پیش آگاهی بهبود یافته مبتنی بر فیلتر ذره برای سیستم های هایبرید
چکیده
در این مقاله مدلی جدید برای مدلسازی روند رشد عیب معرفی شده است. این مدل از توانایی پوشش دادن رفتارهای چندگانهی سیستمها برای اهداف پیشآگاهی برخوردار است. در ابتدا روابط جامع تقویت شده افزونگی تحلیلی برای تعقیب سیستم در وضعیت سالم به کار میروند. هر زمان که عیبی در سیستم رخ دهد، الگوریتم با استفاده از ماتریس امضای تغییر مود بررسی میکند که آیا این عدم سازگاری به دلیل تغییر مود ناشناختهای بوده است یا به سبب عیب. در صورتی که مشخص شود ناسازگاری به سبب وجود عیب است، با کمک ماتریس امضای عیب مستقل از مود، مجموعهای از عیوبی که امکان دارد سبب ناسازگاری شوند به بخش فیلتر ذره معرفی میشوند. فیلتر ذره وظیفهی شناسایی همزمان پارامترها و حالات سیستم را بر عهده دارد. با شناسایی مقادیر پارامترهای سیستم و مقایسهی آن با مقادیر نامی، عیوب واقعی از مجموعهی کاندید عیوب جدا میشوند. در ادامه با رشد دادن مقادیر بدست آمده برای پارامتر معیوب، مدت زمان مفید باقیمانده برای سیستم تخمین زده میشود.