[논문 리뷰] 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)|2016. 06. 04.

Fault Detection and Control Systems인용 수 3

한 줄 요약

이 논문은 RECONFIGURE 벤치마크에서 공기 동역학 센서(지름속도 및 공기 입사각)의 강건한 고장 진단을 위한 실시간 이동 최적화 영역 추정(MHE) 방법을 제시한다. 풍속 한계를 포함한 제약 조건이 부여된 MHE 설정을 통해 고장 감도를 향상시키면서도 외란에 대한 강건성을 유지한다. 다양한 비행 조건에서 지속적인 검출 지연이 1초 이하이며, VCAS의 추정 오차는 1.85 kts 이하, AOA의 추정 오차는 0.82도 이하로 유지되며, 에어버스 SAO 라이브러리를 사용한 산업용 호환 구현을 통해 검증되었다.

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.

연구 동기 및 목표

• 삼중 복제된 공기 동역학 센서에서 동시 다중 고장을 탐지하고 분리하는 데 도전하는 문제를 해결하기 위해.
• 풍속 외란이 존재하는 상황에서도 강건성을 해치지 않으면서 고장 감도를 향상시키기 위해.
• 비행 제어 컴퓨터에서 제한된 계산 자원을 가진 환경에서 계산 비용이 높은 제약 조건이 부여된 MHE 기반 고장 진단 방법을 산업 표준 그래픽 기호 라이브러리를 사용해 구현하기 위해.
• 다양한 비행 점과 조작 조건에서 고정밀도 RECONFIGURE 벤치마크를 통해 방법을 검증하기 위해.
• 에어버스 기준 환경에서 고급 최적화 기반 고장 진단(FDI) 방법의 산업용 검증 및 검토(V&V)를 가능하게 하기 위해.

제안 방법

• 풍속 역학에 대한 한계를 포함시켜 고장 감도를 향상시키기 위해, 제약 조건이 부여된 잔차 생성기를 이동 최적화 영역 추정(MHE) 문제로 수식화한다.
• 실시간 반복 기법을 사용하며 고정된 반복 횟수를 적용하여 예측 가능한 계산 비용을 확보하기 위해, 내부점수 순차적 정수기법(IP-SQP) 전략을 사용해 비선형 프로그래밍 문제를 해결한다.
• 각 시간 단계에서 선형화된 카르누흐-쿠른-터커(KKT) 시스템을 효율적으로 풀기 위해 구조를 고려한 리카티 기반 방법을 적용한다.
• 에어버스 SAO 그래픽 기호 라이브러리에 기본적으로 제공되지 않는 행렬 연산 블록이 없기 때문에, 특정 알고리즘 근사 및 단순화를 적용하여 이를 구현 가능하게 한다.
• 실시간 실행 가능성을 확보하기 위해 각 샘플당 고정된 반복 횟수를 적용하여, 계산 속도를 확보하기 위해 최적해가 아닌 해를 수용한다.
• 풍속 상태 추정을 MHE 프레임워크에 통합하여, 공기 동역학 센서가 고장 났을 경우에도 관측 가능성을 유지한다.

실험 결과

연구 질문

• RQ1 제약 조건이 부여된 MHE 설정이 동시에 AOA 및 VCAS 센서 고장을 감지하는 데 있어 고장 감도를 향상시키면서도 풍속 외란에 대한 강건성을 유지할 수 있는가?
• RQ2 제한된 계산 자원을 가진 비행 제어 컴퓨터에서 계산 비용이 높은 비선형 프로그래밍 문제를 실시간으로 어떻게 실행할 수 있는가?
• RQ3 RECONFIGURE 벤치마크에서 실제적인 풍속 및 고장 프로파일을 가진 상황에서 MHE 기반 FDI를 통해 어떤 정도의 고장 검출 지연과 추정 오차를 달성할 수 있는가?
• RQ4 에어버스 SAO 그래픽 기호 라이브러리를 사용하여 MHE 기반 FDI 방법을 성공적으로 구현할 수 있는가?
• RQ5 강한 풍속 시프트 및 다중 고장 유형(편향, 진동, 폭주 등)이 발생할 경우 이 방법은 어떻게 성능을 발휘하는가?

주요 결과

• 모든 고장 시나리오에서 공기 입사각(AOA)에 대해 최대 절대 추정 오차(AEE)는 0.82도, 지름속도(VCAS)에 대해 1.85 kts 이하로 유지되며, VCAS 센서가 모두 고장난 Scenario 2-F를 제외한 모든 경우에 해당한다.
• 대부분의 경우 검출 지연이 0.45초 이하이며, 가장 긴 지연(0.92초)은 Scenario 6-F에서 발생했으며, 이는 거짓 경고 방지를 위한 조건과 검출 속도 사이의 트레이드오��� 때문이었다.
• Scenario 7-F에서는 강한 풍속 시프트(피크 진폭 30.87 kts)가 발생했음에도 불구하고, 방법은 만족스러운 고장 검출 및 추정 성능을 유지했다.
• SAO 기반 구현의 실시간 계산 비용은 샘플당 5.8 ms로 확인되어 비행 제어 컴퓨터에의 구현 가능성을 확인했다.
• Scenario 2-F에서 VCAS 추정 오차는 매우 높았으며(최대 74.36 kts), 이는 세 개의 VCAS 센서가 모두 고장 났고 수평 풍속이 관측 불가능해졌기 때문이다.
• 이 방법은 고장 난 센서를 성공적으로 분리하고 모든 시나리오에서 낮은 추정 오차를 유지했으며, VCAS 센서가 다중 고장 났을 경우를 제외한 모든 경우에 해당한다. 이는 풍속 관측 가능성을 확보하기 위해 센서의 부가적 복제가 중요함을 시사한다.