SVEUČILIŠTE U ZAGREBU

FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA

ZAVRŠNI RAD br. 1522

DIJAGNOSTIKA KVARA U SUSTAVIMA

AUTOMATSKOG UPRAVLJANJA
Andrea Polak

Zagreb, lipanj 2010.

 Sadržaj

1. Uvod...........................................................................................................3

2. Osnovne definicije......................................................................................5

3. Metode borbe protiv kvarova......................................................................8

3.1. Analitička redundancija........................................................................9

3.1.1. Metode temeljene na signalima...........................................................10

3.1.2. Metode za generiranje reziduala analitičkog matematičkog modela ..........11

3.1.3. Metode na temelju znanja ..................................................................18

4. Isplativost ugradnje sustava tolerantnih na kvar ......................................21

5. Primjer......................................................................................................23

5.1. Izmjenjivač topline .............................................................................23

6. Zaključak..................................................................................................31

7. Literatura..................................................................................................32

8. Sažetak ....................................................................................................33

9. Abstract....................................................................................................34

10. Životopis...................................................................................................35
1. Uvod
Sustavi automatskog upravljanja godinama se koriste, razvijaju i sposobni su
obavljati najsloženije zadatke. Međutim, podložni su kvaru tj, u određenim
trenutcima nisu u stanju obaviti zadatak. Kvar je nešto što mijenja ponašanje
sustava tako da on više ne ispunjava svoju svrhu. Može biti događaj u sustavu,
promjena vanjskih uvjeta, kriva upravljačka naredba operatera, greška u
projektiranju sustava koja može ostati neotkrivena sve dok sustav ne dođe u
određenu radnu točku. U svakom slučaju, kvar je primarni razlog promjena
strukture sustava ili parametara koje mogu voditi do smanjenih performansi ili
gubitka funkcije sustava.

U velikim sustavima, svaki dio je projektiran za određenu funkciju i sustav radi

besprijekorno ako svaki taj njegov dio ispunjava svoju ulogu. Međutim, kvar bilo
kojeg dijela mijenja ukupno ponašanje sustava. U kritičnim postrojenjima kao što
su kemijske i farmaceutske tvornice može doći do golemih materijalnih šteta i
gubitka ljudskih života.

Danas se u sustave automatskog upravljanja ugrađuju sustavi tolerantni na

kvarove. Mogu djelovati autonomno, bez pomoći čovjeka. Kvarovi u senzorima,
izvršnim organima (aktuatorima) i u samom procesu ili kvarovi u samom
upravljačkom sustavu tj. u regulatoru, odnosno računalu u kojem je
implementiran algoritam mogu značajno utjecati na sustave upravljanja sa
zatvorenom petljom. Sustavi s ugrađenom tolerancijom na kvarove većinu
informacija primaju sa senzora. To ih čini osjetljivima na kvarove senzora. Oko
40 % problema u pogonima dolazi zbog kvara na senzorima.

Da bi se ostvarila autonomnost sustava upravljanja mora se ostvariti FDIA1,

detekcija, lokalizacija i prilagodba na kvar. Sustavi kod kojih je to zadovoljeno
zovu se sustavima tolerantnima odnosno, otpornima na kvar.

Tolerantnost na kvarove prema [8] je sposobnost sustava da se nosi sa

kvarovima (pogreškama koje ne dovode do potpunog prekida rada-otkaza) u
komponentama i da osigura da se kvarovi ne razviju u otkaze (kvarove koje

1
Engl. Fault Detection, Isolation and Accomodation
dovode do potpunog prekida rada). Takav sustav treba razaznati uvjete rada koji
dovode do otkaza te ili na siguan način isključiti pogon ili nastaviti rad sustava i u
degradiranom stanju onda kad kvar ne narušava sigurnost procesa.

Tradicionalne metode dijagnostike kvarova pretpostavljaju da za svaki

detektirani kvar postoji mjerljiv signal koji ukazuje na pojavu kvara. U složenim
sustavima sa mnogo mogućih kvarova takva izravna veza između kvara i s njim
povezanog signala ne postoji ili je preskupo mjeriti sve takve signale. Ovakav
način dijagnostike kvarova temelji se na fizičkoj redundanciji, gdje su važne
komponente primijenjene više puta.

Kod analitičke redundancije koristi se matematički model. Kvar se dijagnosticira

koristeći informacije iz modela i mjernih signala. Tad se model prilagodi situaciji
u kvaru i regulator se rekonfigurira tako da sustav sa zatvorenom petljom
uključujući uređaje u kvaru zadovoljava.

Danas se koriste pasivne i aktivne metode. Pasivne metode ne mijenjaju

parametre regulatora. Upravljani sustav zadovoljava ciljeve u svim situacijama
pojave kvara. Koristi se robusna sinteza. Aktivne metode mijenjaju parametre
regulatora. Ukoliko su promjene parametara uzrokovane kvarom dolazi do
aktivne otpornosti na kvarove.

Slika 1.1: Shema sustava s ugrađenom otpornosti na kvarove

 2. Osnovne definicije

Kvar (Engl. fault) – nedopušteno odstupanje barem jednog svojstva ili parametra
sustava od standardnog, dopuštenog, prihvatljivog stanja. Uzrokuje promjene
komponenti i mijenja način rada sustava.

Kvarovi se dijele na:

• kvarove postrojenja - kvarovi koji mijenjaju dinamička svojstva

sustava. Ako se nastale promjene uslijed kvarova ne mogu nikakvim
upravljanjem razriješiti mora se izmijeniti upravljačka struktura

• kvarovi senzora - nema više povezanosti između uređaja i regulatora,

odnosno regulator dobiva krivu informaciju o signalima koje mjere
senzori. U takvoj situaciji moraju se primijeniti alternativna mjerenja ili
estimacije signala.

• kvarovi aktuatora - utjecaj regulatora na objekt upravljanja je prekinut

ili promijenjen.

Kvarovi Kvarovi Kvarovi

aktuatora sustava senzora

Aktuator Sustav Senzori

Slika 2.1: Prikaz vrsta kvarova ovisno o mjestu nastanka

Otkaz (Engl. failure) – trajni prekid sustava da odradi traženo u zadanim
uvjetima. Ovaj pojam podrazumijeva potpuni prekid rada sustava (njegovih
komponenti ili funkcija). Otpornost na kvarove je sposobnost sustava da spriječi
kvar da se pretvori u otkaz.

Rezidual – pokazatelj kvara. Temelji se na odstupanju između izmjerenih

vrijednosti i rezultata dobivenih na temelju modela. Kad sustav nije u kvaru
rezidual je približno jednak nuli, a značajnije odstupa od nule pri pojavi kvara.

Upravljani sustavi (Engl. controlled system) – objekt upravljanja (proces)

podvrgnut sustavu automatskog upravljanja u kojem senzori i aktuatori imaju
važnu ulogu.

Sustavi sigurni nakon kvara (Engl. fail-safe sustav) – sustav u „sigurnom“ kvaru,
ali kad kvar nije opasan te je sustav u stanju koje se smatra donekle sigurnim,
dakle ovakav sustav je sposoban provesti nadzirano zaustavljanje procesa kad
otkaže neka od komponenti sustava kojim upravljamo. Koristi se najčešće u
kemijskoj i farmaceutskoj industriji.

Prilagodba na kvar (Engl. fault accommodation) – upravljačka metoda koja

mijenja upravljačke parametre ili strukturu da bi se izbjegle posljedice kvara.
Ulaz i izlaz iz regulatora i uređaja ostaju nepromijenjeni. Postiže se svrha
upravljanja, međutim mogućnosti upravljanja mogu biti smanjene. Može biti
pasivna ili aktivna. Pasivna – uz pomoć robusnih sustava upravljanja, aktivna -
detekcija i izolacija kvara dovodi do promjene u upravljačkom algoritmu kako bi
se sustav upravljanja prilagodio na kvar.

Detekcija kvara (Engl. fault detection) – prvi korak pri utvrđivanju kvara, određuje
prisutnost kvara u sustavu i vrijeme njegova otkrivanja. Ima dva stanja: ili je sve
u redu ili je sustav u kvaru.

Lokalizacija (Engl. fault isolation) - drugi korak, određuje vrstu, mjesto i vrijeme
otkrivanja kvara. Slijedi nakon detekcije kvara.

Analiza kvara (Engl. fault analysis) – treći korak, određuje veličinu kvara i
promjenu ponašanja u ovisnosti o vremenu. Slijedi iza lokalizacije kvara.

Dijagnoza kvara (Engl. fault diagnosis) – određivanje veličine, vrste, mjesta i

vremena otkrivanja kvara. Uključuje sva tri prethodna koraka.
Otpornost na kvar (Engl. fault tolerance) – sposobnost sustava kojim upravljamo
da zadrži cilj upravljanja unatoč pojavi kvara. Prihvatljive su i smanjene
mogućnosti upravljanja. Otpornost na kvar postiže se ili tijekom prilagodbe kvara
ili kroz rekonfiguraciju sustava i/ili regulatora.

Rekonfiguracija - mijenja ulaze/izlaze regulatora i uređaja tako da mijenja

strukturu i parametre regulatora. Originalni cilj upravljanja može se postići
unatoč eventualnom smanjenju performansi.
 3. Metode borbe protiv kvarova
Tradicionalna metoda otpornosti na kvarove je sklopovska redundancija. Na
mjestima sustava, gdje je dovoljan jedan element za rad procesa, postavi se
više elemenata, (obično dva a ponekad i tri ili četiri). U slučaju kvara regulator se
prebaci na redundantnu komponentu. Koristi se kod kritičnih sustava (podvodna
vozila, zrakoplovi, brodovi, kemijska i nuklearna postrojenja). Ovakav pristup
povećava cijenu, traži više prostora, povećava težinu. Također, često se javlja i
mogućnost da ista oprema teži otkazu u istim uvjetima. Sve navedeno su razlozi
zbog čega je ova metoda skupa i upotrebljava se samo u kritičnim postrojenjima.

Također, u tradicionalne metode ubrajamo testiranje praga (Engl.Limit-checking)

i spektralnu analizu (Engl. Spectral Analysis) signala.

Danas se koristi analitička redundancija, upotrebom matematičkog modela.

Dva su pristupa, aktivni i pasivni. Pasivni koristi robusnu sintezu, a aktivni se

prilagođava na kvar.

U ovakvim sustavima važna je dijagnostika kvarova.

Općenito, metode koje se koriste da bi sustav bio otporan na kvarove prema [1]
možemo podijeliti na one koje koriste matematički model i na one koje ga ne
koriste.

Metode otpornosti na
kvarove

Metode bez Metode s uključenim

matematičkog matematičkim
modela modelom

Metoda fizičke Analitička

redundancije redundancija

Testiranje praga

Spektralna analiza

Slika 3.1: Podjela metoda otpornosti na kvarove

3.1. Analitička redundancija

Dijagnostika kvara treba :

1. otkriti ili detektirati kvar – otkriti vrijeme pojave kvara uz prisutne

poremećaje/smetnje

2. lokalizirati kvar – klasificirati različite kvarove, odnosno definirati

mjesto kvara

3. analizirati kvar – odrediti tip, veličinu i uzrok kvara

Postupci kojima se izvršava dijagnostika su:

1. generiranje reziduala – signali prema kojima će se moći otkriti kvar. Za

lokaliziranje različitih kvarova treba ispravno odabrati reziduale

2. procjena reziduala (lokalizacija kvara) – zaključivanje o vremenu i

mjestu kvara praćenjem reziduala

3. analiza kvara – da se odredi tip, veličina i uzrok kvara

Proces

Generiranje
reziduala

Procjena
reziduala

Analiza kvara

Prema načinu generiranja reziduala

Slika 3.2: Opća shemametode dijagnostike
sustava kvarova
za dijagnostiku možemo
kvara
 Generiranje
reziduala

Metode s Metode temeljene Metode obrade

analitičkim na znanju mjerenih signala
modelom

Slika 3.3: Metode generiranja reziduala

3.1.1. Metode temeljene na signalima

Sustavi za otkrivanje kvara koji koriste signale nisu prikladni za rano otkrivanje
kvara. Najčešće se koriste u dijagnostici kao nadzor, ne kao dio upravljačkog
kruga, iz razloga što im je potrebno više mjernih točaka za otkrivanje kvara.

Generiranje reziduala provodi se primjenom matematičkih funkcija na signale.

Koristi se iznos amplitude signala, momenti, kovarijance, korelacijske i
autokorelacijske funkcije, spektralne gustoće itd.

Harmonijske oscilacije su najčešći način otkrivanja kvara ovom metodom.

Promjena frekvencije oscilacije je informacija o neispravnom stanju komponente.

Niskopropusni filter se postavlja za detekciju viših harmonika koji se ne

pojavljuju u normalnom radu:

(1)

Osim niskopropusnih filtara mogu se koristiti i pojasno-propusni filtri:

|H(jω)|, (2)
 3.1.2. Metode za generiranje reziduala
analitičkog matematičkog modela

Sustavi generiraju rezidual i nakon toga ga ocjenjuju upotrebom matematičkog

modela procesa ili dijela proces i ulaznih signala u taj proces. U kompleksnim
sustavima postoji redundantan broj signala koji se generiraju iz različitih
senzora. Senzori su međusobno funkcionalno povezani. Treba naći
matematičku funkciju koja povezuje dva signala. Nemoguće je u potpunosti
opisati proces modelom. Modeli moraju biti robusni kako ne bi došlo do lažnih
otkrivanja kvarova ili njihova neotkrivanja.

Generiranje reziduala ovom metodom možemo podijeliti na:

1. jednadžbe pariteta

2. observere

3. estimaciju parametara – Kalman filter

Jednadžbe pariteta
Odnosi pariteta su modificirane jednadžbe modela izravnog ulaza i izlaza, nad
kojima je učinjena linearna dinamička transformacija. Transformirani reziduali
služe za detekciju i izolaciju. Sloboda dizajna omogućena transformacijom može
se koristiti za poboljšanja u odvajanju ometala i izolaciju pogreški. Osim toga
može se pridodati dinamika odgovora, unutar granica koje diktiraju zahtjevi
kauzalnosti i stabilnosti.

Prijenosnu funkciju proces možemo definirati kao:

(3)

Dobijemo model

(s)= (4)
Gdje su:

(s) prijenosna funkcija procesa

s) funkcija izlaznih signala procesa

( s) funkcija ulaznih signala procesa i modela

(s) polinom u brojniku prijenosne funkcije procesa

(s) polinom u nazivniku prijenosne funkcije procesa

(s) prijenosna funkcija modela procesa

(s) funkcija izlaznih signala modela procesa

(s) polinom u brojniku prijenosne funkcije modela

(s) polinom u nazivniku prijenosne funkcije modela

Jednadžbe pariteta formiraju se na dva načina:

• po odstupanju izlaza
• po polinomskom odstupanju

Oba pristupa su matematički gledano isti izraz samo drugačije napisan. Veza
između njih je dana sa

(5)

Metode uz pomoć jednadžni pariteta su najjednostavnije, mogu se primijeniti u

obliku jednadžbi diferencija npr.

Jednadžbe pariteta po odstupanju izlaza

Rezidual računamo:

(6)

Gdje je V(s) filter kojim se razdvaja utjecaj pojedinačnih kvarova.

 Slika 3.4: Model za jednadžbe pariteta po odstupanju izlaza (Horvat, 2006)

Jednadžba na kojoj se temelji ovaj postupak:

(7)

Jednadžbe pariteta po polinomskom odstupanju

(8)

Slika 3.5: Model za jednadžbe pariteta po polinomskom odstupanju (Horvat,

2006)
Generiranje reziduala estimatorom izlaznog signala-observer
Različiti tipovi observera razvijaju se za generaciju reziduala. _Unknown input_
tehnike projektiranja mogu se koristiti za odvajanje reziduala od (ograničenog
broja) smetnji. Sloboda projektiranja promatrača može se iskoristiti za
poboljšanje reziduala za izolaciju. Dinamika javljanja greške može se donekle
kontrolirati postavljanjem polova promatrača.

Slika 3.6: Model kod observera (Horvat, 2006)

Estimator izlaznog signala može biti observer punog ili reduciranog tipa ili
Kalmanovog filtra. Estimiraju se izlazi iz proces i uspoređuju sa izlazima iz
procesa te tako dobijemo reziduale.

Dijagnostički observeri estimiraju izlaze, ne estimiraju varijable stanja. Proces

nužno ne mora biti osmotriv. Koeficijente matrice H biramo tako da svojstvene
vrijednosti zatvorenog kruga moraju biti brze u odnosu na trajanje radnih
intervala procesa. Matrica H omogućuje postizanje robusnosti.

Povratna veza je potrebna za stabiliziranje u slučaju nestabilnog procesa i za

kompenziranje nepoznatih početnih uvjeta.

U idealnim uvjetima matrica H se projektira tako da rezidual r ili J(r):

(9)

(10)

d nemaju utjecaj.

U realnim sustavima u rezidualu se ne može u potpunosti eliminirati utjecaj

kvarova f od nepoznatih ulaza d postavljaju se pragovi otkrivanja . Kad

je rezidual pod kvarom onda on nadvisuje postavljeni prag.

(11)

(12)

Kod robusnih postupaka generiranja reziduala računaju se usmjereni vektori r.

na taj način kvarovi se preslikavaju u jedinstven položaj i veličinu vektora.

Razdvajanje vektora obavlja se metodama u vremenskoj i frekvencijskoj domeni.

U vremenskoj domeni koristimo filtre za otkrivanje kvara i postupke preko

observera nepoznatih ulaza.

Postoje i algoritmi:

• postupak preko Kronecekrovog kanoničkog oblika

• postupak za pridruživanje svojstvene strukture

Estimacija parametara
• odredi se referentni model uređaja u situaciji bez kvara
• parametri se neprestano proračunavaju
 Slika 3.7: FDI Shema za generiranje reziduala estimiranjem parametara
(Horvat, 2006)

Odstupanja od referentnog modela služe kao podloga za detekciju i izolaciju

kvara. Primjenjuje se u klipovima, pumpama, motorima, pogonima.

U praksi parametri su djelomično poznati ili nisu poznati uopće. Određuju se

metodom estimacije. Mjere se ulazni i izlazni signali ako je poznat osnovni
strukturni model. Estimacija parametara često treba pobudu (uzbudu) ulaznih
parametara procesa i dobra je za detekciju kvarova koji se ponavljaju ili
umnožavaju.

Promjena procesa dovodi do promjene parametara, a parametri dovode do

promjene izlaznih signala.

Provodi se u dva koraka:

1. Identifikacija parametra Θ

2. Pretvorba parametra Θ u fizikalne parametre p

Detekcija kvara ovisi o promjeni ∆p koja se dalje određuje i provodi kroz

algoritam za utvrđivanje kvara.

Jednadžba :

(13)
opisuje linearni kauzalni vremenski nepromjenjiv proces opisan ulazni/izlaznim
matematičkim modelom. Parametri procesa su dani sa:

(14)

Otkrivanje kvarova može biti u off-line i on-line načinu rada.

OFF-line:

Napravi se teorijski model procesa i određuju se parametri nominalnog

procesa.

1. odaberemo matematički model i identificiramo parametre za normalne

uvjete rada
(15)

2. odredimo matematičke i fizikalne parametre procesa

(16)

ON-line (u realnom vremenu):

1. identifikacija parametara matematičkog modela Θ

2. izračunamo fizikalne parametre procesa

3. uspoređujemo fizikalne i nominalne parametre

4. otkrivanje kvara
5. klasifikacija kvara

Analiza kvara je jednostavna, međutim, javljaju se dva problema:

1. ulazni signal stalno mora biti pobuđujući i mora u sebi sadržavati modove
takve da pobudi sve parametre
2. ponekad je teško odrediti vezu između matematičkih i fizikalnih
parametara
 3.1.3. Metode na temelju znanja

Kod jako složenih sustava, kad se ne može dovoljno kvalitetno opisati sustav
modelom, potrebno je poznavati proces. Koriste se sustavi koji se temelje na
znanju ili kombinacija s analitičkim postupcima.

Prema [2] dijele se na:

• Heurističke ili integrirane (analitičke i heurističke) simptome, kvalitativne

metode se koriste za analizu kvara
• Kvalitativni model- koriste se kvalitativne metode za generiranje, analizu i
ocjenu kvara

Heuristički ili integrirani simptomi

Generiranje simptoma:

• analitičko (kvantitativno) - temelji se na promjenama u rezidualima koje

su prešle prag otkrivanja kvara
• heurističko (kvalitativno) - empirijske činjenice koje se mogu predstaviti u
kvalitativnom obliku kao: "da", "ne" (izrazite veličine), ili "malo", "srednje",
"puno" (neizrazite veličine), a dobiju se mjerenjem ili zapažanjem
operatera
• temeljeno na povijesti procesa i statističkim podacima, npr. statistika
kvarova u sličnim procesima, statistika kvarova pojedinih elementa,
vrijeme rada bez kvarova, opterećenje pojedinih komponenti od zadnjeg
remonta, zadnji remont, itd.

Korištenje integriranih simptoma je učestalo u praksi.

Kvalitativno znanje se prikazuje u obliku pravila:

ako uvjet onda posljedica

dobijemo usmjerene grafove prema [10]:

 Slika 3.8: Usmjereni grafovi

Usmjerene grafove možemo promatrati kao:

1. stablo kvarova pa govorimo o analizi stabla kvarova,

• Kvar je poznat i polazište, traže se simptomi i uspoređuju se sa

simptomima poznatim od prije
2. stablo događaja

• Simptomi su poznati i polazište, traže se kvarovi

Simptomi su povezani logičkim AND/OR operacijama u binarnoj ili neizrazitoj

(fuzzy) logici. Pravila su dana u obliku:

if < (σ i ANDσ i +1 ... ANDσ δ )OR(σ i ANDσ i +1 ... ANDσ δ ' )...OR... > then < ϕ k (17)

[
gdje je σ i element E k , S i ] skup događaja i simptoma (ulazi, premise), a ϕk

[ ]
element E k , F j skup kvarova (izlazi, zaključci).
Kvalitativni model
Dijagnostika se temelji ili na modelima kvarova ili na modelu procesa u uvjetima
bez kvara (nominalni uvjeti).

Kad ju temeljimo na modelima kvarova trebamo poznavati ponašanje sustava

pri pojavi određenog kvara. Pomoću modela simuliramo kvarove i napravimo
tablicu kvarova. Uspoređujemo simptome iz procesa sa simuliranim
simptomima.

Kad ju temeljimo na modelu procesa pretpostavljamo da će taj model točno

odrediti ponašanje stvarnog sustava.

Kao alat u metodama na osnovi znanja koristi se umjetna inteligencija,

neuronske mreže, neizrazita ili fuzzy logika.
 4. Isplativost ugradnje sustava tolerantnih na
kvar
Ekonomska analiza opravdanosti ulaganja u sustav tolerantan na kvar prema [2]
temelji se na sljedećim veličinama:

• Cijena otkaza, tj. ispada postrojenja uslijed kvara upravljačkog

sustava dovodi do smanjenja profita.
• Cijena kvara se može podijeliti na direktni i indirektni dio. U direktni
dio troškova ulaze cijene promjene komponenti i popravka pokvarene
opreme, a u indirektne troškove ulaze gubici u proizvodnji,
uništavanje i zbrinjavanje sirovina za proizvodnju.

Procijenjena cijena otkaza se može prikazati formulom:

(18)

- ocijenjena vrijednost otkaza

- cijena popravka

- cijena ostalih troškova vezanih uz kvar

- vjerojatnost pojave otkaza u normalnom vijeku trajanja

• Cijena otkaza s ugrađenim sustavom tolerantnim na kvar sustavi

tolerantni na kvar bi trebali smanjiti pojavu otkaza uz prihvatljivo
smanjenje mogućnosti sustava. Također, mogu se smanjiti i direktni
troškovi u proizvodnji.
• Cijena kvarova ovisi o tome da li je kvar detektiran ili ne. Cijena
nedetektiranog kvara jednaka je cijeni kvara u sustavu koji nema
ugrađen na kvar tolerantni sustav, dok pretpostavljena cijena
detektiranog kvara mora biti manja od nedetektiranog kvara, jer inače
nema smisla implementirati na kvar tolerantne sustave. Zbog toga je
cijena za određeni način kvara jednaka cijeni pojave načina kvara
pomnožena s vjerojatnošću pojave tog istog kvara.
 (19)

(20)

(21)

- cijena otkaza uslijed detektiranog kvara, tj. prilagodbe na kvar

- cijena otkaza uslijed nedetektiranog kvara

- cijena zaustavljanja procesa uslijed pogrešne detekcije kvara

S obzirom da je cijena otkaza sustava koji nema implementiran na kvar

tolerantan sustav definirana kao [10]:

(22)

Optimalna cijena smanjenja troškova korištenjem na kvar tolerantnog sustava je:

(23)

• Investicija za implementaciju sustava tolerantnog na kvar

Cijena sustava s ugrađenim algortimom tolerancije na kvarove je naravno veća

od sustava bez ugrađenog algoritma. Ovakve algoritme treba razvijati i
eventualno povećati snagu računala.

(24)

(25)

Ukupna cijena unaprijed može biti samo procijenjena, nikad točno određena.
 5. Primjer
5.1. Izmjenjivač topline
U primjeru su dani prikaz i primjena dijagnostike kvara u izmjenjivaču topline.
Izmjenjivač radi na sljedeći način: u glavnom krugu električni grijač grije vodu u
plovilu tlakom od 1 bara. Temperatura vode koja ide u sekundarni krug jest
varijabla kojom upravljamo, PID regulatorom, kroz promjenu toka mase u
glavnom krugu.

Slika 5.1: Shema izmjenjivača topline

Sljedeće varijable i parametri opisuju ovaj sustav:

P – snaga električnog grijača (W)

mh – tok mase u glavnom krugu (1/s)

c p – specifična toplinska konstanta (J/kgK)

ϑhin – temperatura vode za grijanje na ulazu u glavni krug (K)

ϑcout – temperatura vode za grijanje na izlazu iz glavnog kruga (K)

ϑcin – temperatura vode za hlađenje na ulazu u sekundarni krug (K)

ϑcout – temperatura vode za hlađenje na izlazu iz sekundarnog kruga (K)

M – masa vode u plovilu (kg)

Izmjena topline u sustavima poput ovog se ne može modelirati s velikom

točnošću, jer dinamika sustava jako ovisi o radnoj točki. Matematički model
izmjenjivača topline opisan je MIMO sustavom (2 ulaza, 2 izlaza):

∆Θcout ( s ) = K 2 ( H 21 ( s ) + H 32 ( s )e −Tdh s )∆Vh ( s ) + H11 ( s )( H12 e − Tdc s + H13e −Tdh s )∆Θhin ( s )

(26)

K 2 ( H 21 ( s ) + H 32 ( s )e −Tdh s ) = H 2C ( s ) (27)

H11 ( H12e −Tdc s + H13e −Tdh s ) = H1C ( s ) (27)

∆Θhout ( s ) = K 2' ( H12 ( s ) + H 32 ( s )e −Tdh s ) ∆Vh ( s ) + H11 ( S )∆Θhin ( s )

' ' '
(29)

K 2' ( H12 ( s ) + H 32 ( s )e −Tdh s ) = H 2 H ( s )

' '
(30)

H11 ( S ) = H1H ( s )
'
(31)

Prijenosna funkcija H1C opisuje ovisnost temperature hladne vode na izlazu i

temeperature tople vode na ulazu, H 2C opisuje ovisnost temperature hladne

vode na izlazu i masenog toka vode, H1H opisuje ovisnost temperature tople

vode na izlazu i temperature tople vode na ulazu, H 2 H opisuje temperature

tople vode na izlazu i masenog toka vode. Energetska bilanca plovila dana je
izrazom:

dϑhin
P + mh ( t ) c pϑhout ( t ) = mh c pϑhin ( t ) + M cp (32)
dt
Matematički model prikazan je na slici 5.2 :

Slika 5.2: Matematički model izmjenjivača topline

Model uključuje sve kvarove koji mogu djelovati na njega.

Kvarovi se dijele na:

f1 – greška u mjerenjima senzora mh

f 2 – greška u mjerenjima senzora za ϑcout

f 3 – greška u mjerenjima senzora za ϑhin

f 4 – greška u mjerenjima senzora za ϑ hout

f 5 – začepljenje u unutarnjoj cijevi

f 6 – curenje u vodenoj posudi

Da bi kvar bio detektiran potebno je generirati odgovarajuće reziduale. Kvar f 6

će se promatrati prvi. Problem pri detekciji kvara f 6 je taj što plovilo nema

senzore tlaka ni razine vode. Iz jednadžbe za energetsku bilancu plovila vidi se

da razina vode tj. promjena veličine M mijenja dinamiku plovila, dok ne utječe na
statičko ponašanje (zato što M stoji uz diferencijalnu jednadžbu, koja je po
definiciji mjera promjene, dakle označava dinamiku). Iz ovoga proizlazi da se
anomalija može detektirati promjenom parametra ϑhin . Jednostavna metoda za

promatranje ϑhin je Luenbergerov observer za linearne sustave. Da bi se

primijenila ta metoda, potrebno je linearizirati jednadžbu energetske bilance

plovila. Prikladna metoda linearizacije je velocity – based. Energetska bilanca
plovila (ili jednadžba x) može se zapisati u obliku sustava jednadžbi:

• 1 1 1
x = F ( x, r ) = rp − rM x + rM rT (33)
M cp M M

y = G ( x, r ) = x (34)

•
gdje su rp = P , rM = mh , rT = ϑhout , x = ϑhin , x = w

•
x = w (35)

⎡ rT ⎤
• rM ⎡ rM 1 1 ⎤⎢ ⎥
w= − w+⎢ ( − x + rT ) ⎥ rM (36)
M ⎢⎣ M M M cp ⎥⎦ ⎢ ⎥
⎢⎣ rP ⎥⎦

•
y=w (37)

∧
r5 = y − y = ϑhin − ϑˆhin
(38)

Jednadžba (36) je linearizirani model energetske bilance plovila (32) metodom

velocity – based, pa se može upotrijebiti Luenbergerov observer. Rezidual r5

predstavlja nekonzistentnost između stvarnog i očekivanog ponašanja izlazne

varijable. Za reziduale r1 do r4 prikladne su jednadžbe pariteta:

⎡ r1 ( s ) ⎤ 1 ⎡ w11 ( s ) w12 ( s ) ⎤ ⎡ 1 − H PID ( s )⎤ ⎡ f 5 ( s ) ⎤

⎢ r ( s )⎥ = 1 + H ( s ) H ( s ) × ⎢ w ( s ) w ( s )⎥ ⎢ H ( s ) ⎥ × ⎢ f ( s )⎥ (39)
⎣ 2 ⎦ PID 2C ⎣ 21 22 ⎦⎣ 2 C 1 ⎦ ⎣ 2 ⎦
 ⎡ r3 ( s ) ⎤ 1 ⎡1 0⎤ ⎡ f 3 ( s ) ⎤
⎢ r ( s ) ⎥ = 1 + H ( s ) H ( s ) × ⎢0 1⎥ ⎢ f ( s ) ⎥ (40)
⎣4 ⎦ 1H IV ⎣ ⎦⎣ 4 ⎦

Ako se stavi da je:

w11 ( s ) = 1

w12 ( s ) = H PID ( s )

w21 ( s ) = − H 2C ( s )

w22 ( s ) = 1

reziduali r1 i r2 se dobivaju iz izraza:

⎡ r3 ( s ) ⎤ ⎡ eϑhin ( s ) ⎤ 1 ⎡1 0⎤ ⎡ f 3 ( s ) ⎤
⎢ r ( s ) ⎥ = ⎢ e ( s )⎥ 1 − H ( s ) H ( s) × ⎢0 1⎥ ⎢ f ( s )⎥ (41)
⎣ 4 ⎦ ⎣⎢ ϑhout ⎦⎥ 1H 1V ⎣ ⎦⎣ 4 ⎦

Reziduali r3 i r4 su jednaki greškama izlaznih varijabli:

⎡ r3 ( s ) ⎤ ⎡ eϑhin ( s ) ⎤ 1 ⎡1 0⎤ ⎡ f 3 ( s ) ⎤
⎢ r ( s ) ⎥ = ⎢ e ( s )⎥ 1 − H ( s ) H ( s) × ⎢0 1⎥ ⎢ f ( s )⎥ (42)
⎣ 4 ⎦ ⎣⎢ ϑhout ⎦⎥ 1H 1V ⎣ ⎦⎣ 4 ⎦

Testiranje opisanog modela provodilo se 7000 s, pri čemu su se konstantno

izvlačili podaci o procesu i reziduali. Kvarovi su se generirali kako slijedi: f1 se

pojavio između t = 1000 i t = 1500 s, f 2 između t = 2000 i t = 2500 s, f 3 između

t = 3000 i t = 3500 s, f 4 između t = 4000 i t = 4500 s, f 5 između t = 5000 i t =

5500 s i f 6 između t = 6000 i t = 6500 s, kao što je prikazano na slici 5.3:

 Slika 5.3: Rezultati testiranja modela

Na desnoj strani slike prikazane su pojave kvarova, dok lijeva strana prikazuje
izmjerene signale. Kvarovi se nisu pojavili osim u datim trenutcima, dok su
odgovarajući reziduali generirani za dokazivanje kvara. Nije testirana simultana
pojava više kvarova. Također, u ovom slučaju nije moguća izolacija kvarova. Da
bi se omogućila izolacija kvarova, ne može se koristiti klasična Booleova
algebra, jer utjecaj šuma ili greške u modelu dovode do prečestih, a time i
nepouzdanih odluka. Predložena metoda za rješavanje ovog problema je TBM2,
koji omogućava dijagnostičko zaključivanje i uz proturječne podatke. Prednost
pred klasičnom Booleovom algebrom je što TBM pretpostavlja i pojavu
nepoznatih događaja, pa ako se pojavi nepoznati kvar, moguće je izbjeći
pogrešno tumačenje događaja, a time i krivu dijagnostiku. Slika 5.4 prikazuje
dvije moguće pogrešne interpretacije kvarova:

Slika 5.4 Pogrešne interpretacije kvarova

2
Engl. Transferable Belief Model
Na slici 5.4 se vidi da su reziduali generirani u istim trenutcima kao u prošlom
slučaju. Prva pogrešna inerpretacija može se dogoditi nakon 3100 s, kad se
generira kvar f 6 . Međutim, proturječje je preveliko, što ukazuje na lažnu

uzbunu. Identična stvar se događa nakon 3700 s, kad se pojavljuje kvar f 2 . U

praksi, operater ne bi reagirao u ove dvije situacije, zbog male pouzdanosti,

osim što bi mu to bio signal za obraćanje posebne pažnje na proces u sljedećih
par minuta. Kada se upotrijebila klasična Booleova logika, obje situacije su
dovele do lažne uzbune. To se kod TBM metode ne može dogoditi, jer koliko
god proturječje bilo veliko, alarm bi se uključio samo kod pojave kvara.
 6. Zaključak
Glavna prednost upravljanja s otpornošću na kvarove tj, analitičke redundancije
nad sklopovskom redundancijom jest što upravljanje s otpornošću na kvarove
koristi redundancije uključene u sustav i informacije o sustavu da bi se povećala
produktivnost sustava. Analitička redundancija je jeftinija nego ugrađivanje više
istih komponenti (redundancija).

Otpornost na kvarove treba redundanciju. Sklopovska da bi se detektirali kvarovi

mjerenjem ulaznih i izlaznih signala, a analitičkoj su potrebni redundantni
senzori ili aktuatori za rekonfiguraciju upravljanja. To ne znači da svi senzori ili
aktuatori moraju implementirati više puta. Jedan dodatni senzor ili aktuator može
provesti analitičku redundanciju za svaki kvar senzora ili aktuatora.

Dijagnostika kvarova na ovaj način se počela razvijati relativno nedavno, 70-ih

godina prošlog stoljeća. Postala je važan dio u modernoj teoriji upravljanja. Kod
složenih sustava javlja se problem nedovoljne točnosti matematičkog modela.
Do rješenja takvih problema dolazi se kombinacijom metoda.

Dijagnostikom kvarova želi se postići da sustavi tolerantni na kvarove koriste

programska rješenja, a ne sklopovska.
 7. Literatura

[1] Omerdić, E: “Thruster fault diagnosis and accomodation for overactuated

open- frame underwater vehicles“, Doktorski disertacija. Universitiy of

Wales, 2004

[2] Horvat, K: “Na kvarove tolerantan sustav turbinske regulacije vodne

turbine“, Doktorska disertacija. Sveučilište u Zagrebu, FER, 2006

[3] Persin, S; Tovornik B: “Real-time implemetation of fault diagnosis to a

Heat exchanger“, www.sciencedirect.com, 2004

[4] Blanke M; Kinnaert M; Lunze J; Staroswiecki M: “Diagnosis and fault

tolerant control“, Springer, 2006

[5] Koren I; Mani Krishna C: „Fault tolerant systems“, Elsevier, 2007

[6] Noura, H; Theilliol D; Ponsart J-C; Chamseddine A: “Fault-Tolerant

Control Systems“, Springer, 2009

[7] Vukic, Z; Ozbolt H; Pavlekovic, D: “Improving Fault Handling in Marine

Vehicle Course-Keeping System“, IEEE Robotics and Automation Society,

vol.6, 4(1999), 39-52

[8] Vukic, Z: "Otkrivanje i lokalizacija kvara u sustavima automatskog

upravljanja", EGE 7, (1999), vol. 2, 118-120

[9] Lo, C.H; Wong, J.K; Rad, A. B:“Model-based fault diagnosis in continuous

dyniamic systems“, ISA Transactions, 43 (2004) 459–475

[10] Golub, I; Anonic, R; Cibilic, A:“Fault Diagnosis and Isolation of the

Marine Diesel Engine Turbocharger System”,

http://biblio.irb.hr/datoteka/401407.IVANA_GOLUB_Mipro.pdf, 28.4.2010
 8. Sažetak

Ovaj rad obrađuje osnovne metode detekcije i izolacije kvara. Dani su osnovni
pojmovi koji se koriste u opisivanju sustava otpornih na kvar. Klasični pristup
koristi metode testiranja praga ili spektralnu analizu. Takav pristup ima dosta
nedostataka te se koriste metode temeljene na modelu. Ovakve metode koriste
generiranje reziduala, te ih obrađuju estimacijom parametara, observerima ili
paritetnim jednadžbama. Također, koriste i signale, te metode temeljene na
znanju.
 9. Abstract

This paper concerns basic methods of fault detection and isolation. Basic
definitions of fault tolerant systems are given. The classical approaches are limit
checking or spectral analysis. They do not give all needed informations so
model-based methods are developed. These methods use residual generation
and they are based on parametar estimation, parity equations, or state
observers. Also signal model and knowledge-based approaches were
developed.
 10. Životopis

Andrea Polak je redoviti student na Sveučilištu u Zagrebu, Fakultet

elektrotehnike i računarstva od 2003 godine. Srednjoškolsko obrazovanje je
stekla u Šibeniku, Gimnazija Antuna Vrančića.

Trenutno završava preddiplomski studij na studijskom programu Elektrotehnika i

informacijska tehnologija, smjer Automatika.