Resumen

Este documento trata sobre el problema de estimación de fallas para una clase de sistemas no lineales con incertidumbres en los parámetros sujetos a secuencias blancas distribuidas de forma Bernoulli con probabilidades condicionales conocidas. Para reflejar la realidad de manera más cercana, se consideran incertidumbres en los parámetros tanto en la matriz de parámetros de estado como en la matriz de parámetros de salida. En comparación con enfoques de estimación de fallas basados en observadores existentes, el observador de aprendizaje iterativo propuesto considera la información del error de estado y la información de estimación de fallas de la iteración anterior para mejorar el rendimiento de la estimación de fallas en la iteración actual. Simultáneamente, la estabilidad y convergencia del observador diseñado se logran mediante el empleo de la teoría de estabilidad de Lyapunov. Por otro lado, se presenta una nueva función óptima que utiliza la esperanza para garantizar la convergencia uniforme del esquema de estimación de fallas, reduciendo así el impact

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Estimación de fallas; Sistema no lineal; Incertidumbres de parámetros; Observador de aprendizaje iterativo; Teoría de estabilidad de Lyapunov; Desigualdad de matrices lineales
• Keywords:Fault estimation; Nonlinear system; Parameter uncertainties; Iterative learning observer; Lyapunov stability theory; Linear matrix inequality