Aller au contenu principal
2024 conference-paper

Iterative Learning Fault Estimation for Stochastic Time-varying Systems

0Citations signalées, ce qui n’est pas une note de qualité
1Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

The article investigates the fault estimation problem for a class of stochastic time-varying systems based on iterative learning methods. Unlike most traditional works, the system investigated in this paper is affected by disturbances, noises and initial state deviations. A type of iterative learning fault estimator is designed utilizing the historical output estimation errors for receiving the fault information of the system. Furthermore, the existence condition is analyzed in order to meet boundedness with respect to the A-norm of fault estimation errors based on the proposed iterative learning scheme. At last, a case study is applied for verify the effectiveness of the studied scheme.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Iterative Learning Fault Estimation for Stochastic Time-varying Systems
Date Crossref
17/05/2024
Éditeur
IEEE
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Fault Detection and Control SystemsIterative Learning Control SystemsElevator Systems and Control

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.