[논문 리뷰] Particle Filter-Based Fault Diagnosis of Nonlinear Systems Using a Dual Particle Filter Scheme

Najmeh Daroogheh, Nader Meskin외 1명|arXiv (Cornell University)|2016. 06. 28.

Fault Detection and Control Systems참고 문헌 44인용 수 3

한 줄 요약

이 논문은 비선형 확률적 시스템에서 동시 상태 및 시간에 따라 변하는 파라미터 추정을 위한 이중 입자 필터 기반 방법을 제안하며, 가스 터빈 엔진의 고장 진단 성능을 향상시킨다. 상태 추정과 파라미터 추정을 병렬 필터로 분리함으로써, 기존 RML 및 베이지안 방법보다 더 높은 정확도(86.29%), 더 낮은 거짓 경고 비율(5.71%), 그리고 향상된 정밀도를 달성하면서도 계산 부담을 줄였다.

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.

연구 동기 및 목표

• 비선형 시스템에서 단일 필터 기반 상태-파라미터 추정의 한계, 특히 고차원성과 계산 부담 문제를 해결하기 위해.
• 시간에 따라 변하는 파라미터를 갖는 비선형 확률적 시스템에서 고장 탐지, 고장 분리, 고장 식별(FDII) 성능을 향상시키기 위해.
• 가스 터빈과 같은 중요한 시스템의 실시간 건강 모니터링에서 거짓 경고 비율을 낮추고 추정 정확도를 향상시키기 위해.
• 형식적 조건 하에서 수렴성과 안정성을 보장하는 이중 추정 프레임워크를 개발하기 위해.
• 실제 가스 터빈 엔진 모델을 사용하여 기존 입자 필터 기반 FDII 기법들과의 비교를 통해 제안 방법의 우수성을 검증하기 위해.

제안 방법

• 이 방법은 이중 입자 필터 아키텍처를 사용하며, 한 필터는 시스템 상태를 추정하고, 다른 필터는 시간에 따라 변하는 파라미터를 병렬로 추정하여 상태 증강을 피한다.
• 모델 차원 증가 없이도 동시 추정이 가능하도록 베이지안 파라미터 추정 프레임워크를 확장한다.
• 입자 필터링을 활용하여 후행 분포를 근사하고, 재표본화와 중요도 샘플링을 적용하여 상태 및 파라미터 추정을 수행한다.
• 시스템과 노이즈에 대한 일정한 정규성 조건 하에서 이중 추정 전략이 수렴성과 안정성을 보임을 수학적으로 증명한다.
• 부정적 로그우도 기반의 고장 탐지 메커니즘을 적용하며, 고장 분리는 파라미터 추정을 통해 달성한다.
• 압축기 및 터빈의 효율성과 질량 유량 감소와 같은 다중 동시 고장 시나리오를 고려한 가스 터빈 엔진 모델을 활용해 프레임워크를 평가한다.

실험 결과

연구 질문

• RQ1 이중 입자 필터 프레임워크는 비선형 고장 진단에서 단일 필터 기반 상태-파라미터 추정보다 우월한가?
• RQ2 상태와 파라미터 추정을 분리함으로써 비선형 시스템의 고장 탐지에서 정확도를 향상시키고 거짓 경고 비율을 낮출 수 있는가?
• RQ3 시간에 따라 변하는 파라미터와 확률적 노이즈가 존재하는 상황에서도 제안된 방법이 안정성과 수렴성을 얼마나 잘 유지하는가?
• RQ4 RML 및 베이지안 입자 필터링과 비교했을 때 이중 필터 접근법은 고장 식별 정확도와 계산 효율성 측면에서 어떻게 다른가?
• RQ5 실제 비선형 시스템인 가스 터빈 엔진에서 다중 동시 부품 고장을 효과적으로 처리할 수 있는가?

주요 결과

• 제안된 이중 입자 필터 방법은 고장 진단에서 86.29%의 정확도를 달성하였으며, RML 방법(78.86%)과 베이지안 KS 기반 방법(25.95%)보다 뚜렷이 뛰어나다.
• 거짓 경고 비율은 5.71%로, RML 방법(11.43%)보다 5.71%포인트 낮아 거짓 경고가 적다는 것을 의미한다.
• 압축기 효율, 압축기 질량 유량, 터빈 효율, 터빈 질량 유량의 네 가지 건강 파라미터에 대해 정밀도가 RML 및 베이지안 방법보다 높았다.
• RML의 150개 입자와 베이지안 KS 기반 방법의 45개 입자보다 훨씬 적은 50개 입자로도 뛰어난 성능을 달성하였으며, 이는 더 높은 효율성을 의미한다.
• 혼동 행렬 분석 결과, 이중 추정 방법은 고장 없음 상황 33건 중 31건을 정확히 식별했고, 각 고장 유형별로 33건 중 28~31건을 정확히 식별하여 높은 참 양성률을 보였다.
• 결과적으로 이중 필터 구조가 고장 식별 정확도를 향상시키고 계산 부담을 줄이며 안정성과 수렴성을 유지함을 검증하였다.