Fault detection and isolation with robust principal component analysis

Tharrault, Yvon; Mourot, Gilles; Ragot, José; Maquin, Didier

Pobierz

Tytuł: Fault detection and isolation with robust principal component analysis

Podtytuł:

Tytuł publikacji grupowej:

AMCS, volume 18 (2008)

Abstract:

Principal component analysis (PCA) is a powerful fault detection and isolation method. However, the classical PCA, which is based on the estimation of the sample mean and covariance matrix of the data, is very sensitive to outliers in the training data set. Usually robust principal component analysis is applied to remove the effect of outliers on the PCA model. In this paper, a fast two-step algorithm is proposed. ; First, the objective was to find an accurate estimate of the covariance matrix of the data so that a PCA model might be developed that could then be used for fault detection and isolation. A very simple estimate derived from a one-step weighted variance-covariance estimate is used (Ruiz-Gazen, 1996). This is a "local" matrix of variance which tends to emphasize the contribution of close observations in comparison with distant observations (outliers). ; Second, structured residuals are used for multiple fault detection and isolation. These structured residuals are based on the reconstruction principle, and the existence condition of such residuals is used to determine the detectable faults and the isolable faults. The proposed scheme avoids the combinatorial explosion of faulty scenarios related to multiple faults to be considered. Then, this procedure for outliers detection and isolation is successfully applied to an example with multiple faults.

Wydawca:

Zielona Góra: Uniwersytet Zielonogórski

Identyfikator zasobu:

oai:zbc.uz.zgora.pl:78731

DOI:

10.2478/v10006-008-0038-3

Strony:

429-442

Źródło:

AMCS, volume 18, number 4 (2008) ; kliknij tutaj, żeby przejść

Jezyk:

eng

Prawa do dysponowania publikacją:

Biblioteka Uniwersytetu Zielonogórskiego

Temat i słowa kluczowe:

principal component analysis (PCA) robustness outliers fault detection and isolation structured residual vector variable reconstruction

Kolekcje, do których przypisany jest obiekt:

Zielonogórska Biblioteka Cyfrowa > Repozytorium > Jednostki organizacyjne > Wydział Informatyki, Elektrotechniki i Automatyki

Zielonogórska Biblioteka Cyfrowa > Repozytorium > Typy utworów > Artykuły

Zielonogórska Biblioteka Cyfrowa > Repozytorium > Czasopisma naukowe i serie wydawnicze UZ > International Journal of Applied Mathematics and Computer Science (AMCS)

Zielonogórska Biblioteka Cyfrowa > Repozytorium > Czasopisma naukowe i serie wydawnicze UZ > International Journal of Applied Mathematics and Computer Science (AMCS) > International Journal of Applied Mathematics and Computer Science (AMCS) (2008)

Data ostatniej modyfikacji:

2024-11-05

Data dodania obiektu:

2024-04-08

Liczba wyświetleń treści obiektu:

Wszystkie dostępne wersje tego obiektu:

https://zbc.uz.zgora.pl/publication/88503

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

International Journal of Applied Mathematics and Computer Science (AMCS)

Nazwa wydania	Data
Fault detection and isolation with robust principal component analysis	2024-11-05

Obiekt

Tytuł: Fault detection and isolation with robust principal component analysis

Autor:

Data wydania:

Typ zasobu:

Współtwórca:

Podtytuł:

Tytuł publikacji grupowej:

Abstract:

Wydawca:

Identyfikator zasobu:

DOI:

Strony:

Źródło:

Jezyk:

Prawa do dysponowania publikacją:

Temat i słowa kluczowe:

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

Data dodania obiektu:

Liczba wyświetleń treści obiektu:

Wszystkie dostępne wersje tego obiektu:

Wyświetl opis w formacie RDF:

Wyświetl opis w formacie OAI-PMH:

Obiekty

Podobne

podobne w FBC

Dane kontaktowe

Adres

Telefon

E-Mail