Distributed Fault Detection for Large-Scale and Interconnected Systems

To perform more flexible and sophisticated tasks and increase the quality of industrial products, large-scale and interconnected systems are becoming a pervasive component of modern industrial processes over the past decades. Motivated by the requirements of the safety and reliability issues of such systems, advanced distributed fault detection (FD) methods have attracted considerable attention. This dissertation is dedicated to the design issues of distributed FD in large-scale and interconnected systems equipped with sensor networks. In the first part of the work, the average consensus algorithm is applied for large-scale systems to realize the centralized optimal FD method in a distributed manner. This distributed realization shows a similar result as the original centralized one. In the second part, a combination of distributed observer and post-filter is applied for FD in large-scale and interconnected systems. In this framework, each local observer uses only its local and neighbours' information to estimate its local state. Thereafter, the estimation result passes through the post-filter to perform the corresponding FD. In the third part, a distributed approach for FD in interconnected systems under the influence of random noises and transmission time of information is introduced. In the latter method, prediction, filtering, and smoothing procedures are used to improve the accuracy of FD by means of reducing the variance matrix of the estimation error. Subsequently, the estimation result is used to generate residual signals and detect faults. Finally, benchmark studies are demonstrated to show the effectiveness of the proposed FD approaches.

Um flexiblere und anspruchsvollere Aufgaben zu erfüllen und die Qualität industrieller Produkte zu steigern, sind große und vernetzte Systeme in den letzten Jahrzehnten zu einem allgegenwärtigen Bestandteil moderner industrieller Prozesse geworden. Motiviert durch die Anforderungen der Sicherheits- und Zuverlässigkeitsfragen solcher Systeme haben fortgeschrittene verteilte FD-Verfahren beträchtliche Aufmerksamkeit auf sich gezogen. Diese Dissertation widmet sich den Fragen des Designs verteilter FD in großen und vernetzten Systemen, die mit Sensornetzwerken ausgestattet sind. Im ersten Teil der Arbeit wird der Average-Consensus-Algorithmus in großen Systemen angewendet, um das zentralisierte optimale FD-Verfahren auf verteilte Weise zu realisieren. Diese verteilte Realisierung zeigt ein ähnliches Ergebnis wie die ursprüngliche, zentralisierte Realisierung. Im zweiten Teil wird für die FD in großen und vernetzten Systemen eine Kombination aus verteiltem Beobachter und Postfilter angewendet. In diesem Rahmen verwendet jeder lokale Beobachter nur seine lokalen Informationen und die der Nachbarn, um seinen lokalen Zustand zu schätzen. Anschließend passiert das Schätzergebnis den Postfilter, um eine entsprechende FD durchzuführen. Im dritten Teil wird ein verteilter Ansatz für FD in Verbundsystemen unter dem Einfluss von weissem Rauschen und Übertragungszeit der Signale vorgestellt. Bei diesem Verfahren werden Vorhersage-, Filter- und Glättungsprozeduren verwendet, um die Genauigkeit der FD zu verbessern, wodurch die Varianzmatrix des Schätzfehlers reduziert wird. Dann wird das Schätzergebnis verwendet, um Residuensignale zu erzeugen und Fehler zu erkennen. Schließlich werden Benchmark-Studien vorgestellt, um die Wirksamkeit der vorgeschlagenen FD-Ansätze zu demonstrieren.

Preview

Cite

Citation style:
Could not load citation form.

Rights

Use and reproduction:
All rights reserved