تشخیص تحلیلی مبتنی بر مدل رخداد عیب در سامانه های هواپایه با استفاده از مدل های آماری مارکف

در این مقاله مساله عیب ­یابی سنسوری در سامانه ­های هواپایه با رویکردهای عیب­ یابی مبتنی بر مدل  بررسی شده است. در ابتدا با استفاده از فیلتر کالمن مکان، سرعت و زوایای سیستم تخمین زده می­شود و سپس با تعریف کردن سطح آستانه مناسب، رخداد عیب سنسور تشخیص داده شده است. تشخیص معیوب بودن سنسور  با استفاده از متغیرهای احتمالاتی پیشرو انجام می­شود. در این الگوریتم، تاثیر عیب بر روی سنسور با استفاده از کوواریانس داده­ ها مدل شده است.  پارامترهایی الگوریتم با استفاده از شبیه سازی­ های مونت کارلو در حالت ایستا تنظیم می­شوند. آزمایش­های عددی بر روی یک پرنده هدایت پذیر از راه دور نشان می­ دهد که الگوریتم تشخیص عیب در جایی که حالت­های سیستم رویت­پذیر باشد، توانایی تشخیص عیب را دارد. زمانی که سیستم شرط رویت پذیری خود را از دست می دهد، امکان تشخیص رخداد عیب­های لحظه­ ای وجود دارد اما توانایی تشخیص به صورت پایا وجود ندارد.

Keywords:

Air-launched Systems , Model-based Fault Detection , Kalman Filter , Unmanned Aerial Vehicle