跳到正文
热点事件持续更新

SHAPE:无需专用观测器的能量故障检测框架

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

Johnny Garcia 等作者提出基于能量的故障检测与隔离框架 SHAPE,结合端口哈密顿变量与微分平坦性,从规划运动生成标称功率参考,无需专用动态观测器即可构造机械端口功率残差。 在模型预测控制下的六自由度 Kinova 机械臂仿真中(固定模型失配、指定关节单一故障),经五组训练种子、3000 次留出测试,SHAPE-CWT 平均准确率为 84.69%,扭矩残差为 81.67%,广义动量观测器为 97.17%。作者指出,严重程度激励剖面与离线速度扰动会限制该方法的诊断能力。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月27日
  1. arXiv cs.RO
    SHAPE:面向平坦端口哈密顿机械系统的能量故障检测与隔离框架

    论文提出基于能量的故障诊断框架 SHAPE,结合端口哈密顿变量与微分平坦性,从规划运动生成标称功率参考,无需专用动态观测器即可构造机械端口功率残差。在模型预测控制下的六自由度 Kinova 机械臂仿真中,SHAPE-CWT 在 3000 次留出测试上平均准确率为 84.69%,扭矩残差为 81.67%,广义动量观测器为 97.17%。作者指出严重程度激励剖面与离线速度扰动会限制该方法的诊断能力。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。