Shi, P., Liu, H., kerangka
elemen hingga Stochastic
Hovland, GE, Von Hoff, TP, Gallestey, EA, untuk estimasi simultan fungsi kinematik jantung dan
Antoine, M., Farruggio, D., Paice, ADB, metode estimasi parameter material, Analisis Gambar Medis, 7, 445-464
nonlinier untuk pelacakan parameter dalam pembangkit (2003). Simani,
listrik, Control Engineering Practice, 13, 1341-1355 (2005). S. Fantuzzi, C., identifikasi sistem dinamis dan
diagnosis kesalahan berbasis model turbin prototipe gas
Isermann, R., berbasis Model kesalahan-deteksi dan industri, Mekatronika,
diagnosis - status dan aplikasi, Ulasan Tahunan di kontrol, 16, 341-363 (2006).
29, 71-85 (2005). Isermann, R., Balle, P., Tren dalam Tylee, JL, On-line deteksi kegagalan dalam nuklir
penerapan pembangkit listrik Peralatan, IEEE Trans
deteksi kesalahan model berbasis dan diagnosis proses Kontrol otomatis, 3, 406-415 (1983). Villermaux, J., jin de la
teknis, kontrol Eng Pract, 5, 709- 719 (1997). reaksi chimique-
konsepsi et fonctionnement des réacteurs, Lavoisier, Paris
Izadi, I., Zhao, T., Chen, T., Skema optimal untuk (1993).
tingkat yang cepat deteksi kesalahan berdasarkan data multirate Yang, SK, Sebuah eksperimen estimasi negara untuk
sampel, Journal of Process Control, 15, 307-319 (2005). pemeliharaan prediktif menggunakan Kalman filter pada
motor DC, Keandalan Teknik & Sistem Keselamatan, 75,
Jang, DS., Choi, HL., Model Active untuk pelacakan 103-111 (2002). Yang, SK, Liu, TS, estimasi Negara
benda bergerak, Pengenalan Pola, 33, 1135- 1146 (2000).
pemeliharaan prediktif menggunakan Kalman filter, Keandalan
Raja, R., Gilles, R., metode penyaring Beberapa untuk Teknik & Keselamatan Sistem, 66, 29- 39 (1999).
deteksi negara berbahaya di pabrik industri, AIChE, 11,
1697-1706 (1990). Korbicz, J., Koscielny, JM, Kowalczuk, Z., Zhan, Y. Makis, V., Sebuah model diagnostik yang kuat untuk
gearbox subjek untuk pemantauan getaran,
Cholewa, W., Patahan diagnosis: model, kecerdasan Jurnal Suara dan Getaran, 290, 928-955 (2006).
buatan, aplikasi (. 1st ed), Springer- Verlag (2004).
Zogg, D., Shafai, E., Geering, HP, diagnosis Patahan
estimasi Li, J., Xu, NS, Su, WW, Online diaduk-tank budaya untuk pompa panas dengan identifikasi parameter dan
mikroalga fotobioreaktor berdasarkan pengukuran oksigen clustering, Control Engineering Practice, 14, 1435-1444
terlarut, (2006).