Klassifikationsgestützte On-line Adaption eines robusten beobachterbasierten Fehlerdiagnoseansatzes für nichtlineare Systeme

Dr.-Ing. Patrick Gerland

April 2007 bis April 2011

Land Hessen

In dieser Arbeit wurde ein neues adaptives Fehlerdiagnosesystem für Lipschitz-stetige nichtlineare Systeme mit dynamischen Unsicherheiten entwickelt. Erkenntnisse und Verfahren aus dem Bereich der Takagi-Sugeno (TS) Fuzzy-Modellbildung und des Beobachterentwurfs sowie der Sliding-Mode (SM) Theorie wurden genutzt, um einen neuartigen robusten TS-SM-Beobachter für eine Klasse von nichtlinearen Systemen zu entwickeln. Bedingungen zur Stabilität und des Abklingverhaltens des Beobachters wurden basierend auf Linearen Matrixungleichungen (LMIs) abgeleitet. Diese Bedingungen garantieren zum einen die Stabilität und liefern zum anderen ein direktes Entwurfsverfahren des Beobachters.

Ein weiterer wesentlicher wissenschaftlicher Beitrag liegt in der Erweiterung des vorgeschlagenen Fehlerdiagnoseansatzes um eine on-line Adaption der Fehlersensitivität. Es wird vorgeschlagen, die Fehlerschwellen on-line an die aktuelle Betriebsphase mit deren jeweiligen maximal möglichen Unsicherheiten anzupassen. Hierdurch ergibt sich in Betriebsphasen mit geringen Modellunsicherheiten eine stark erhöhte Fehlersensitivität. In Betriebsphasen mit großen Modellunsicherheiten werden Fehlalarme vermieden. Der Grundgedanke ist, die aktuelle Betriebsphase mittels eines Bayes-Klassifikators zu ermitteln und darüber die Fehlerschwellen an die a-priori definierten Unsicherheiten der unterschiedlichen Betriebsphasen anzupassen.

Die Effektivität der vorgeschlagenen Ansätze zur Lösung von Aufgabenstellungen aus der technischen Praxis wurde durch die erfolgreiche Anwendung auf mehrere technische Systeme demonstriert.