Detekcja uszkodzeń odporna na niepewność modelu neuronowego

W pracy przedstawiony zosta) problem detekcji uszkodzeń odpornej na niepewność modelu neuronowego. Na przykładzie sieci neuronowej GMDH przedstawiono przyczyny powstawania niepewności modelu otrzymywanego podczas identyfikacji. Zaprezentowana metoda wyznaczania niepewności modelu w postaci przedziału ufności wyjścia systemu umożliwiła opracowanie odpornego układu detekcji uszkodzeń w oparciu o technikę adaptacyjnych progów decyzyjnych.

---

In the paper the problem of the robust fault detection under the neural model uncertainty was presented and widely discussal. In particular, the causes of forming the GMDH neural model uncertainty obtained via system identification were shown. The presented method of confidence estimation of GMDH neural networks in (he form of the system output uncertainty interval enables development of the robust fault detection scheme on the basis of the adaptive threshold technique.