Sensor Fault Detection and Isolation in Autonomous Nonlinear Systems Using Neural Network-Based Observers

要約

タイトル：ニューラルネットワークベースのオブザーバーを用いた自立型非線形システムにおけるセンサ故障の検出と分離

要約：
– 産業システムにおける完全故障とセンサー劣化の2種類のセンサ故障を検出・分離する新しいオブザーバーに基づくアプローチを提案。
– 提案手法は、オブザーバー設計に一般的な自立型非線形システムを想定し、三角形および/または正常形についての仮定を行わないことが特徴。
– ルンベルガーオブザーバーの学習ベースの設計が提供され、非線形システムを安定な線形システムに変換する射影写像を近似するニューラルネットワークが使用されることが提案された。
– 学習ベースのルンベルガーオブザーバーは、システムの状態を正確に推定するため、システムの測定出力とオブザーバーの予測出力ベクトルの差のノルムを計算して残留を生成することができ、センサ故障の検出に役立つ。
– 各センサの測定値と対応する予測値を比較することにより、故障分離が達成される。
– 提案手法の効果は、クラマート振動子のネットワーク内のセンサ故障の数値シミュレーションを用いて確認された。提案手法は、測定ノイズとシステムの不確実性に対して堅牢性を維持しながら、センサ故障をキャプチャし、分離することができることが示された。

要約(オリジナル)

This paper presents a new observer-based approach to detect and isolate faulty sensors in industrial systems. Two types of sensor faults are considered: complete failure and sensor deterioration. The proposed method is applicable to general autonomous nonlinear systems without making any assumptions about its triangular and/or normal form, which is usually considered in the observer design literature. The key aspect of our approach is a learning-based design of the Luenberger observer, which involves using a neural network to approximate the injective map that transforms the nonlinear system into a stable linear system with output injection. This learning-based Luenberger observer accurately estimates the system’s state, allowing for the detection of sensor faults through residual generation. The residual is computed as the norm of the difference between the system’s measured output and the observer’s predicted output vectors. Fault isolation is achieved by comparing each sensor’s measurement with its corresponding predicted value. We demonstrate the effectiveness of our approach in capturing and isolating sensor faults while remaining robust in the presence of measurement noise and system uncertainty. We validate our method through numerical simulations of sensor faults in a network of Kuramoto oscillators.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI