Abstract
A fault detection and diagnosis (FDD) approach based on hidden Markov chain model is proposed in this paper. In the proposed approach, the occurrence or recovery of a failure in a dynamic system is modeled as a finitestate Markov (or semi-Markov) chain with known transition probabilities. For such a hybrid system, either the Interacting Multiple-Model (IMM) or the first-order generalized pseudo-Bayesian (GPB 1) estimation algorithm can be used for state estimation, fault detection and diagnosis. The superiority of the approach is illustrated by an aircraft example for sensors and actuators failures. Both deterministic and random fault scenarios are designed and used for evaluating and comparing the performance. Some performance indices are presented. The robustness of the proposed approach to the design of model transition probabilities, fault modeling errors, and the uncertainties of noise statistics are also evaluated
چکیده
در این مقاله قصد داریم یک روش کشف و تشخیص خطا (FDD) را که مبتنی بر مدل زنجیره ای مخفی مارکوف میباشد ارائه دهیم. در این روش پیشنهادی، بروز یا بازیابی خطا در یک سیستم پویا به عنوان یک زنجیره ی مارکوف با وضعیت محدود(یا نیمه مارکوف) و با احتمالات تبدیل مشخص، مدل سازی شده است. برای یک چنین سیستم ترکیبی ای، یا مدل چند تائی تعاملاتی (IMM) و یا الگوریتم تخمین شبه بایاسیان تعمیم یافته از مرتبه ی اول (GPBI) را میتوان برای تخمین وضعیت، تشخیص و ردیابی خطا استفاده کرد. برتری این روش نیز به وسیله ی یک مثالی از حسگرها و عامل هایی که طراحی شده و برای ارزیابی و محاسبه ی کارائی استفاده شده اند تشریح خواهد شد. بعضی از شاخص های کارائی نیز ارائه خواهد شد. همچنین میزان صحت روش پیشنهادی نسبت به احتمالات تبدیل مدل ، خطاهای مدل سازی عیب و عدم قطعیت مربوط به آمار و ارقام نیز مطرح خواهد شد
1-مقدمه
در یک سیستم کنترل پویا (مثلاً سیستم کنترل پرواز)، خطاهای ناشی از اشتباه عاملین یا حسگرها ممکن است منجر به بروز مشکلاتی جدی شده و از این رو نیاز است تا چنین خطا هایی را تشخیص داده و آنها را با بهترین سرعت و دقت ممکن ایزوله کرد. سیستم هایی که در معرض بروز چنین خطا هایی قرار میگیرند را نمیتوان به وسیله ی مجموعه ای از معادلات وضعیت، مدل سازی کرد. یک مدل ریاضی مناسب تر برای یک چنین سیستمی، سیستم هیبریدی استوکاستیک نام دارد که از سیستم های استوکاستیک مرسوم تفاوت دارد، چرا که وضعیت آن ممکن است به صورت کاملاً پیوسته تغییر کند. بروز یا بازیابی خطاها نیز ممکن است به عنوان یک زنجیره ی مارکوف با وضعیت نهایی و با احتمالات تبدیل مشخص مدل سازی شود.از دید کاربردی، مدل سازی چنین خطاهایی معقولانه و طبیعی است...