ITECOTOFA
Desarrollo e Integración de Técnicas de Control Tolerante a Fallos de Procesos Complejos, CICYT ref. DPI2002-03500.
Resumen
En el campo de la detección de fallos se han utilizando distintas técnicas: ecuaciones de paridad, observadors e identificación. La dos primeras se podrian considerarse técnicas de detección de la imagen directa, es decir, evaluación de sí la predicción o simulación del modelo concuerda con lo esperado. La tercera, identificación, consistiria en evaluar que conjunto de parámetros pueden conducir el sistema a unas determinadas condiciones de funcionamiento y evaluar si estos parámetros coinciden con los esperados, denominado también imagen inversa. La utilización de ambas técnicas de forma independient y aplicada al caso de modelos inciertos, conlleva ventajas e inconvenientes dependiendo en gran media del tipo de sistema, el tipo de fallo y el tipo de incertidumbre, no pudíendos generalizar los resultados. Como soluciones contempladas en el proyecto, se esta trabajando con ámbas técnicas simultaniamente, con el objetivo de conseguir la complementación de ámbas y obtener mejores resultados de detección.
El control tolerante a fallos es una disciplina emergente en la cual no existe todavía una teoría general y en la literatura sólo se encuentran contribuciones parciales a los distintos problemas que se deben de resolver para añadir tolerancia a un sistema de control. En este proyecto se ha tratado de emmarcar el problema de control tolerante dentro del campo del control predictivo con restricciones lo que ha permitido utilizar las herramientas existentes en este campo para la evaluación de la degradación de las prestaciones frente a los fallos así como para decidir que acciones correctoras tomar. Así mismo, un sistema de control tolerante se puede modelar de forma muy natural como un sistema híbrido que permite representar los fallos como modos distintos de operación. Actualmente, existe toda una línea de investigación que permite integrar de forma muy fácil los sitemas híbridos con los sitemas de control predictivo lo que permitirá realizar un análisis de los sistemas de control tolerante con todas las herramientas analíticas que se están desarrollado para dichos sistemas y algoritmos de control.
Objetivos alcanzados
Objetivo 1. Análisis de la observabilidad y grado de aislabilidad
- Se ha desarrollado un algoritmo para caracterizar y determinar el mínimo número de sensores necesários para conseguir aislar el mayor número de fallos presentes en un proceso dinámico. La metodología utilizada para este análisis se basa en un análisis estructural del sistema.
- Con el objetivo de analizar el grado de aislabilidad, se ha realizado un estudio comparativo entre la técnica basada en el análisis estructural con otra técnica que utiliza la representación en espacio de estado de sistemas cuasi-estacionarios. Se han analizado las ventajas e inconvenientes en la utilización de cada uno de ellas y se propone un nuevo campo de trabajo dedicado a la integración de ámbas.
Objetivo 2. Análisis de la propagación de fallos y evaluación de la recuperabilidad y acciones correctoras para el control tolerante.
- Se ha desarrollado algoritmos basados en satisfacción de restricciones que permiten evaluar la recuperabilidad de controladores predictivos con restricciones y decidir que tipo de acciones correctoras (acomodación/ reconfiguración) son las más adecuadas de cara a hacer frente al efecto de un fallo en un actuador.
Objetivo 3. Mejora de las técnicas de detección robusta y su integración con técnicas de diagnóstico.
- Se han desarrollado algoritmos de detección y diagnóstico robusto basados en observadores intervalares para sistemas lineales y no lineales utilizando técnicas de optimización.
- Mejora de la integración de las técnicas de detección y aislamiento de fallos. En la actulidad los algoritmos de detección y el aislamiento de fallos se desarrollan de forma separada siendo necesario su desarrollo integrado de cara a mejorar su funcionamiento.
- Mejora de la detección robusta utilizando métodos intervalares que combinan la imagen directa con la imagen inversa. Tradicionalmente dichos métodos han utilizado la imagen directa del modelo intervalar para realizar la detección. El cálculo de dicha imagen inversa es muy costosa (optimización global, propagación de la incertidumbre, ...). La propuesta realizada en el marco del proyecto consiste en complementar dicha imagen con la imagen inversa utilizando técnicas basadas en consistencia muy eficientes en detectar inconsistencias entre el modelo y los datos experimentales.
- Finalmente, se ha estudiado como el sistema de diagnóstico se ve afectado frente a fallos consecutivos en los sensores utilizados así como se debe de diseñar su ubicación para conseguir que la capacidad de aislamiento se vea lo mínimamente afectada.
Objetivo 4. Diseño robusto de controladores para tolerancia
- Utilización de las técnicas Quantitative Feedback Theory (QFT) para diseñar controladores robustos en el caso de incertidumbre en los parámetros del modelo.
Publicaciones más destacadas
- Travè-Massuyés, L., Escobet, T. Olive X., “Diagnosability Analysis Based on Component-Supported Analytical Redundancy Relations”, Systems, Man and Cybernetics, Part A: Systems and Humans, IEEE Transactions on , vol.36 (6): 1146-1160, <doi:10.1109/TSMCA.2006.878984>,2006
- Nejjari, F., Perez, R., Escobet, T., Travé-Massuyès, L. , “Fault diagnosability utilizing quasi-static and structural modelling”, Mathematical and Computer Modelling, vol. 45 (5-6): 606-616, <doi:doi:10.1016/j.mcm.2006.06.008>, 2007
- V. Puig, A. Stancua, T. Escobet, F. Nejjara, J. Queveda and R.J. Patton. “Passive robust fault detection using interval observers: Application to the DAMADICS benchmark problem”, Control Engineering Practice, vol. 14(6):621-633, <doi:10.1016/j.conengprac.2005.03.016>, 2006
- Puig, V., Quevedo, J., Escobet, T., Pulido, B. “On the integration of fault detection and isolation in model based fault diagnosis”. 15th International Workshop on Principles of Diangosis (DX’04). Francia. 2004. http://spiderman-2.laas.fr/DX04/Proceedings-DX04/Articles/129.pdf.
- Puig, V., Schmid, F., Quevedo, J., Pulido, B. “A new fault diagnosis algorithm that improves the integration of fault detection and isolation”. Enviado a ECC-CDC’05. Sevilla. España.
- Puig, V., Mrugalski, M., Nejjari, F., Quevedo, J., Korbicz, J. “A GMDH neural network-based approach to passive robust fault detection using a constraint satisfaction backward test", Engineering Applications of Artificial Intelligence, vol. 20(7):886-897, <doi:doi:10.1016/j.engappai.2006.12.005>, 2007.
Comparteix: