[論文レビュー] Particle Filter-Based Fault Diagnosis of Nonlinear Systems Using a Dual Particle Filter Scheme

Najmeh Daroogheh, Nader Meskin+1 more|arXiv (Cornell University)|Jun 28, 2016

Fault Detection and Control Systems参考文献 44被引用数 3

ひとこと要約

本稿では、非線形確率的システムにおける同時状態および時変パラメータ推定のためのデュアルパーティクルフィルタ手法を提案する。ガスタービンエンジンの故障診断の向上を図るもので、状態推定とパラメータ推定を並列に処理することで、86.29%の高い正確性、5.71%の低い誤検知率、および従来のRMLおよびベイズ的手法よりも優れた精度を達成するとともに、計算負荷を低減した。

ABSTRACT

In this paper, a dual estimation methodology is developed for both time-varying parameters and states of a nonlinear stochastic system based on the Particle Filtering (PF) scheme. Our developed methodology is based on a concurrent implementation of state and parameter estimation filters as opposed to using a single filter for simultaneously estimating the augmented states and parameters. The convergence and stability of our proposed dual estimation strategy are shown formally to be guaranteed under certain conditions. The ability of our developed dual estimation method is testified to handle simultaneously and efficiently the states and time-varying parameters of a nonlinear system in a context of health monitoring which employs a unified approach to fault detection, isolation and identification is a single algorithm. The performance capabilities of our proposed fault diagnosis methodology is demonstrated and evaluated by its application to a gas turbine engine through accomplishing state and parameter estimation under simultaneous and concurrent component fault scenarios. Extensive simulation results are provided to substantiate and justify the superiority of our proposed fault diagnosis methodology when compared with another well-known alternative diagnostic technique that is available in the literature.

研究の動機と目的

• 非線形システムにおける単一フィルタによる拡張状態-パラメータ推定の限界、特に次元の高さと計算負荷の問題を解決すること。
• 時変パラメータを有する非線形で確率的なシステムにおける故障検知・分離・同定（FDII）性能の向上。
• ガスタービンなどの重要なシステムのリアルタイム健全性モニタリングにおいて、誤報率の低減と推定正確性の向上。
• 形式的な条件下で収束性と安定性を保証するデュアル推定フレームワークの構築。
• 実際のガスタービンエンジンモデルを用いて、既存のパーティクルフィルタベースのFDII技術と比較して本手法の優位性を検証すること。

提案手法

• 本手法はデュアルパーティクルフィルタ構造を採用し、一つのフィルタがシステムの状態を推定し、もう一つが時変パラメータを並列に推定することで、状態の拡張を回避する。
• モデル次元の増加なしに、同時推定を可能にするためにベイズ的パラメータ推定フレームワークを拡張する。
• パーティクルフィルタを用い、リサンプリングと重要度サンプリングを組み合わせて、状態およびパラメータの事後分布を近似する。
• システムおよびノイズに一定の正則性条件が満たされる場合、デュアル推定戦略が収束性と安定性を示すことが形式的に証明されている。
• 故障検知には尤度に基づくメカニズムを採用し、負の対数尤度を用いる。故障分離はパラメータ推定によって達成される。
• 複数の同時故障シナリオ（コンプレッサーおよびタービン効率、質量流量の低下）を想定したガスタービンエンジンモデルを用いてフレームワークを評価する。

実験結果

リサーチクエスチョン

• RQ1 デュアルパーティクルフィルタフレームワークは、非線形故障診断における単一フィルタによる拡張状態-パラメータ推定を上回ることができるか？
• RQ2 状態とパラメータ推定を分離することで、非線形システムにおける故障検知の正確性が向上し、誤検知率が低下するか？
• RQ3 時変パラメータおよび確率的ノイズが存在する状況において、本手法が安定性と収束性をどの程度維持できるか？
• RQ4 RMLおよびベイズ的パーティクルフィルタリングと比較して、デュアルフィルタアプローチは故障同定の正確性および計算効率において優れているか？
• RQ5 本手法は、ガスタービンエンジンのような実世界の非線形システムにおいて、複数の同時故障を効果的に処理できるか？

主な発見

• 提案されたデュアルパーティクルフィルタ手法は、故障診断において86.29%の正確性を達成し、RML手法（78.86%）およびベイズKSベース手法（25.95%）を著しく上回った。
• 誤検知率は5.71%であり、RML手法（11.43%）と比較して5.71ポイント低い水準に抑えられ、誤報が少ないことが示された。
• コンプレッサー効率、コンプレッサー質量流量、タービン効率、タービン質量流量の4つの健全性パラメータについて、RMLおよびベイズ手法よりも高い正確性が得られた。
• 本手法は150個のパーティクルを必要とするRML手法や45個のパーティクルを必要とするベイズKSベース手法と比較して、わずか50個のパーティクルで優れた性能を達成した。これは、計算効率の優位性を示している。
• 混同行列解析により、正常状態の33例中31例が正しく同定され、各故障カテゴリについても33例中28～31例が正しく同定された。これは、高い真正陽性率を示している。
• 結果から、デュアル推定構造が故障同定の正確性を向上させるとともに、計算負荷を低減し、安定性と収束性を維持していることが検証された。