Output behavior equivalence and simultaneous subspace identification of systems and faults
该研究针对加性故障下的系统辨识与故障重构问题，无需标称数据和故障类别假设，利用PI-MOESP恢复输入输出子系统矩阵，提出输出行为等价概念及判定方法，可从数据估计最小维度故障信号对应的完整故障矩阵集。
2025-05-19 cs.SY eess.SY
A Fault-Tolerant Distributed Detection of Two Simultaneous Events in Wireless Sensor Networks
North Carolina A&T State University（北卡罗来纳农业与州立大学）；The University of Arizona（亚利桑那大学）；Isfahan University of Technology（伊斯法罕理工大学）
本文提出基于分布式数据处理和贝叶斯准则的双事件检测方法，通过最大似然比检验设计新决策规则，并扩展至容错流程以应对传感器决策故障，验证了算法在不同场景下的有效性。
2016-10-13 cs.SY eess.SY
Detection of Intermittent Faults Based on an Optimally Weighted Moving Average T^2 Control Chart with Stationary Observations
自20世纪90年代以来，移动平均（MA）型方案，也称为平滑方法，已经在多元统计过程监控（MSPM）框架内得到了很好的建立。然而，它的理论基础仍然局限于平滑独立的数据，其等或指数加权方案的最优性仍然没有得到证明。本文旨在削弱现有MA方法中的独立性假设，并将其推广到更广泛的领域，即处理自相关弱平稳过程。当数据具有自相关性时，用于故障检测的等权和指数加权方法的非最优性被发现，揭示了它们没有有效利用样本的相关性信息的本质，从而产生了最优加权移动平均（OWMA）理论。OWMA方法与Hotelling的$T^2$统计量相结合，形成OWMA $T^2$控制图（OWMA-TCC），以检测更具挑战性的故障类型，即，间歇性故障（IF）。与在时间窗口内对样本施加相等权重的MA方案不同，OWMA-TCC使用相关性（自相关和互相关）信息来找到用于IF检测（IFD）的最佳权重向量（OWV）。为了实现最佳的IFD性能，定义了IF可探测性的概念，并给出了相应的可探测性条件，作为OWV的选择标准。然后，OWV的形式给出的非线性方程的解，其存在性证明的Brouwer不动点理论的援助。此外，对称结构的OWV被揭示，和MA计划的最优性的任何IF方向时，数据表现出没有自相关性被证明。
2020-11-10 cs.IT cs.SY eess.SY
Moving Horizon Estimation for Simultaneous Localization and Mapping with Robust Estimation Error Bounds
Institute for Dynamic Systems and Control, ETH Zurich（苏黎世联邦理工学院动态系统与控制研究所）
本文提出一种解耦的鲁棒滚动时域估计方法用于SLAM，在有限路标可见性下保证自身状态稳定和路标误差有界，并支持并行更新以提升计算效率。
2024-11-20 cs.RO cs.SY eess.SY
The system dynamics analysis, resilient and fault-tolerant control for cyber-physical systems
本文针对网络物理系统，分析攻击与故障对系统动力学的影响，提出传输残差组合的改进配置，并集成设计检测、弹性与容错控制方案，以增强对隐蔽攻击的检测，并通过机器人系统案例验证。
2024-09-20 cs.SY eess.SY
Data-driven Residual Generation for Early Fault Detection with Limited Data
Hitachi America, Ltd.（日立美国有限公司）
传统上，故障检测和隔离界使用系统动态方程来生成诊断器并分析动态系统的可检测性和可隔离性。基于模型的故障检测与隔离方法利用系统模型产生一组残差作为故障检测与隔离的基础。然而，在许多复杂的系统中，它是不可行的，开发高度准确的模型，系统和保持模型更新，在系统的寿命。最近，数据驱动的解决方案由于几个实际原因在工业系统中受到了极大的关注。首先，这些方法不需要开发精确模型的初始投资和专业知识。此外，当系统或环境随时间变化时，可以自动更新和重新训练诊断器。最后，与基于模型的方法不同，它直接将时间序列测量（如压力和电压）与其他信息源（如系统运行时间）相结合，以实现更高的准确性。在本文中，我们扩展了传统的基于模型的故障检测和隔离的概念，如残差，可检测和可隔离的故障数据驱动域。然后，我们提出了一种算法，自动生成的正常运行数据的残差。我们提出了我们所提出的方法，通过比较案例研究的性能。
2021-09-28 cs.AI cs.SY eess.SY
Perron-Frobenius Contractive Operator Matching for Data-Driven Reachable Fault Identification and Recovery
California Institute of Technology（加州理工学院）
本文提出基于概率密度空间的统一框架，利用故障索引佩龙-弗罗贝尼乌斯算子预测状态分布演变，通过概率流表示构建确定性算子，建立2-瓦瑟斯坦界以量化故障检测与识别条件，并结合流映射匹配实现在线故障参数拟合。
2026-04-16 cs.SY eess.SP eess.SY
Simultaneous Sequential Detection of Multiple Interacting Faults
University of California, Berkeley（加州大学伯克利分校）；University of Michigan（密歇根大学）；Koc University（科奇大学）
针对分布式系统中多个相互作用的故障，提出一种基于复合停止规则的序贯检测算法，并在贝叶斯框架下证明其渐近最优性。
2010-12-06 cs.IT cs.SY eess.SY
Robust Air Data Sensor Fault Diagnosis With Enhanced Fault Sensitivity Using Moving Horizon Estimation
Delft Center for Systems and Control, Delft University of Technology（代尔夫特系统与控制中心，代尔夫特理工大学）
本文研究了风速数据传感器在风的影响下鲁棒性故障诊断，提出基于移动时间窗估计的约束残差生成器，通过利用已知风界来提高故障敏感性，通过分析KKT条件证明其改进源于故障激活的不等式约束，利用空客模拟器验证了方法优势。
2016-02-24 cs.SY eess.SY
Efficient Fault Diagnosis in Lithium-Ion Battery Packs: A Structural Approach with Moving Horizon Estimation
本文提出一种利用电池组结构特性的分层滑窗估计（MHE）方法，用于估计内外短路及传感器故障，在保证有效性的同时显著降低了计算复杂度与传感器需求。
2025-03-01 cs.SY eess.SY
Geometric Fault Identification via Mirror Descent Learning
California Institute of Technology（加州理工学院）
本文提出了一种用于非线性控制仿射系统在同时存在执行器和传感器故障下的故障检测与识别方法，采用几何方法研究故障的可隔离性，并开发了包含收缩保证的鲁纳伯格似观测器的混合估计器，结合神经网络估计执行器和传感器故障，通过镜像下降法适应最后一层网络以满足故障通道的可隔离性条件，最终通过航天器三轴姿态控制系统验证了方法的有效性。
2026-05-16 cs.SY eess.SP eess.SY
Sensor Fault Detection and Isolation via Networked Estimation: Full-Rank Dynamical Systems
本文研究线性满秩动力系统的传感器故障检测、隔离和网络估计问题。所提出的网络估计是单时间尺度协议的变体，并且基于（i）对\textit{a-priori}估计的共识和（ii）测量创新。在前人工作的基础上，推导了传感器网络连通性的必要条件和稳定块对角增益矩阵。考虑系统和测量噪声存在下的加性故障，推导了传感器处的估计误差，并定义了适当的残差用于故障检测。与文献中的许多作品不同，没有考虑噪声的简化上限条件，我们假设高斯系统/测量噪声。基于估计误差协方差范数定义了故障检测的概率阈值。最后，提出了一个图论的传感器更换方案，以恢复由于删除故障传感器可能造成的网络可观测性损失。最后，我们以一个具说明性的学术范例来验证所提出的故障侦测与隔离方案，并与相关文献进行比较研究。
2020-09-25 cs.MA cs.SY eess.SY
Accuracy and robust early detection of short-circuit faults in single-cell lithium battery
本文提出一种利用电流变化、荷电状态和电阻描绘电压微分包络曲线的方法，实现单体锂电池早期内部短路故障的准确鲁棒检测，准确率达100%，优于信号处理和神经网络方法。
2024-12-23 cs.SY eess.SY
Estimating the Faults/Attacks using a Fast Adaptive Unknown Input Observer: An Enhanced LMI Approach
针对受传感器与执行器故障影响的 Lipschitz 非线性系统，提出基于增强 LMI 条件的 FAUIO，实现故障与状态同时估计，并扩展至扰动场景。
2023-12-08 cs.SY eess.SY
Real-Time Ground Fault Detection for Inverter-Based Microgrid Systems
针对逆变器微电网接地故障电流偏差小且受扰动与不确定性影响的问题，提出仅用输出电流的数据辅助QP故障检测滤波器，并给出解析近似解与概率虚警阈值，经Simulink和RTDS实时仿真验证有效。
2024-09-10 cs.SY eess.SY
Hybrid Model-Data Fault Diagnosis for Wafer Handler Robots: Tilt and Broken Belt Cases
ASML（ASML公司）；Eindhoven University of Technology（埃因霍温理工大学）；Singapore University of Technology and Design（新加坡科技设计大学）
本研究针对晶圆搬运机器人提出模型-数据混合的故障检测、隔离与估计方案，结合线性滤波器与SVM分类器，在断带和倾斜故障仿真案例中性能优于纯数据驱动方法。
2024-12-12 cs.RO cs.SY eess.SY
Analysis, detection and control of secure and safe cyber-physical control systems in a unified framework
University of Science and Technology Beijing（北京科技大学）；University of Duisburg-Essen（杜伊斯堡-埃森大学）；Shandong University of Science and Technology（山东科技大学）；Beihang University（北京航空航天大学）；University of Victoria（维多利亚大学）
本文提出了一种统一框架，用于分析、检测和控制网络物理控制系统中的安全性和鲁棒性，通过共素因子分解理论实现统一的控制与检测方法。
2026-01-13 cs.SY eess.SY
A distributed classification/estimation algorithm for sensor networks
Politecnico di Torino（都灵理工大学）
针对传感器网络中同时分类和估计隐藏参数的问题，提出一种协同迭代算法，并证明其收敛性及在无限传感器下估计误差任意小、分类误差趋于最优集中式最大似然估计。
2012-06-17 cs.MA cs.SY eess.SY
Model-based Stochastic Fault Detection and Diagnosis for Lithium-ion Batteries
本研究提出一种基于锂离子电池第一性原理模型的两步随机故障检测与诊断算法，通过迭代优化校正模型并结合不确定性提供故障概率描述，在单个和同时故障检测率上优于Monte Carlo模拟。
2019-01-09 cs.SY eess.SY
Fault Detection and Identification using Bayesian Recurrent Neural Networks
Massachusetts Institute of Technology（麻省理工学院）；ExxonMobil Research and Engineering（埃克森美孚研究与工程公司）
在加工和制造业中，一直在大力推动生产更高质量的产品，并确保流程的最大效率。这就需要采取有效的方法来检测和解决干扰，以确保最佳运行。虽然控制系统可以补偿许多类型的干扰，但仍然不能充分处理过程的变化。因此，重要的是进一步开发监测系统，以有效地检测和识别这些故障，从而使操作员能够快速解决这些故障。本文提出了一种新的概率故障检测和识别方法，该方法采用了新开发的深度学习方法，使用具有变差丢弃的贝叶斯循环神经网络（BRNN）。BRNN模型是通用的，可以模拟复杂的非线性动力学。此外，与传统的基于神经网络的数据驱动的故障检测和识别方法相比，所提出的基于BRNN的方法产生的不确定性估计，允许同时故障检测的化学过程，直接故障识别，故障传播分析。在Tennessee Eastman过程TEP和一个实际化工生产数据集上，与工业上广泛应用的动态主成分分析进行了对比，并验证了该方法的优越性。
2020-06-26 cs.LG cs.SY eess.SY
Cyber Attack and Machine Induced Fault Detection and Isolation Methodologies for Cyber-Physical Systems
研究了信息物理系统中的同时网络攻击和故障检测与隔离问题。建议的解决方案包括两个过滤器的工厂和指挥和控制（C\&C）侧的CPS和未知输入观测器（UIO）的检测器在工厂侧。条件下，所提出的方法可以检测欺骗攻击，如隐蔽攻击，零动态攻击，重放攻击的特点。所提出的方法的一个优点是，不需要完全安全的通信链路，这意味着通信链路可以被对手妥协，而它被用来发送C\&C侧观测估计。此外，假设对手可以访问系统、过滤器和基于UIO的检测器的参数，但是，他们不能访问所有的通信链路信道。条件下，使用通信链路网络攻击，对手不能消除执行器和传感器网络攻击的影响进行了研究。为了说明所提出的CAFDI方法的能力和有效性，提供了模拟案例研究，并与文献中的检测方法进行了比较，以证明我们提出的解决方案的优点和好处。
2020-09-14 cs.SY eess.SY
Extended Hybrid Timed Petri Nets with Semi-Supervised Anomaly Detection for Switched Systems, Modelling and Fault Detection
Batna 2 University（巴特纳2大学）；King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
本文提出一种统一的故障检测框架，结合扩展时序连续Petri网与半监督异常检测，用于混合动态系统，通过离线LMI设计实现实时部署的高效计算。
2026-04-05 cs.LG cs.SY eess.SY
Hypergraph Contrastive Sensor Fusion for Multimodal Fault Diagnosis in Induction Motors
针对感应电机多模态故障诊断，提出多模态超图对比注意力网络（MM-HCAN），首次在超图拓扑中集成对比学习，实现多故障联合诊断，在三个基准上达到99.82%准确率。
2025-10-17 cs.AI cs.ET cs.LG
Unsupervised Maneuver-Aware Acoustic Fault Detection for Autonomous Drones
Carleton University（卡尔顿大学）；University of Alberta（阿尔伯塔大学）；The Hong Kong Polytechnic University（香港理工大学）
本文提出一种无监督机动感知声学故障检测框架，结合Noise2Noise去噪与机动条件自编码器，利用重建误差检测无人机故障，并在嵌入式平台上实现实时检测。
2026-10-08 cs.SD cs.SY eess.SY
