توليد بردار مانده در سيستم‌هاي خطي در حضورعدم ‌قطعيتنامنطبق براي مسايل تشخيص نقص

Residual generation in linear systems with unmatched uncertainties for fault detection problems

اين مقاله به ارايه تخمين‌گر ورودي نامعلوم با فرض عدم تامين شرط تطابق تخمين‌گر مي‌پردازد. از نتايج روش پيشنهادي اين مقاله مي‌توان در مسايل تشخيص نقصب ا استفاده از بردار مانده استفاده كرد. مبناي روش جبران ورودي‌هاي نامعلوم (اغتشاش) غيرمنطبق با كمك يك مجموعه از پارامترهاي (خروجي‌هاي) كمكي است. خروجي‌هاي كمكي با كمك انتگرال‌گيري‌هاي متوالي از خروجي‌هاي اندازه‌گيري‌شده و ورودي‌هاي معلوم سيستم بدست مي‌آيند. بر مبناي خروجي‌هاي كمكي پيشنهادي، تخمين‌گر ورودي نامعلومي ارايه شده كه قادر است تخميني نمايي از خروجي‌هاي سيستم را بدست دهد. سپس، با استفاده از تفاضل بين خروجي‌ها و تخمين آن‌ها توسط تخمين‌گر پيشنهادي، بردار مانده‌اي براي استفاده در مسايل تشخيص نقص ايجاد مي‌شود. بردار مانده بدست آمده مستقل از مقدار ورودي نامعلوم (اغتشاش) غيرمنطبق است و در عين حال حساسيت كمي نيز نسبت به نويز در اندازه‌گيري دارد. به منظور بررسي حساسيت بردار مانده به نقص، نقص در حسگرهاي يك سيستم خطي مورد بررسي قرار گرفته و در مورد حساسيت بردار مانده به نقص حسگر بحث شده است. در انتها نيز كارايي روش پيشنهادي با شبيه‌سازي لغزنده افقي و پاندول معكوس نشان داده شده است و مقايسه‌اي با يك روش مشتق-محور صورت پذيرفته است.

This paper deals with the design of an unknown input observer (UIO) with the assumption that the well-known observer matching condition is not satisfied. The proposed method can be used for fault detection problems with the use of residual vector. The basis of method is to compensate the unmatched uncertainties with the use of a set of auxiliary outputs. The introduced auxiliary outputs are obtained from successive integration of the system measurements and known inputs. Then, an unknown input observer is proposed which estimates exponentially the outputs. Therefore, the residual vector, generated from the estimated outputs and the actual outputs, will be obtained which insensitive to the unmatched disturbances. At the same time, the sensitivity of the proposed residual vector to the fault in sensors is investigated. The generated residual vector will be more robust against the presence of noise in the measurements. It is shown through numerical simulations that the proposed residual vector is sensitive to the presence of fault in sensors while it is insensitive to the presence of the unknown input. In addition, a comparison with a derivative based method is presented.