传感器融合一直是数据分析及其应用的重点主题之一。个体传感信息通常用于揭示潜在的过程动态并识别其中的潜在变化。这些系统通常配备具有(可能)不同模态的多个传感器。这些问题表明需要融合分布式和异构信息,以便实时准确推断关键系统的状态。为此,本文开发并验证了分布式物理过程(例如,船上辅助系统)中的故障检测和分类方法。文献中提出了几种传感器融合方法来解决故障检测问题,包括线性和非线性滤波器、自适应模型参考方法和基于神经网络的估计方案。然而,据作者所知,这些技术尚未应用于船上系统,因为存在一些固有的困难,包括:(可能)信号的非平稳行为、过程动态的潜在非线性、输入输出和反馈相互作用、多模态数据的缩放和对齐以及乘性过程噪声。上述一些问题可以在一定程度上简化或通过更简单的解决方案来近似。例如线性和线性化建模和贝叶斯估计技术(例如扩展卡尔曼滤波和粒子滤波)[1][2]。研究人员还使用了软计算
传感器融合一直是数据分析及其应用领域的焦点话题之一。个体传感信息通常用于揭示底层过程动态并识别其中的潜在变化。这些系统通常配备有(可能)不同模态的多个传感器。这些问题表明需要融合分布式和异构信息,以便实时准确推断关键系统的状态。为此,本文开发并验证了分布式物理过程(例如,船上辅助系统)中的故障检测和分类方法。文献中提出了几种传感器融合方法来解决故障检测问题,包括线性和非线性滤波器、自适应模型参考方法和基于神经网络的估计方案。然而,据作者所知,这些技术尚未应用于船载系统,因为存在一些固有的困难,包括:(可能)信号的非平稳行为、过程动态的潜在非线性、输入输出和反馈相互作用、多模态数据的缩放和对齐以及乘性过程噪声。上述一些问题可以在一定程度上简化或通过更简单的解决方案来近似。示例包括线性和线性化建模和贝叶斯估计技术(例如扩展卡尔曼滤波和粒子滤波)
传感器融合一直是数据分析及其应用的重点主题之一。个体传感信息通常用于揭示潜在的过程动态并识别其中的潜在变化。这些系统通常配备具有(可能)不同模态的多个传感器。这些问题表明需要融合分布式和异构信息,以便实时准确推断关键系统的状态。为此,本文开发并验证了分布式物理过程(例如,船上辅助系统)中的故障检测和分类方法。文献中提出了几种传感器融合方法来解决故障检测问题,包括线性和非线性滤波器、自适应模型参考方法和基于神经网络的估计方案。然而,据作者所知,这些技术尚未应用于船上系统,因为存在一些固有的困难,包括:(可能)信号的非平稳行为、过程动态的潜在非线性、输入输出和反馈相互作用、多模态数据的缩放和对齐以及乘性过程噪声。上述一些问题可以在一定程度上简化或通过更简单的解决方案来近似。例如线性和线性化建模和贝叶斯估计技术(例如扩展卡尔曼滤波和粒子滤波)[1][2]。研究人员还使用了软计算
本文档报告了一项研究的结果,该研究旨在评估事故和事件的原因和促成因素,在事故和事件中,单个良性推进系统发生故障,而飞行员没有适当处理该情况。这项研究是为了回应联邦航空管理局 (FAA) 1996 年 3 月 6 日的一封信而进行的,该信要求航空工业协会 (AIA) 使用 AIA 以前的活动和最近事故的数据作为制定发动机故障指示系统指南的基础。AIA 于 1996 年 6 月 19 日回复 FAA 的一封信,提议开展所要求的活动。AIA 提议,活动的初始重点将是收集与历史事故和事件相关的所有相关事实和数据、各种缓解方法的经验、固定基座和运动基模拟器的能力和程序,以及其他适用于彻底研究发动机故障和不当机组人员反应的相关信息。数据收集过程完成后,后续阶段将分析和综合这些数据,以准备建议的纠正措施。AIA 写道,AIA 认为,各方最好不要过早地专注于“解决方案”。完成这项工作后,将采取决策关口,然后决定如何进入其他阶段,这些阶段可能会建议多种路径并增加
本文档报告了一项研究的结果,该研究旨在评估事故和事件的原因和促成因素,在事故和事件中,单个良性推进系统发生故障,而飞行员没有适当处理该情况。这项研究是为了回应联邦航空管理局 (FAA) 1996 年 3 月 6 日的一封信而进行的,该信要求航空工业协会 (AIA) 使用 AIA 以前的活动和最近事故的数据作为制定发动机故障指示系统指南的基础。AIA 于 1996 年 6 月 19 日回复 FAA 的一封信,提议开展所要求的活动。AIA 提议,活动的初始重点将是收集与历史事故和事件相关的所有相关事实和数据、各种缓解方法的经验、固定基座和运动基模拟器的能力和程序,以及其他适用于彻底研究发动机故障和不当机组人员反应的相关信息。数据收集过程完成后,后续阶段将分析和综合这些数据,以准备建议的纠正措施。AIA 写道,AIA 认为,各方最好不要过早地专注于“解决方案”。完成这项工作后,将采取决策关口,然后决定如何进入其他阶段,这些阶段可能会建议多种路径并增加