Model-based Fault Diagnosis in Dynamic Systems Using Identification Techniques

ایمنی در فرآیندهای صنعتی و کارخانه‌های تولیدی یک نگرانی است که اهمیت فزاینده‌ای دارد، به‌ویژه اگر مردم در اثر خرابی سیستم فاجعه‌بار در معرض خطر قرار گیرند. از سوی دیگر، از آنجایی که دستگاه‌های کنترلی که اکنون برای بهبود عملکرد کلی فرآیندهای صنعتی مورد استفاده قرار می‌گیرند، هم شامل تکنیک‌های طراحی سیستم دیجیتال پیچیده و هم سخت‌افزار پیچیده (حسگرهای ورودی-خروجی، محرک‌ها، اجزا و واحدهای پردازشی) می‌شوند، احتمال افزایش می‌یابد. از شکست در نتیجه مستقیم این امر، سیستم‌های کنترل باید شامل نظارت خودکار عملیات حلقه بسته برای شناسایی و جداسازی خرابی‌ها در اسرع وقت باشند.

یکی از امیدوارکننده‌ترین روش‌ها برای حل این مشکل، «تحلیلی» است. روش افزونگی\"، که در آن سیگنال های باقیمانده به دست می آیند. ایده اصلی شامل استفاده از یک مدل دقیق از سیستم برای تقلید از رفتار فرآیند واقعی است. اگر خطا رخ دهد، سیگنال باقیمانده، یعنی تفاوت بین رفتارهای سیستم واقعی و مدل، می تواند برای تشخیص و جداسازی نقص استفاده شود.

این کتاب بر روی شناسایی مدل متمرکز بر رویکرد تحلیلی خطا تمرکز دارد. تشخیص و شناسایی این مشکل در تمام جنبه های آن بررسی می شود:

• انتخاب ساختار مدل؛

• شناسایی پارامتر؛

• تولید باقی مانده؛

از نمونه مطالعات موردی برای نشان دادن کاربرد این تکنیک‌ها استفاده می‌شود.

تشخیص خطا مبتنی بر مدل در سیستم‌های دینامیک با استفاده از تکنیک‌های شناسایی< /EM> برای محققان در کنترل و شناسایی خطا مورد توجه قرار خواهد گرفت. مهندسان کنترل صنعتی علاقه مند به استفاده از آخرین روش ها در تشخیص عیب از نمونه های عملی و مطالعات موردی بهره مند خواهند شد.

پیشرفت در کنترل صنعتی با هدف گزارش دادن است. و انتقال فناوری در مهندسی کنترل را تشویق کنند. توسعه سریع فناوری کنترل بر تمام حوزه های رشته کنترل تأثیر می گذارد. این مجموعه فرصتی را برای محققان فراهم می‌کند تا نمایشگاه گسترده‌ای از کار جدید در تمام جنبه‌های کنترل صنعتی ارائه دهند.

Safety in industrial process and production plants is a concern of rising importance, especially if people would be endangered by a catastrophic system failure. On the other hand, because the control devices which are now exploited to improve the overall performance of industrial processes include both sophisticated digital system design techniques and complex hardware (input-output sensors, actuators, components and processing units), there is an increased probability of failure. As a direct consequence of this, control systems must include automatic supervision of closed-loop operation to detect and isolate malfunctions as early as possible.

One of the most promising methods for solving this problem is the "analytical redundancy" approach, in which residual signals are obtained. The basic idea consists of using an accurate model of the system to mimic the real process behaviour. If a fault occurs, the residual signal, i.e., the difference between real system and model behaviours, can be used to diagnose and isolate the malfunction.

This book focuses on model identification oriented to the analytical approach of fault diagnosis and identification. The problem is treated in all its aspects covering:

• choice of model structure;

• parameter identification;

• residual generation;

• fault diagnosis and isolation.

Sample case studies are used to demonstrate the application of these techniques.

Model-based Fault Diagnosis in Dynamic Systems Using Identification Techniques will be of interest to researchers in control and fault identification. Industrial control engineers interested in applying the latest methods in fault diagnosis will benefit from the practical examples and case studies.

Advances in Industrial Control aims to report and encourage the transfer of technology in control engineering. The rapid development of control technology has an impact on all areas of the control discipline. The series offers an opportunity for researchers to present an extended exposition of new work in all aspects of industrial control.