طراحي روش پريتي غيرخطي به‌منظور شناسايي و تشخيص عيب در سيستم‌هاي غيرخطي بر پايۀ رويتگر ورودي ناشناخته و مدل فازي TS

Design of nonlinear parity approach to fault detection and identification based on Takagi-Sugeno fuzzy model and unknown input observer in nonlinear systems

در اين مقاله يك روش نوين تشخيص عيب براي كلاسي از سيستم‌هاي غيرخطي در حضور نويز اندازه‌گيري ارائه ‌شده است. ازآنجاكه در كلاس معرفي‌شده ضرايب عيب و نويز اندازه‌گيري، غيرخطي بوده ابتدا مدل فازي غيرخطي TS براي ايجاد زيرسيستم بكار گرفته مي‌شود. در گام بعد نگاشتي جهت جداسازي نويز اندازه‌گيري و عيب در هركدام از زيرسيستم‌هاي فازي ارائه‌ مي‌شود. سپس يك رويتگر ورودي ناشناخته به‌منظور تخمين متغيرهاي حالت زيرسيستم‌هاي متأثر از نويز اندازه‌گيري طراحي مي‌شود. به‌منظور تضمين پايداري مجانبي ديناميك خطاي تخمين، روش پايداري لياپانوف با به‌كارگيري نامعادلات ماتريسي غيرخطي ارائه مي‌شود. همچنين با به‌كارگيري روش پريتي غيرخطي، تشخيص و شناسايي عيب انجام خواهد گرفت. درنهايت كارايي روش پيشنهادي در تشخيص و شناسايي عيب با شبيه‌سازي در سيستم قطار مورد ارزيابي قرار مي‌‌گيرد.

In this study, a novel fault detection scheme is developed for a class of nonlinear system in the presence of sensor noise. A nonlinear Takagi-Sugeno fuzzy model is implemented to create multiple models. While the T-S fuzzy model is used for only the nonlinear distribution matrix of the fault and measurement signals, a larger category of nonlinear systems is considered. Next, a mapping to decouple fault and measurement noise will be used in each fuzzy subsystems. Then, an unknown input observer is implemented to estimate the states of the subsystems subjected to measurement noise. To guarantee asymptotic stability of error dynamic, quadratic Lyapunov function using bilinear matrix inequality is introduced. Finally, the nonlinear parity approach will be used to generate residual to detect and estimate occurred fault(s) in the system. A simulation study on the train system is presented to demonstrate the efficiency of the proposed method.