Set-Membership Estimation for Fault Diagnosis of Nonlinear Systems

要約

この論文では、故障パラメータに対して線形な非線形システムのクラス向けに設計された Set-Membership Estimation (SME) を使用した故障診断 (検出、分離、および推定) 方法を紹介します。
この方法では、故障パラメータの推定値と、真の故障パラメータが属する実行可能なパラメータ セットを継続的に評価することで、故障診断を進めます。
以前の SME アプローチとは異なり、この研究では、包含関数と区間演算を利用することにより、入力と出力の両方の不確実性を受ける非線形システムに対処します。
さらに、近似精度と計算効率のバランスを効果的に調整することにより、実現可能なパラメータセットのポリトピック記述を外部近似するアプローチを提案し、その結果、故障検出可能性が向上します。
最後に、入出力データがまばらまたは非情報である場合の推定プロセスを強化するために、パラメーター推定の適応的正則化を導入し、障害の特定可能性を高めます。
我々は、経路追従シナリオと現実的な衝突回避シナリオの両方で自律型水上車両を含むシミュレーションでこの手法の有効性を実証し、重要なアプリケーションにおける安全性と信頼性を向上させる可能性を強調しています。

要約(オリジナル)

This paper introduces a Fault Diagnosis (Detection, Isolation, and Estimation) method using Set-Membership Estimation (SME) designed for a class of nonlinear systems that are linear to the fault parameters. The methodology advances fault diagnosis by continuously evaluating an estimate of the fault parameter and a feasible parameter set where the true fault parameter belongs. Unlike previous SME approaches, in this work, we address nonlinear systems subjected to both input and output uncertainties by utilizing inclusion functions and interval arithmetic. Additionally, we present an approach to outer-approximate the polytopic description of the feasible parameter set by effectively balancing approximation accuracy with computational efficiency resulting in improved fault detectability. Lastly, we introduce adaptive regularization of the parameter estimates to enhance the estimation process when the input-output data are sparse or non-informative, enhancing fault identifiability. We demonstrate the effectiveness of this method in simulations involving an Autonomous Surface Vehicle in both a path-following and a realistic collision avoidance scenario, underscoring its potential to enhance safety and reliability in critical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google