Diagnos och övervakning

Mål

Att ge både en teoretisk och en praktisk grund för hur man konstruerar automatiska system (diagnossystem) för detektering och isolering av fel i tekniska processer.

Efter genomförd kurs skall studenten:

• veta varför diagnossystem används inom olika industriella applikationer.
• känna till hur man kan analysera vilka fel i en komplex process som behöver övervakas för att uppnå de övergripande målen.
• från en fallbeskrivning kunna strukturera problemet och ta fram princip och arkitektur för en komplett implementering av ett diagnossystem.
• givet en formell modellbeskrivning kunna välja lämplig matematisk metod för att lösa problemet.
• veta för- och nackdelar med de olika metoder som ingår i kursen.
• kunna tillämpa matematiska verktyg och metoder från ett brett spektrum av tidigare kurser för att lösa diagnosproblem.
• kunna värdera och verifiera funktionalitet och prestanda hos ett diagnossystem.
• ha en fördjupad och bred teoretisk insikt i ämnet, tillräcklig för att kunna tillgodogöra sig nya forskningsresultat i fältet.

Innehåll

• Introduktion: historik och översikt, praktiska tillämpningsexempel.
• Principer för modellbaserad diagnos: matematisk modellering av feldetektering och isolering av fel med hjälp av modeller, konsistensrelationer, analytisk redundans, beslut med strukturerade hypotestester.
• Systemtekniska metoder: linjär och olinjär residualgenerering, observatörer och Kalman-filter för diagnos, utvärdering av residualgeneratorer, adaptiv tröskling, statistiska metoder.
• Logikbaserade AI-metoder: grundläggande principer, felisoleringsalgoritmer.
• Sannolikhetsbaserad diagnos och Bayesianska nätverk.
• Övrigt: felträd och FMEA, statistiska metoder/change detection.