Powiadomienia systemowe
- Sesja wygasła!
Identyfikatory
Warianty tytułu
Zastosowanie AGMM do detekcji uszkodzeń i wykrycia manewrów
Języki publikacji
Abstrakty
Mixed multiple-additive Gauss-Markov models (AGMM) of parameters or structure changes which describe a broad variety of system failures or radar target manoeuvres are presented. Recursive algorithms for solving joint detection-identification problems in the presence of noise are obtained using the generalized likelihood ratio (GLR) approach. The proposed algorithms have relatively moderate computational requirements in a comparison with the multiple model approach. The results of simulation of the proposed algorithms are presented. The method can be used for failure detection-identification or manoeuvre detection in radar systems.
W artykule przedstawiono addytywne modele Gausa-Markowa (AGMM -ang. Additive Gauss-Markov Models). Wykorzystanie AGMM pozwoliło na stworzenie metody, która dzięki wprowadzeniu dodatkowego układu dynamicznego modelującego nagłe zmiany umożliwia objęcie opisem szerokiego zakresu niestacjonarności i pozwala na oddanie właściwego ich charakteru (można je przedstawić w formie procesu losowego, procesu zdeterminowanego, ale o losowym momencie zaistnienia lub procesu typu mieszanego). Zaletą AGMM jest możliwość opisu nawet złożonych zmian dynamiki systemu za pomocą nieskomplikowanego aparatu matematycznego. Modele te umożliwiają stworzenie rekursywnych algorytmów wykrywania uszkodzeń i śledzenia manewrujących obiektów. Struktura systemu ma formę adaptacyjnego filtra dopasowanego do bieżącej dynamiki obiektu i stanu systemu pomiarowego, co zapewnia minimalny błąd pomiaru. Do wykrycia zmian stosowany jest bank filtrów dodatkowych dopasowanych do różnych rodzajów i momentów zaistnienia zmian oraz procedura decyzyjna oparta o metodę uogólnionego stosunku wiarygodności. Zastosowano metodę analitycznego wyznaczania progów decyzyjnych z wykorzystaniem aproksymacji rozkładu prawdopodobieństwa logarytmu uogólnionego stosunku wiarygodności. Zmienna wartość progów decyzyjnych pozwoliła na utrzymanie prawdopodobieństwa fałszywego alarmu na stałym poziomie. Proponowana metoda charakteryzuje się niskim obciążeniem obliczeniowym pozwalającym na stosowanie w systemach czasu rzeczywistego.
Wydawca
Czasopismo
Rocznik
Tom
Strony
157--159
Opis fizyczny
Bibliogr. 8 poz., rys., wykr., wzory
Twórcy
Bibliografia
- [1] Blackman S., Popoli R.: Design and analysis of modern tracking systems. Artech House, 1999.
- [2] Grishin Yu., Janczak D.: Joint Adaptive Detection - Estimation Algorithm for Manoeuvering Target Tracking. Proc.of the Int. Radar Symposium IRS 2006, Krakow, 2006, pp. 375-378.
- [3] Grishin Yu.: An Application of the Additive Gauss-Markov Models of Discrete-Time Dynamic Systems to the Problem of Abrupt Changes Detection. Proc. of Int. AMSE Conf. Systems: Analysis, Control & Design, Lyon, 1994, vol. 1, pp. 211-220.
- [4] Gustafsson F.: Adaptive Filtering and Change Detection, Wiley, 2000.
- [5] Janczak D.: The GLR thresholding for fault detection algorithm based on additive Gauss-Markov model of changes. Proc. of the 8th IEEE Int. Conf. on Methods and Models in Automation and Robotics, MMAR’2002, Szczecin, 2002, vol. 1, pp. 587-592.
- [6] Patton R., Frank P., Clark R.: Fault diagnosis in dynamic systems. Theory and applications. Prentice Hall, N. Y., 1989.
- [7] Sage A. P., Melsa J. L.: Estimation theory with application to communication and control. McGraw-Hill, New York, 1972.
- [8] Willsky A.: A Survey of Design Methods for Failure Detection in Dynamic Systems. Automatica, 1976, vol. 12, pp. 601-611.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BSW4-0079-0017