[論文レビュー] Implementation of real-time moving horizon estimation for robust air data sensor fault diagnosis in the RECONFIGURE benchmark

Yiming Wan, Tamás Keviczky|arXiv (Cornell University)|Jun 4, 2016

Fault Detection and Control Systems被引用数 3

ひとこと要約

本論文は、RECONFIGUREベンチマークにおいて、風の制約を含む制約付きMHE定式化を用いて、リアルタイムの移動履歴推定（MHE）手法を提案し、空気力学的センサ（真空速度および迎角）の故障診断を強靭化する。この手法は、故障感度を高めつつも、摂動に対するロバスト性を維持し、故障検出遅延が1秒未塔、VCASの推定誤差が1.85 kts未塔、AOAの推定誤差が0.82 deg未塔の性能を達成した。工業的互換性のある実装は、エアバス社のSAOライブラリを用いて検証された。

ABSTRACT

This paper presents robust fault diagnosis and estimation for the calibrated airspeed and angle-of-attack sensor faults in the RECONFIGURE benchmark. We adopt a low-order longitudinal model augmented with wind dynamics. In order to enhance sensitivity to faults in the presence of winds, we propose a constrained residual generator by formulating a constrained moving horizon estimation problem and exploiting the bounds of winds. The moving horizon estimation problem requires solving a nonlinear program in real time, which is challenging for flight control computers. This challenge is addressed by adopting an efficient structure-exploiting algorithm within a real-time iteration scheme. Specific approximations and simplifications are performed to enable the implementation of the algorithm using the Airbus graphical symbol library for industrial validation and verification. The simulation tests on the RECONFIGURE benchmark over different flight points and maneuvers show the efficacy of the proposed approach.

研究の動機と目的

• 三重冗長な空気力学的センサにおける同時多発故障の検出と分離に課題を提起する。三重投票では処理できない。
• 風の摂動が存在する中で、ロバスト性を損なわず、故障感度を向上させる。
• 計算コストの高い制約付きMHEに基づく故障診断手法を、計算資源が限られた飛行制御コンピュータに、産業標準のグラフィカルシンボルライブラリを用いて実装する。
• 多様な飛行点およびマニューバを含む高精度なRECONFIGUREベンチマーク上で、手法を検証する。
• 高度な最適化ベースのFDI手法の工業的検証・検証（V&V）を、エアバス準拠の環境で可能にする。

提案手法

• 風動態の制約を組み込んだ制約付きの残差生成器を、移動履歴推定（MHE）問題として定式化し、故障感度を向上させる。
• 内点逐次二次計画法（IP-SQP）を用いた非線形計画問題の解法を、固定反復回数のリアルタイム反復スキームで実行し、計算コストを予測可能に保つ。
• 各時刻で線形化されたカールシュ＝クーン＝タッカー（KKT）システムを効率的に解くために、構造を活用するリカッチベースの手法を採用する。
• エアバス社のSAOグラフィカルシンボルライブラリにネイティブに行列演算ブロックが存在しないため、特定のアルゴリズム的近似と簡略化を適用して実装を可能にする。
• 各サンプルで固定回数の反復を実行することで、リアルタイム実行可能性を確保し、計算速度を優先して部分最適解を許容する。
• 風状態推定をMHEフレームワークに統合し、空気力学的センサが故障した場合でも観測可能性を維持する。

実験結果

リサーチクエスチョン

• RQ1 制約付きMHE定式化は、同時に迎角（AOA）および真高度速度（VCAS）センサに故障が生じる状況において、風の摂動に対してロバスト性を保ちつつ、故障感度を向上させることができるか？
• RQ2 計算コストの高い非線形計画問題としてのMHEを、計算リソースが限られた飛行制御コンピュータ上でリアルタイムに実装できるか？
• RQ3 RECONFIGUREベンチマークにおける現実的な風および故障プロファイル下で、MHEベースのFDIによる故障検出遅延と推定誤差はどの程度達成できるか？
• RQ4 MHEベースのFDI手法は、エアバス社のSAOグラフィカルシンボルライブラリを用いて、工業的V&Vに成功して実装可能か？
• RQ5 風シアーが強く発生する状況や、バイアス、振動、走逸故障などの複数の故障タイプが発生する状況下で、この手法はどの程度の性能を示すか？

主な発見

• すべての故障シナリオにおいて、迎角の最大絶対推定誤差（AEE）は0.82 deg、真高度速度（VCAS）は1.85 ktsに留まり、シナリオ2-Fを除く。シナリオ2-Fでは、3つのVCASセンサが同時に故障している。
• 検出遅延は主に0.45秒未塔であり、シナリオ6-Fで最長の0.92秒の遅延が発生した。これは、誤報回避と検出速度のトレードオフに起因する。
• シナリオ7-Fでは、強力な風シアー（ピーク振幅30.87 kts）が発生したが、依然として良好な故障検出および推定性能を維持した。
• SAO実装におけるリアルタイム計算コストは、1サンプルあたり5.8 msであり、飛行制御コンピュータへの実装可能性が確認された。
• シナリオ2-FにおけるVCAS推定誤差は、3つのVCASセンサが故障したため、許容できないほど高かった（最大74.36 kts）。
• 本手法は、故障したセンサを正常に分離し、すべてのシナリオで低推定誤差を維持したが、複数のVCASセンサが故障した場合を除く。これは、風の観測可能性を確保するためのセンサの冗長性の重要性を示している。