Fault Diagnosis of Hybrid Dynamic and Complex Systems

تشخیص خطای آنلاین برای اطمینان از عملکرد ایمن سیستم‌های دینامیکی پیچیده، علی‌رغم ایرادهایی که بر رفتارهای سیستم تأثیر می‌گذارد، بسیار مهم است. عواقب وقوع خطاها می تواند شدید باشد و منجر به تلفات انسانی، انتشارات مضر برای محیط زیست، هزینه های تعمیر بالا و ضررهای اقتصادی ناشی از توقف های غیرمنتظره در خطوط تولید شود. اکثر سیستم های واقعی سیستم های دینامیکی ترکیبی (HDS) هستند. در HDS، رفتارهای دینامیکی به طور پیوسته با زمان مطابق با حالت گسسته (پیکربندی) که سیستم در آن قرار دارد، تکامل می‌یابد. در نتیجه، رویکردهای تشخیص خطا باید دینامیک گسسته و پیوسته و همچنین تعاملات بین آنها را برای انجام تشخیص صحیح خطا در نظر بگیرند. این کتاب رویکردها و تکنیک‌های جدید و پیشرفته‌ای را ارائه می‌کند که به مشکل پیچیده تشخیص عیب سیستم‌های هیبریدی دینامیکی و پیچیده با استفاده از رویکردهای مختلف مبتنی بر مدل و داده‌محور در حوزه‌های کاربردی مختلف (موتورهای سلف، فرآیند شیمیایی تشکیل‌شده توسط مخازن، راکتورها و شیرها می‌پردازد. ، موتور احتراق، شبکه های فاضلاب، روبات های سیار، نمونه اولیه مریخ نورد سیاره ای و غیره). این رویکردها جنبه‌های مختلف انجام تشخیص خطای تک / چندگانه آنلاین / آفلاین / گسسته ناگهانی / پارگی و ساییدگی را به صورت افزایشی / غیر افزایشی، با استفاده از ابزارهای مدل‌سازی مختلف (اتوماتای ​​هیبریدی، شبکه‌های پتری ترکیبی، نمودارهای پیوند هیبریدی، کالمن توسعه‌یافته پوشش می‌دهند. فیلتر و غیره) برای کلاس های مختلف سیستم های هیبریدی پویا و پیچیده.

Online fault diagnosis is crucial to ensure safe operation of complex dynamic systems in spite of faults affecting the system behaviors. Consequences of the occurrence of faults can be severe and result in human casualties, environmentally harmful emissions, high repair costs, and economical losses caused by unexpected stops in production lines. The majority of real systems are hybrid dynamic systems (HDS). In HDS, the dynamical behaviors evolve continuously with time according to the discrete mode (configuration) in which the system is. Consequently, fault diagnosis approaches must take into account both discrete and continuous dynamics as well as the interactions between them in order to perform correct fault diagnosis. This book presents recent and advanced approaches and techniques that address the complex problem of fault diagnosis of hybrid dynamic and complex systems using different model-based and data-driven approaches in different application domains (inductor motors, chemical process formed by tanks, reactors and valves, ignition engine, sewer networks, mobile robots, planetary rover prototype etc.). These approaches cover the different aspects of performing single/multiple online/offline parametric/discrete abrupt/tear and wear fault diagnosis in incremental/non-incremental manner, using different modeling tools (hybrid automata, hybrid Petri nets, hybrid bond graphs, extended Kalman filter etc.) for different classes of hybrid dynamic and complex systems.