[論文レビュー] Fault Detection and Isolation Tools (FDITOOLS) User's Guide

Andreas Varga|arXiv (Cornell University)|Mar 24, 2017

Fault Detection and Control Systems参考文献 12被引用数 3

ひとこと要約

本稿では、線形動的システムにおける正確および近似故障検出・同定（FDI）およびモデル検出問題を解くためのMATLABベースのソフトウェアツールボックス、FDITOOLSを提示する。2017年Vargaの書籍に記載された合成および解析手法を実装し、ギャップ指標、感度、ノイズ耐性を用いた性能評価により、FDIフィルタおよびモデル検出フィルタの体系的設計を可能にする。アクチュエータの故障シナリオを伴う横方向飛行力学モデルを用いた検証が行われた。

ABSTRACT

The Fault Detection and Isolation Tools (FDITOOLS) is a collection of MATLAB functions for the analysis and solution of fault detection and model detection problems. The implemented functions are based on the computational procedures described in the Chapters 5, 6 and 7 of the book: "A. Varga, Solving Fault Diagnosis Problems - Linear Synthesis Techniques, Springer, 2017". This document is the User's Guide for the version V1.0 of FDITOOLS. First, we present the mathematical background for solving several basic exact and approximate synthesis problems of fault detection filters and model detection filters. Then, we give in-depth information on the command syntax of the main analysis and synthesis functions. Several examples illustrate the use of the main functions of FDITOOLS.

研究の動機と目的

• 線形システムにおける故障検出・同定（FDI）およびモデル検出問題を解く包括的で使いやすいMATLABツールボックスの提供。
• Vargaの2017年書籍に記載された計算手順を実装し、正確および近似のFDIおよびモデル検出フィルタの合成を実現。
• 故障感度、ノイズギャップ、モデル一致などの指標を用いたFDIおよびモデル検出フィルタの性能評価を支援。
• アクチュエータの効率喪失故障を伴う横方向飛行力学の事例研究を通じて、実用的応用を可能にする。
• リアルタイム故障監視に適した残差生成器および評価フィルタの体系的設計と分析を促進。

提案手法

• 制御入力、故障入力、ノイズ入力を指定することで、損傷状態下でのシステムダイナミクスを状態空間モデルと加法的故障で表現。
• fdimodsetおよびmdmodset関数を用いて、制御、故障、ノイズ入力を含む合成モデルを構築。
• efdsyn、afdsyn、efdisyn、afdisyn、emmsyn、ammsyn、emdsyn、amdsynなどの最適化ベースの合成関数を用いて、正確および近似のFDIおよびモデル検出フィルタを設計。
• fdif2ngap、mdgap、mdmatchなどの性能評価関数を用いて、故障対ノイズギャップおよびモデル一致性能を定量的に評価。
• パラメータ（α=0.9、β=0.1、γ=10）を有するNarendra型評価フィルタを用いて、故障同一定位のための残差評価信号θi(t)を計算。
• ステップ入力、スクエア入力、正弦波入力に加え、白色ノイズを含む時間領域シミュレーションを実施し、現実的な条件下でのフィルタ性能を評価。

実験結果

リサーチクエスチョン

• RQ1 線形システムにおいて、計算ツールを用いて正確および近似の故障検出・同定問題を体系的にどのように解けるか？
• RQ2 アクチュエータ故障を伴う横方向飛行制御系において、FDIフィルタの故障感度およびノイズ耐性という観点から、達成可能な性能は何か？
• RQ3 複数の物理的故障モデル（例：部分的または完全なアクチュエータ故障）を区別できるように、モデル検出フィルタをどのように合成すれば、ギャップ性能が最適化されるか？
• RQ4 ノイズが残差評価信号に与える影響は何か？ また、故障モードを信頼性高く検出するために、どのように処理すればよいか？
• RQ5 異なるフィルタ合成戦略（正確対近似、最小実現対非最小実現）が、残差生成器の性能および構造に与える影響は何か？

主な発見

• AMDSYN関数は、完全なアクチュエータ故障を含む9つの故障シナリオを有する横方向飛行モデルに対して、構造的性能行列の対角成分がゼロとなる形でモデル検出フィルタを正常に設計した。
• モデル検出性能行列は、異なる故障モデルに対する残差応答の明確な分離を示し、ノイズ下でも信頼性の高い故障同一定位を可能にした。
• Narendra型フィルタを用いて計算された残差評価信号θi(t)は、各故障モデルに対して明確に異なる時間応答を示し、ピーク応答により正しいモデルが特定された。
• 達成されたモデル検出ギャップ（MDgap）および性能（MDperf）指標により、すべての故障ケースにおいて設計フィルタの耐障害性および区別可能性が確認された。
• 時間領域シミュレーションにより、入力および測定ノイズ下でも、故障遷移（例：0%から50%から100%へのアクチュエータ劣化）を信頼性高く検出可能であることが示された。
• 安定度-1、極が-1に位置する非最小実現は、安定で良好に条件付けられたフィルタ応答を示し、合成手法の有効性が裏付けられた。