آشکارسازی عیب سیستم­های غیرخطی چندمتغیره با عدم قطعیت، با بهره گیری از رویتگرغیرخطی مقاوم و تخمینگر عیب عصبی
 
 
 
اساتید راهنما
مهدی علیاری شوره­دلی
محمدعلی نکویی
 
زمستان 1393
تکه هایی از متن به عنوان نمونه :

چکیده

در این نوشتار تشخیص، بازسازی و پیش‌بینی عیب سیستم‌های غیرخطی همراه با عدم قطعیت مورد مطالعه قرار می‌گیرد. معیار عیب‌یابی سیگنال باقیمانده‌ای می باشد که از اختلاف خروجی سیستم و یک رویتگر مود لغزشی محاسبه می گردد. ایده‌ی مود لغزشی در راستای جبران اثر عدم قطعیت‌ها بر سیگنال باقیمانده می‌باشد. توانایی رویتگرلغزشی در رساندن سیگنال باقیمانده به سطح لغزشی صفر با حساسیت روش عیب‌یابی در تضاد می باشد. این مشکل را با تطبیق بهره‌ی رویتگر لغزشی حل می‌کنیم. این الگوریتم تطبیق، بهره‌ها را تا حد نیاز مسئله برای جبران نامعینی‌های مدل کاهش می‌دهد. خطای تخمین با بهره‌ی لغزشی کمینه به سطح صفر می‌رسد. با خروج خطای رویتگر از سطح لغزشی صفر رخداد عیب کشف و تطبیق بهره خاموش می گردد. پس، اثر عیب در سیگنال باقیمانده بدون تضعیف توسط رویتگر لغزشی انتشار می‌یابد. به علاوه شبکه‌ی عصبی تخمینگر برای بازسازی دینامیک عیب در متن رویتگر فعال می گردد. قوانین به‌روزرسانی وزن‌ها به بهبود پایداری روش و همگرایی خطای تخمین کمک می کند. با تعریف آستانه‌ی نابودی مناسب برای وزن‌های شبکه، الگوریتم پیش‌بینی عیب از قانون به‌روزرسانی وزن‌ها استخراج می گردد. مطالعه پایداری لیاپانوف روش آشکارساز عیب در هر دو حوزه‌ی پیوسته و گسسته زمان مطالعه‌ می گردد. اثبات پایداری لیاپانوف در روش‌های عیب‌یابی گذشته به‌ندرت دیده می گردد.
 
کلید واژه: عیب‌یابی، سیستم‌های غیرخطی، عدم قطعیت مدل، شبکه‌ی عصبی، اثبات پایداری.
 

فهرست مطالب

عنوان                                            صفحه
فصل 1-  مقدمه 1
1-1-     پیشگفتار 1
1-2- تاریخچه‌ی روش‌های تشخیص و پیش‌بینی عیب 9
1-2-1-   تاریخچه‌ی مطالعات روش‌های برپایه‌ی مدل 10
1-2-1-1-  تاریخچه‌ی مطالعات روش‌های عیب‌یابی با مدل کمی 10
1-2-1-2-  تاریخچه‌ی مطالعات روش‌های عیب‌یابی با مدل کیفی 12
1-2-2-   تاریخچه‌ی روش‌های برپایه‌ی حافظه‌ی فرآیند 17
1-2-2-1-  تاریخچه‌ی روش‌های کیفی برپایه‌ی حافظه‌ی فرآیند 17
1-2-2-2-  تاریخچه‌ی روش‌های کمی برپایه‌ی حافظه‌ی فرآیند 19
1-3- روش‌های جدید عیب‌یابی 23
1-3-1-   روش‌های جدید بر پایه‌ی داده‌ 23
1-3-1-1-  روش‌های جدید واکاوی حوزه‌ی زمان-فرکانس 23
1-3-1-2-  روش‌های جدید طبقه‌بندی‌کننده 25
1-3-1-3-  روش‌های جدید آماری 27
1-3-2-   روش‌های جدید بر پایه‌ی مدل 29
1-3-2-1-     روش‌های جدید برپایه‌ی مدل، سیستم‌های خطی 29
1-3-2-2-  روش‌های جدید برپایه‌ی مدل، سیستم‌های غیرخطی 31
1-4- هدف و مراحل گردآوری 34
فصل 2-  روش‌های برپایه‌ی مدل در سیستم‌های غیر خطی 37
2-1- مقدمه 37
2-2- دسته‌بندی روش‌های برپایه‌ی مدل عیب‌یابی سیستم‌های غیرخطی 38
2-2-1-   روش‌های هندسی 38
2-2-2-   رویتگر تطبیقی 41
2-2-3-   رویتگر مقاوم 44
2-2-3-1-  رویتگرهای مقاوم برپایه‌ی سیستم‌های فازی 44
2-2-3-2-  رویتگرهای مقاوم برپایه‌ی شبکه‌های عصبی 48
2-2-3-3-  اضافه کردن ترم مقاوم به رویتگر تطبیقی 57
2-2-4-   رویتگر مود لغزشی 64
2-3- جبران عیب در سیستم‌های غیرخطی 71
2-4- اختصار‌ و نتیجه‌گیری از فصل 72
فصل 3-  جمع‌بندی 73
3-1- نتیجه گیری 73
3-2- پیشنهادات 74
فهرست مراجع 76
 

فصل 1-    مقدمه

1-1-             پیشگفتار

در صنایع ساخت و تولید، کوشش فراوانی در راستای تولید محصول با کیفیت بالا صرف می گردد. تولید محصول با کیفیت مطلوب، متعاقبا بایستی ایمنی بالا و در نظر داشتن مقررات زیست محیطی را به دنبال داشته باشد. عملیاتی که زمانی برای ما قابل قبول بودند، با در نظر داشتن بالا رفتن انتظارات ما از صنایع، بیش از این مناسب به نظر نمی‌رسند. پس، برای دستیابی به استاندارد های مطلوب تر، در فرآیندهای صنعتی مدرن، چندین متغیر سیستم تحت کنترل حلقه بسته اقدام می‌کنند. کنترل‌‌کننده‌های استاندارد( همانند PID ها، کنترل کننده‌های پیش‌بین و….) به گونه‌ای طراحی می شوند که باکمرنگ کردن تاثیرات اغتشاش وارده به سیستم، عملکرد سیستم را در شرایط رضایت بخشی نگهدارند. گرچه این کنترل‌کننده ها می توانند، از عهده‌ی انواع مختلفی از اغتشاش برآیند، اما تغییراتی وجود دارند که کنترل‌کننده نمی‌تواند آن‌ها را ساماندهی کند. این تغییرات عیب[1] نامیده می گردد[[i]]. به اظهار دیگر می‌توان هرگونه انحراف غیرمجاز در حداقل یک رفتار و یا پارامتر مشخصه‌ی سیستم را عیب تعریف نمود[1].
افزایش مداوم پیچیدگی و قابلیت اطمینان و بازدهی در سیستم‌های مدرن، مقتضی توسعه‌ی پیوسته‌ی حوزه ی کنترل و تشخیص خطا می‌باشد. این نیازمندی به وضوح در صنایعی که از لحاظ ایمنی بحرانی هستند، خود را نشان می‌دهد. این موردها شامل نیروگاه اتمی، صنایع شیمیایی و هواپیما گرفته تا صنایع جدید همچون وسایل نقلیه خودگردان و قطارهای سریع السیر می‌باشد. تشخیص و شناسایی به موقع خطا می‌تواند از توقف ناگهانی سیستم و خسارات جانی و مالی بشر‌ها جلوگیری کند. در شکل ‏1—1. سیستم کنترل مدرن چگونگی‌ی روبرو شدن با عیب در سیستم‌های مدرن به تصویر کشیده شده‌می باشد. همان‌گونه که نظاره می گردد، سیستم کنترل شده، بخش اصلی این تصویر می‌باشد که شامل محرک، سنسور و دینامیک فرآیند می باشد. هرکدام از این بخش‌ها می‌تواند تحت تاثیر عوامل بیرونی مانند نویز فرآیند، نویز اندازه‌گیری و یا اغتشاش خارجی قرار گیرد. به علاوه در مورد هایی که بحث تشخیص خطا با قابلیت اطمینان بالا مطرح می گردد، بایستی عدم قطعیت های سیستم را در نظر گرفت. در چنین شرایطی سیستم همچنان ممکن می باشد تحت تاثیر عیب ( با تعریفی که قبلا از آن ارائه گردید) باشد [[ii]]. در این صورت انتظار ما از سیستم تشخیص عیب این می باشد که بتواند رخداد عیب را از بین سایر عوامل بیرونی تمیز دهد.
 
‏1—1. سیستم کنترل مدرن [2]
همان‌گونه که قبلا اظهار گردید، در حالت کلی می‌توان عیب را هر گونه انحراف غیر مجاز در رفتار و یا پارامترهای مشخصه‌ی سیستم تعریف نمود؛ به عنوان مثال عملکرد نامناسب حسگر[2] در سیستم را می‌توان به عنوان عیب در نظر گرفت. به اظهار دیگر هر تغییر غیر منتظره‌ای که موجب تنزل عملکرد سیستم گردد، در حوزه‌ی عیوب سیستم قرار می‌گیرد. پیش روی عیب اصطلاح نابودی[3] نیز مطرح می گردد که به توقف و فروپاشی کامل سیستم تصریح دارد. شایان ذکر می باشد که عیب بیشتر به عملکرد نامناسب گفته می گردد و بهره گیری ازاصطلاح نابودی بیشتر مقتضی رخداد فاجعه می باشد؛ زیرا که در واقع نابودی، ناتوانی همیشگی دستگاه را در انجام وظایفش تحت شرایط عملکرد تعریفی به همراه دارد[2].
دسته‌بندی‌های مختلفی می‌توان از عیب ارائه داد. دسته بندی‌ می‌تواند براساس مکان رخ دادن عیب در سیستم و یا بر اساس تغییرات زمانی پیشرفت عیب در سیستم باشد. بر اساس محل عیب میتوان سه دسته عیب به صورت زیر تعریف نمود[2]:
الف. عیب محرک[4]، که شامل عملکرد نادرست در تجهیزاتی می باشد که سیستم را تحریک می کند. به عنوان مثال عیب محرک الکترومکانیکی در یک موتور دیزلی.
ب. عیب فرآیند[5]، هنگامی رخ می‌دهد که تغییرات در سیستم، عدم اعتبار روابط دینامیکی حاکم بر سیستم را به همراه داشته باشد. به عنوان مثال نشت تانک در یک سیستم کنترل دو-تانکه.
ج. عیب حسگر[6]، که خود را به صورت تغییرات جدی در اندازه‌گیری‌های سیستم نشان می‌دهد.
همچنین بر اساس طریقه تغییرات زمانی عیب می‌توان دسته‌بندی زیر را ارائه نمود[[iii]]:
الف. عیب ناگهانی[7]، که آن را به صورت توابع پله‌ای شکل مدل می کنند. این عیب معمولا خود را به صورت بایاس در سیگنال موردارزیابی نشان می‌دهد.
ب. عیب هموار[8]، که آن را به صورت توابع مرتبه اول مدل می‌کنند. این عیب معمولا خود را به صورت واگرا و منحرف شدن سیگنال موردارزیابی از مقادیر عادی نشان می‌دهد.
ج. عیب متناوب[9]، ترکیبی از ضربه‌ها با دامنه‌های متفاوت می باشد.
در شکل ‏1—1. سیستم کنترل مدرن [2]بلوکی تحت عنوان تشخیص خطا[10] به موازات سیستم اصلی قرار دارد. تأثیر اصلی این بلوک، مانیتور کردن رفتار سیستم و جمع‌آوری هرگونه اطلاعات مربوط به عملکرد غیر عادی در هریک از اجزای سیستم می باشد. پس وظیفه‌ی تشخیص خطا را می‌توان به سه قسمت عمده تقسیم نمود[2]:
الف. کشف عیب[11]، این بخش به تصمیم‌گیری درمورد‌ی وضعیت سیستم برمی‌گردد. تشخیص اینکه برای سیستم اتفاق غیر عادی رخ داده می باشد و یا سیستم در شرایط عادی در حال کار می باشد.
ب. تمیز دادن عیب[12]، این بخش به تعیین موقعیت و محل رخ­دادن خطا می‌پردازد. مثلا اینکه کدام سنسور و یا محرک درگیر عیب هستند.
ج. شناسایی عیب[13]، تعیین اندازه، نوع و طبیعت عیب در این بخش جا دارد.
روش­­های تشخیص خطای مختلفی تا کنون طراحی شده­اند. همچنین این روش­ها بر اساس معیارهای مختلفی به گروه­های متفاوت قابل طبقه بندی هستند. در این قسمت دسته­بندی زیر از [[iv]] ارائه شده می باشد. روش­های عیب­یابی را می­توان در سه دسته­ی مختلف جای داد:
الف. سخت افزاری قابلیت اطمینان[14]، این روش از روش­های قدیمی عیب­یابی می­باشد. پایه­ی این روش بر اساس بهره گیری از چندین حسگر، محرک و پردازشگر سخت­افزاری و یا نرم­افزاری می باشد که وظیفه­ی کنترل و اندازه­گیری پارامتر بخصوصی از سیستم را به عهده دارند. در ادامه یک سامانه‌ی رای‌گیری به کار گرفته می گردد که در مورد رخداد و عدم رخداد عیب و محل نسبی رخداد خطا تصمیم می‌گیرد. بهره گیری از این روش در سیستم‌های بسیار حساس همچون کنترل پرواز بسیار مرسوم می‌باشد. گرچه این متود بسیار قابل اطمینان می باشد؛ اما تجهیزات اضافه و نگهداری و تعمیر آن‌ها هزینه‌بر می باشد. به‌علاوه نیاز به فضای لازم برای تجهیزات سخت افزاری این روش از معضلات جدی آن به حساب می‌آید.
ب. روش‌های برپایه‌ی سیگنال[15]، این روش در اقدام یکی از روش‌های متداول برای عیب‌یابی می‌باشد. ایده‌ی اصلی این روش مانیتور کردن سطح یک سیگنال خاص از سیستم می‌باشد؛ در صورتی که این سیگنال به یک حد آستانه‌ی مشخص برسد، آلارم رخداد عیب فعال می گردد. این متود برای بهره گیری‌ی عملی بسیار راحت می باشد؛ اما معضلات و معایب جدی خاص خود را دارد. اولین مشکل این که این روش مقاوم[16] نیست. مقاوم نبودن به این معناست که در حضور نویز، تغییرات ورودی و یا تغییر نقطه‌ی کار ممکن می باشد که آلارم رخداد عیب به اشتباه فعال گردد. دومین مشکل این که یک عیب به تنهایی می‌تواند موجب تجاوز تعداد زیادی از سیگنال‌های سیستم از حد آستانه‌شان گردد؛ بدین ترتیب، تشخیص موقعیت و محل خطا بسیار سخت می گردد. در راستای حل این معضلات، ترکیب این روش‌ها با روش‌های آماری و تصادفی مطرح می گردد؛ این روش برای توسعه دادن مقاومت و دقت روش‌های عیب یابی می باشد.
ج. روش‌های برپایه‌ی مدل[17]، کلیت این روش را می توان به این شکل بیان نمود که آغاز یک مدل ریاضیاتی از سیستم، با اطلاعات اولیه‌ای که از سیستم داریم تعریف می‌کنیم؛ سپس بعضی از پارامترهای قابل دسترس از سیستم اصلی اندازه‌گیری می گردد. با بهره گیری از مدلی که در ابتدای کار طراحی گردید، مقادیر پارامترهای اندازه‌گیری شده را تخمین می‌زنیم و پارامترهای واقعی سیستم با پارامترهای تخمینی از مدل سیستم مقایسه می شوند. سیگنالی به نام سیگنال باقیمانده از تفاوت بین مقادیر واقعی اندازه‌گیری شده‌ی پارامتر ها و مقدار تخمینی آنها ساخته می گردد. در ادامه حد آستانه‌ای بررای سیگنال باقیمانده تعریف می گردد. سیگنال‌های باقیمانده‌ی مختلفی برای تشخیص رویداد عیب در قسمت های مختلف سیستم قابل نعریف هستند. تحلیل هر یک از این سیگنال‌های باقیمانده می‌تواند در بخش تشخیص محل خطا مفید باشد.
گاه با در نظر نگرفتن متودهای عیب یابی سخت افزاری، که در دسته بندی قبل دسته‌ی الف را شامل می‌شدند، باقی روش های عیب یابی را در سه دسته جای می‌دهند. همانند آن چه در [1] آمده می باشد. سه دسته‌ی یاد شده به این شکل می‌باشند:
الف. روش‌های بر پایه‌ی داده[18]، این دسته از روش‌های عیب‌یابی را می‌توان معادل دسته‌ی بر پایه‌ی سیگنال در دسته‌بندی قبلی دانست. مقادیر اندازه گیری لازم به صورت مستقیم از داده های فرآیند ضبط می شوند. سیستم‌های کنترل صنعتی مدرن، از یک سیستم کاملا صنعتی گرفته تا یک ماشین تولید کاغذ ساده، سیستم‌های بزرگ مقیاس[19] همراه با ابزارآلات پیچیده‌ی فر آیندهای مدرن هستند. سیستم های بزرگ مقیاس حجم عظیمی از داده‌ها را تولید می‌کنند. گرچه این داده‌های تولیدی معادل اطلاعات زیاد از سیستم هستند؛ اما از سوی دیگر این مسئله مهم می باشد که اپراتور و یا مهندس بتواند با نظاره کردن داده‌های ضبط شده از سیستم به راحتی عملکرد سیستم را مورد ارزیابی قرار دهد. نقطه‌‌ی قوت متودهای عیب یابی برپایه‌ی داده این می باشد که میتواند داده‌ها با ابعاد بالا را به فضای با ابعاد کوچکتر انتقال دهد، که در فضای جدید تنها داده‌های مهم موجود هستند.با محاسبه‌ی اطلاعات آماری معنادار از داده‌های مهم فضای کاهش یافته، روش‌های عیب‌یابی برای سیستم‌های بزرگ مقیاس به طرز قابل توجهی توسعه یافته‌اند. بزرگترین عیب این دسته، وابستگی شدید به کمیت و کیفیت داده‌های فرآیند می‌باشد.
ب. روش‌های تحلیلی[20]، این دسته را می توان به عنوان زیر دسته‌ای از گروه ج دسته‌بندی [4] در نظر گرفت. روش‌های تحلیلی بر خلاف روش‌های بر پایه‌ی داده، از مدل‌های ریاضیاتی بهره گیری می‌کنند؛ این مدل‌های ریاضیاتی از اصول اولیه به دست می‌آیند. روش‌های تحلیلی در مورد هایی که اطلاعات کافی از سیستم داریم، کاربرد دارند؛ به عنوان مثال در جایی که مدل رضایت‌بخش و اطلاعات سنسورهای کافی از سیستم را در اختیار داریم. این دسته شامل روش‌های تطبیقی تخیمن پارامتر[21]، روش‌های رویتگر[22] و روش‌های روابط معادل[23] می‌باشد. بیشترین کاربرد روش‌های تحلیلی در سیستم‌های با تعداد ورودی و خروجی و متغیرهای حالت کم می‌باشد. به کار بردن این روش برای سیستم‌های بزرگ مقیاس کار سختی می‌باشد، زیرا که نیازمند مدلی با جزئیات کافی از سیستم می‌باشد و تعریف همچین مدلی از سیستم بزرگ مقیاس نیازمند دستیابی به تمام وابستگی‌های متقابل بین قسمت‌های مختلف یک سیستم چند متغیره می‌باشد. مهم‌ترین مزیت این روش همانگونه که از نام آن برمی‌آید قابلیت تفسیرپذیری فیزیکی پارامترهای فرآیند می باشد. به بیانی دیگر هنگامی که مدل ریاضیاتی جزئی از سیستم در دسترس باشد، بهره گیری از روش‌های تحلیلی عیب‌یابی نسبت به روش‌های برپایه‌ی داده ارجحیت دارد.
ج. روش‌های برپایه‌ی اطلاعات، این دسته را می توان به عنوان زیر دسته‌ی دیگری ازگروه ج دسته‌بندی [4] در نظر گرفت. این روش‌ها از مدل‌های کیفی برای توسعه‌ی عملکرد عیب‌یابی بهره گیری می‌کنند.این روش‌ها به خصوص برای زمانی که مدل ریاضیاتی دقیقی از سیستم در دست نیست، بسیار قابل بهره گیری می باشد.بسیاری از این روش‌ها بر پایه‌ی اطلاعات غیر دقیق، سیستم‌های هوشمند و شناسایی الگو اقدام می‌کنند. همانند روش‌های تحلیلی، از این دسته نیز در مورادی که تعداد ورودی، خروجی و متغیرهای حالت سیستم کم باشد بهره گیری می‌کنند زیرا که تعریف یک مدل کیفی از سیستم‌های بزرگ مقیاس نیازمند کوشش بسیار می باشد. گاه با بهره گیری از روش‌های نرم‌افزاری، امکان بهره گیری از روش‌های برپایه‌ی اطلاعات، حتی برای سیستم‌های پیچیده فراهم می گردد.
تا کنون دو دسته بندی متداول از روش‌های عیب‌یابی اظهار شده می باشد. اما دسته‌بندی کامل‌تری که در بعضی مراجع دیده می گردد به تبیین زیر می باشد. در این دسته‌بندی، روش‌ها را به دو دسته‌ی اصلی برپایه‌ی مدل و بر پایه‌ی حافظه‌ی فرآیند تقسیم می‌کنند. هر کدام از این دسته‌های اصلی به دو زیر دسته تقسیم می شوند، زیر دسته‌ی کمی[24] و کیفی[25].
روش‌های بر پایه‌ی مدل که در دسته‌ی ج دسته‌بندی[4] قبلا تبیین داده گردید. این روش‌ها بر اساس فهم فیزیکی اولیه‌ای می باشد که از سیستم در اختیار داریم. این اطلاعات پیشین هم در غالب مدل‌های کمی و هم در غالب مدل‌های کیفی قابل شکل گیری هستند. مدل‌های کمی نیازمند اطلاعات دقیق و جزئی از فیزیک سیستم هستند، در حالی که مدل‌های کیفی به صورت قواعد کیفی و مفاهیم فیزیکی کیفی قابل پیاده‌سازی هستند. دو زیر دسته‌ی اخیر پیش از این در دسته‌ی ب و ج از دسته‌بندی [1] تبیین داده شدند.
روش‌های بر پایه‌ی حافظه‌ی فرآیند[26]، از مقادیر کافی داده‌های موجود در حافظه‌ی سیستم برای عیب‌یابی بهره می‌برند. داده‌های حافظه به اطلاعات مفیدی تغییر شکل یافته و به سیستم تشخیص خطا گزارش می گردد. به فرآیند تغییر شکل داده‌های حافظه به اطلاعات مفید، استخراج مشخصه گویند. استخراج مشخصه هم می تواند طی یک پروسه‌ی کمی صورت پذیرد و هم می‌تواند طی یک پروسه‌ی کیفی باشد. حالت اول از طریق روش‌های جعبه‌ی سیاه[27]، بدون هیچ گونه اطلاعاتی از سیستم و حالت دوم از طریق روش‌های جعبه‌ی خاکستری[28]، با اطلاعات کیفی و نسبی راجع به سیستم ممکن می باشد [[v]].
دسته‌بندی فوق از بین سایر دسته‌بندی‌ها کامل‌تر به نظر می‌آید. روش‌های برپایه‌ی مدل کمی را می‌توان مجددا به دو زیر دسته‌ی جامع[29] و ساده شده[30] تقسیم نمود. برای مدل کردن حالت گذرای رفتار یک سیستم، بهره گیری از مدل جامع شامل جزئیات بسیار مفید می باشد. زیر دسته‌ی دوم به جهت سادگی در مورد توجه می باشد؛ زیرا که با تبدیل مشتقات جزئی به مشتقات معمولی و یا حتی معادلات جبری، موجب سادگی محاسبات می گردد [[vi]]. مدل‌های فیزیکی ساده شده، معمولا از یک مدل ریاضی صریح و ساده بهره گیری می‌کنند؛این امر تشخیص عیب را با سهولت بیشتری همراه می کند. مشکل روش‌های کمی برپایه‌ی مدل این می باشد که پیچیده هستند و به سختی قابل توسعه می‌باشند[6]، [[vii]]، [[viii]].
بر خلاف روش‌های کمی برپایه‌ی مدل که از روابط ریاضی برای نمایش اطلاعات سیستم بهره گیری می‌کنند، روش‌های کیفی برپایه‌ی مدل از روابط کیفی و اطلاعات پایه‌ای برای نمایش اطلاعات سیستم بهره گیری می‌کنند. این دسته را می‌توان به دو گروه روش‌های برپایه‌ی قواعد و گروه روش‌های بر پایه‌ی اطلاعات فیزیکی کیفی تقسیم نمود. روش‌های برپایه‌ی قواعد از اطلاعات سیستم برای نوشتن پایگاهی از قواعد اگر-آنگاه بهره گیری می کند.این روش‌ها به راحتی قابل توسعه و کاربرد هستند[6]. مدل‌های کیفی دربردارنده‌ی اطلاعات کیفی هستند که از رفتار فیزیکی سیستم استنباط می گردد [[ix]]. روش های کیفی در فرآیندهای غیر حساس بسیار پرکاربرد هستند[6]. وبرای این که بتوان عیب را به درستی تشخیص داد بایستی پایگاه قواعد کاملی داشته باشیم.
روش‌های برپایه‌ی حافظه‌ی فرآیند، به دنیال یک ارتباط‌ی صحیح بین ورودی‌ها و خروجی‌های اندازه‌گیری شده از سیستم هستند. اگر این ارتباط هیچگونه کعنای فیزیکی خاصی نداشته باشد، روش جعبه سیاه خواهد بود[6]. اما در صورتی که ارتباط‌ی استخراج شده بر اساس معانی فیزیکی نسبی سیستم باشد روش جعبه خاکستری خواهد بود. به‌گونه کلی روش‌های برپایه‌ی حافظه هنگامی که داده‌های آموزشی به‌راحتی قابل تولید و جمع‌آوری باشند، بسیار کاربرد خواهند داشت [6].
 
دسته بندی های مختلفی از روش‌های عیب‌یابی اظهار گردید. برای این که کاربر بتواند به این روش‌ها اعتماد کند، این روش ها بایستی دارای خصوصیات لازم باشند. این خصوصیات در [7] به تبیین زیر آمده می باشد:

  • کشف و تشخیص سریع محل عیب
  • قابلیت تمیز دادن بین انواع مختلف عیب
  • قابلیت شناسایی عیوب جدید
  • مقاوم بودن، روش عیب‌یابی بایستی حساسیت کمی نسبت به نویز و عدم قطعیت‌های سیستم داشته باشد.
  • قابلیت تطبیق، مدلی که برای عیب‌یابی بهره گیری می گردد، بایستی قابلیت تطبیق به رفتار دینامیکی سیستم را داشته باشد.
  • قابلیت تشخیص چندین عیب مختلف
  • امکان تفسیر پذیری، تصمیم و عملکرد یک واحد عیب‌یابی بایستی توجیه‌پذیر باشد.
  • روش عیب‌یابی بایستی عدم قطعیت سیستم، اغتشاشات فرآیند و عیب واقعی را از یکدیگر تمیز دهد.
این مطلب رو هم توصیه می کنم بخونین:   پایان نامه ارشد رشته برق الکترونیک: بررسی و طراحی مدارهای منطقی VLSI توان پایین

 
[1]Fault
[2] Sensor
[3] Failure
[4] Actuator fault
[5] Process fault
[6] Sensor fault
[7] Abrupt fault
[8] Incipient fault
[9] Intermittent fault
[10] Fault diagnosis
[11] Fault detection
[12] Fault isolation
[13] Fault identification
[14] Hardware redundancy
[15] Signal based fault detection
[16] Robust
[17] Model based fault detection
[18] Data-driven methods
[19] Large-scale systems
[20] Analytical methods
[21] Adaptive parameter estimation
[22] Observer-based methods
[23] Parity relations
[24] Quantitative methods
[25] Qualitative methods
[26] Process history based
 
[27] Black box
[28] Gray box
[29] Quantitative detailed models
[30] Quantitative simplified models
[[i]] L. H. Chiang, E. L. Russell, and R. D. Braatz, Fault Detection and Diagnosis in Industrial Systems. Springer, 2001.
[[ii]] M. Witczak, Modelling and Estimation Strategies for Fault Diagnosis of Non-Linear Systems. Springer, 2007.
[[iii]] S. Simani, C. Fantuzzi, and R. J. Patton, Model-Based Fault Diagnosis in Dynamic Systems using Identification Techniques. Springer, 2002.
[[iv]] I. Izadi Najaf Abadi, “Fault diagnosis in sampled-data systems”,Ph. D. Dissertation, Dept. ECE, University of Alberta, Edmonton, Fall 2006.
[[v]] M. D. Shah, “Fault detection and diagnosis in nuclear power plant- a brief introduction”, International Conference on current trends in technology, NuiCone, 2011.
[[vi]] S. Katipamula, M. Brambley, “Methods for fault detection, diagnostics, and prognostics for building systems- a review”, International Journal of HVAC&R research, vol.11, no.2, Apr. 2005.
[[vii]] V. Venkatasubramanian, R. Rengaswamy, K. Yin and S. N. Kavuri, “A review of process fault detection and diagnosis Part I: Quantitative model-based methods”, Computers & Chemical Engineering 27, pp. 293-311, Apr. 2002.
[[viii]] V. Venkatasubramanian, R. Rengaswamy, K. Yin and S. N. Kavuri, “A review of process fault detection and diagnosis Part III: Process history based methods”, Computers & Chemical Engineering 27, pp. 327-346, Apr. 2002.
[[ix]] V. Venkatasubramanian, R. Rengaswamy, K. Yin and S. N. Kavuri, “A review of process fault detection and diagnosis Part II: Qualitative models and search strategies”, Computers & Chemical Engineering 27, pp. 313-326, Apr.2002.
***ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود می باشد***

متن کامل را می توانید دانلود نمائید

زیرا فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به گونه نمونه)

اما در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود می باشد

تعداد صفحه :107

قیمت : 14700 تومان

***

—-

پشتیبانی سایت :       (فقط پیامک)        serderehi@gmail.com

دسته‌ها: مهندسی برق