Published by De Gruyter (O) July 31, 2019

Flachheitsbasierte algebraische Fehlerdiagnose für einen Euler-Bernoulli-Balken mittels Modulationsfunktionen

Flatness-based algebraic fault diagnosis for an Euler-Bernoulli beam using modulating functions

Ferdinand Fischer
Ferdinand Fischer ist wissenschaftlicher Mitarbeiter am Lehrstuhl für Regelungstechnik der Universität Erlangen-Nürnberg in der Forschungsgruppe „Unendlich-dimensionale Systeme“ von Prof. Deutscher. Hauptarbeitsgebiet ist die Fehlerdiagnose für verteilt-parametrische Systeme mittels der Methode der Modulationsfunktionen.
and Joachim Deutscher
Joachim Deutscher ist außerplanmäßiger Professor am Lehrstuhl für Regelungstechnik der Universität Erlangen-Nürnberg und leitet dort die Forschungsgruppe „Unendlich-dimensionale Systeme“. Hauptarbeitsgebiete: Backstepping-Methoden und Fehlerdiagnose für verteilt-parametrische Systeme sowie Regelung nichtlinearer Systeme mit Anwendungen in der Robotik, Mechatronik und Fertigungstechnik.

From the journal at - Automatisierungstechnik

https://doi.org/10.1515/auto-2019-0035

Showing a limited preview of this publication:

Zusammenfassung

Zur Fehlerdiagnose für verteilt-parametrische Systeme (SVP) wird eine neue Methode vorgestellt, die keine Systemapproximation erfordert. Die Anwendung von Integraltransformationen auf das SVP ermöglicht das Aufstellen einer Eingangs-Ausgangs-Beziehung, aus der sich ein algebraischer Ausdruck für den Fehler herleiten lässt. Um die Fehlerdiagnose unabhängig von den Störungen und unbekannten Zuständen zu machen, wird die Bestimmung der als Modulationsfunktion bezeichneten Integralkerne auf die Realisierung eines Arbeitspunktwechsels für ein SVP zurückgeführt. Aufgrund der Flachheit dieses SVP können die zugehörige Trajektorienplanung und der Steuerungsentwurf systematisch mit flachheitsbasierten Methoden erfolgen. Damit stellt der Beitrag erstmalig einen neuen Zusammenhang zwischen der Fehlerdiagnose für SVP und der Flachheitseigenschaft her. Die neue Diagnosemethode wird im Beitrag auf einen Euler-Bernoulli-Balken mit polynomialen sowie beschränkten Störungen zur Detektion von Aktorfehlern angewendet und in Simulationen validiert.

Abstract

A new method to the fault diagnosis for distributed parameter systems (DPS) is presented that does not require a system approximation. The application of integral transformations to the DPS allows the establishment of an input-output relationship from which an algebraic expression for the fault can be derived. In order to render the fault detection independent of the disturbances and the unknown states, the determination of the associated integral kernels, the so-called modulating functions, is traced back to the realization of a set-point change for a DPS. As this DPS is flat, the associated trajectory planning and the feedforward control design can be determined systematically with flatness-based methods. Thus, the contribution establishes for the first time a new connection between the fault diagnosis for DPS and the flatness property. The results of the contribution are applied to detect an actuator fault for an Euler-Bernoulli beam with polynomial and bounded disturbances. The effectiveness of the new fault diagnosis method is validated in simulations.

Schlagwörter: Verteilt-parametrische Systeme; Fehlerdiagnose; Methode der Modulationsfunktionen; Flachheit; Euler-Bernoulli-Balken

Keywords: distributed-parameter systems; fault diagnosis; modulating function; flatness; Euler-Bernoulli beam

Funding source: Deutsche Forschungsgemeinschaft

Award Identifier / Grant number: 391022641

Funding statement: Die Arbeit wurde von der Deutschen Forschungsgemeinschaft im Rahmen des Projekts DE-1368/5-1 (GEPRIS-Projektnr. 391022641) gefördert.

About the authors

M.Sc. Ferdinand Fischer

Ferdinand Fischer ist wissenschaftlicher Mitarbeiter am Lehrstuhl für Regelungstechnik der Universität Erlangen-Nürnberg in der Forschungsgruppe „Unendlich-dimensionale Systeme“ von Prof. Deutscher. Hauptarbeitsgebiet ist die Fehlerdiagnose für verteilt-parametrische Systeme mittels der Methode der Modulationsfunktionen.

Prof. Dr.-Ing. habil. Joachim Deutscher

Joachim Deutscher ist außerplanmäßiger Professor am Lehrstuhl für Regelungstechnik der Universität Erlangen-Nürnberg und leitet dort die Forschungsgruppe „Unendlich-dimensionale Systeme“. Hauptarbeitsgebiete: Backstepping-Methoden und Fehlerdiagnose für verteilt-parametrische Systeme sowie Regelung nichtlinearer Systeme mit Anwendungen in der Robotik, Mechatronik und Fertigungstechnik.

AnhangHerleitung der Bedingungen (62)

Im Folgenden werden die Bedingungen für detP≠0 hergeleitet. Hierzu wird gezeigt, dass P eine obere Dreiecksmatrix ist, für welche die Elemente auf der Hauptdiagonalen und somit detP geschlossen angegeben werden können. Aufgrund der Wahl (60) liegt Πδδ direkt als obere Dreiecksmatrix mit den Hauptdiagonaleinträgen

(99)Πδδ,ii=(−1)i−1(i−1)!⟨mδ,1,g1⟩Ω,I

für i=1,2,…,p vor. Zur Bestimmung von detP wird nun gezeigt, dass Q=ΠδfΠff−1Πfδ ebenfalls obere Dreiecksstruktur hat. Abhängig von den Polynomgraden r und p in (2) und (6) erhält man

(100a)Πδf=Π‾δf0(p−r)×r,Π‾δf∈Rr×r:p>rΠ‾δf∈Rp×p:p=rΠ‾δfΠ˜δf,Π‾δf∈Rp×pΠ˜δf∈Rp×(r−p):p<r

und

(100b)Πfδ=Π‾fδΠ˜fδ,Π‾fδ∈Rr×rΠ˜fδ∈Rr×(p−r):p>rΠ‾fδ∈Rr×r:p=rΠ‾fδ0(r−p)×p,Π‾fδ∈Rp×p:p<r

mit Π‾δf und Π‾fδ als obere Dreiecksmatrizen. Wie sich nach kurzer Rechnung zeigt, hat Πff−1 ebenfalls obere Dreiecksform mit den Hauptdiagonaleinträgen

(101)Πff,ii−1=1(−1)i−1(i−1)!⟨mf,1,b⟩Ω,I

für i=1,2,…,r. Im Fall r=p sind Πδf und Πfδ quadratisch mit den Hauptdiagonaleinträgen

(102a)Πfδ,ii=(−1)i−1(i−1)!⟨mf,1,g1⟩Ω,I

(102b)Πδf,ii=(−1)i−1(i−1)!⟨mδ,1,b⟩Ω,I

für i=1,2,…,r. Demnach weist auch Q obere Dreiecksform auf und mit (101) folgt

(103)Qii=(−1)i−1(i−1)!⟨mδ,1,b⟩Ω,I⟨mf,1,g1⟩Ω,I⟨mf,1,b⟩Ω,I.

Zusammen mit (99) gilt

(104)detP=ξr∏i=1r(−1)i−1(i−1)!,

worin

(105)ξ=⟨mδ,1,g1⟩Ω,I−⟨mδ,1,b⟩Ω,I⟨mf,1,g1⟩Ω,I⟨mf,1,b⟩Ω,I

ist. Für p>r erhält man

(106)Q=Q‾Π‾δfΠff−1Π˜δf0(p−r)×r0(p−r)×(p−r)

mit Q‾=Π‾δfΠff−1Π‾fδ. Hierbei ist Q‾ entsprechend dem Fall p=r eine obere Dreiecksmatrix mit den Hauptdiagonaleinträge

(107)Q‾ii=(−1)i−1(i−1)!⟨mδ,1,b⟩Ω,I⟨mf,1,g1⟩Ω,I⟨mf,1,b⟩Ω,I

für i=1,2,…,r. Somit folgt für

(108)Pii=Πδδ,ii−Q‾ii:i=1,2,…,rΠδδ,ii:i=r+1,r+2,…,p

und zusammen mit (99)

(109)detP=⟨mδ,1,g1⟩Ω,Ip−rξr∏i=1p(−1)i−1(i−1)!.

Für p<r muss Πff−1 in die Blockmatrix

(110)Πff−1=Π‾ff−1⋆0(r−p)×p⋆

mit Π‾ff−1∈Rp×p aufgeteilt werden, wobei ⋆ nicht interessierende Blockmatrixelemente bezeichnet. Mit (110) folgt nach kurzer Rechnung Q=Π‾δfΠ‾ff−1Π‾fδ als obere Dreiecksmatrix mit den Hauptdiagonaleinträgen entsprechend (103), aber mit i=1,2,…,p. Demnach ergibt sich

(111)detP=ξp∏i=1p(−1)i−1(i−1)!.

Somit ist detP≠0 für p≤r mit ξ≠0 erfüllt (siehe (105)), was (62a) entspricht. Für p>r ist die zusätzliche Bedingung (62b) zu berücksichtigen.

Literatur

1. S. Asiri and T.-M. Laleg-Kirati: Modulating functions-based method for parameters and source estimation in one-dimensional partial differential equations. Inverse Problems in Science and Engineering, 25: S. 1191–1215, 2017.10.1080/17415977.2016.1240793Search in Google Scholar

2. J. Cai, H. Ferdowsi and J. Sarangapani: Model-based fault detection, estimation, and prediction for a class of linear distributed parameter systems. Automatica, 66: S. 122–131, 2016.10.1016/j.automatica.2015.12.028Search in Google Scholar

3. M. A. Demetriou: A model-based fault detection and diagnosis scheme for distributed parameter systems: A learning systems approach. ESAIM: Control, Optimisation and Calculus of Variations, 7: S. 43–67, 2002.10.1051/cocv:2002003Search in Google Scholar

4. J. Deutscher: Fault detection for linear distributed-parameter systems using finite-dimensional functional observers. International Journal of Control, 89: S. 550–563, 2016.10.1080/00207179.2015.1086024Search in Google Scholar

5. S. X. Ding: Model-based fault diagnosis techniques: design schemes, algorithms, and tools. Springer–Verlag, Berlin, 2008.Search in Google Scholar

6. M. Eckert, M. Kupper and S. Hohmann: Functional fractional calculus for system identification of battery cells. at-Automatisierungstechnik, 62: S. 272–281, 2014.10.1515/auto-2014-1083Search in Google Scholar

7. N. H. El-Farra: Integrated fault detection and fault-tolerant control architectures for distributed processes. Industrial & Engineering Chemistry Research, 45: S. 8338–8351, 2006.10.1021/ie060052iSearch in Google Scholar

8. F. Fischer and J. Deutscher: Algebraic fault detection and isolation for parabolic distributed-parameter systems using modulation functions. In: 2nd IFAC Workshop on Control of Systems Governed by Partial Differential Equations, S. 164–169, Bertinoro, Italien, 2016.Search in Google Scholar

9. F. Fischer and J. Deutscher: Fault detection for parabolic systems with distributed inputs and outputs using the modulation function approach. In: 20th World Congress of the International Federation of Automatic Control, S. 6968–6973, Toulouse, Frankreich, 2017.Search in Google Scholar

10. F. Fischer and J. Deutscher: Modulating function based fault detection for parabolic systems with polynomial faults. In: 10th IFAC Symposium on Fault Detection, Supervision and Safety for Technical Processes, SAFEPROCESS, S. 359–366, Warschau, Polen, 2018.10.1016/j.ifacol.2018.09.602Search in Google Scholar

11. N. Gehring, C. Stauch and J. Rudolph: Parameter identification, fault detection and localization for an electrical transmission line. In: European Control Conference, S. 2090–2095, Ålborg, Dänemark, 2016.10.1109/ECC.2016.7810600Search in Google Scholar

12. J. Henikl, J. Schröck, T. Meurer, und A. Kugi: Infinit-dimensionaler Reglerentwurf für Euler-Bernoulli Balken mit Macro-Fibre Composite Aktoren. at-Automatisierungstechnik, 60: S. 10–19, 2012.10.1524/auto.2012.0967Search in Google Scholar

13. R. Isermann: Fault-diagnosis systems: An introduction from fault detection to fault tolerance. Springer–Verlag, Berlin, 2006.10.1007/3-540-30368-5Search in Google Scholar

14. J. Jouffroy and J. Reger: Finite-time simultaneous parameter and state estimation using modulating functions. In: IEEE Conference on Control Applications, S. 394–399, Sydney, Australien, 2015.10.1109/CCA.2015.7320661Search in Google Scholar

15. D.-Y. Liu, T.-M. Laleg-Kirati, O. Gibaru and W. Perruquetti: Identification of fractional order systems using modulating functions method. In: American Control Conference, S. 1679–1684, Washington, USA, 2013.Search in Google Scholar

16. D.-Y. Liu, G. Zheng, D. Boutat and H.-R. Liu: Non-asymptotic fractional order differentiator for a class of fractional order linear systems. Automatica, 78: S. 61–71, 2017.10.1016/j.automatica.2016.12.017Search in Google Scholar

17. J. Loeb and G. Cahen: More about process identification. IEEE Transactions on Automatic Control, 10: S. 359–361, 1965.10.1109/TAC.1965.1098172Search in Google Scholar

18. A. F. Lynch and J. Rudolph: Flatness-based boundary control of a class of quasilinear parabolic distributed parameter systems. International Journal of Control, 75: S. 1219–1230, 2002.10.1080/00207170210163640Search in Google Scholar

19. T. Meurer: Feedforward and feedback tracking control of diffusion-convection-reaction systems using summability methods. Fortschritt-Berichte VDI, Reihe 8, Nr. 1081. VDI Verlag, Düsseldorf, 2005.10.1021/ie0495729Search in Google Scholar

20. M. Noack, J. Rueda-Escobedo, J. Reger and J. Moreno: Fixed-time parameter estimation in polynomial systems through modulating functions. In: 55th IEEE Conference on Decision and Control, S. 2067–2072, Las Vegas, USA, 2016.10.1109/CDC.2016.7798568Search in Google Scholar

21. F. J. Perdreauville and R. E. Goodson: Identification of systems described by partial differential equations. Journal of Basic Engineering, 88: S. 463–468, 1966.10.1115/1.3645880Search in Google Scholar

22. J. Reger und J. Jouffroy: Algebraische Ableitungsschätzung im Kontext der Rekonstruierbarkeit. at-Automatisierungstechnik, 56: S. 324–331, 2008.10.1524/auto.2008.0711Search in Google Scholar

23. L. Rodino: Linear partial differential operators in Gevrey spaces. World Scientific Publishing, Singapore, 1993.10.1142/1550Search in Google Scholar

24. J. Rudolph und F. Woittennek: Trajektorienplanung für die Steuerung gewisser linearer Systeme mit verteilten Parametern. at-Automatisierungstechnik, 54: S. 228–239, 2006.10.1524/auto.2006.54.5.228Search in Google Scholar

25. C. Schmid und G. Roppenecker: Parameteridentifikation für LTI-Systeme mit Hilfe signalmodellgenerierter Modulationsfunktionen. at-Automatisierungstechnik, 59: S. 521–528, 2011.10.1524/auto.2011.0942Search in Google Scholar

26. J. Schröck, T. Meurer and A. Kugi: Control of a flexible beam actuated by macro-fiber composite patches: I. Modeling and feedforward trajectory control. Smart Materials and Structures, 20: S. 1–7, 2010.10.1088/0964-1726/20/1/015015Search in Google Scholar

27. M. Shinbrot: On the analysis of linear and nonlinear dynamical systems from transient-response data. National Advisory Commitee For Aeronautics, Technical Note 3288, 1954.Search in Google Scholar

28. C. Voigt und J. Adamy: Formelsammlung der Matrizenrechnung. Oldenbourg, München, 2007.10.1524/9783486719802Search in Google Scholar

29. X. Wei, D.-Y. Liu and D. Boutat: Non-asymptotic pseudo-state estimation for a class of fractional order linear systems. IEEE Transactions on Automatic Control, 62: S. 1150–1164, 2017.10.1109/TAC.2016.2575830Search in Google Scholar

30. F. Woittennek: Beiträge zum Steuerungsentwurf für lineare, örtlich verteilte Systeme mit konzentrierten Stelleingriffen. Berichte aus der Steuerungs- und Regelungstechnik. Shaker Verlag, Aachen, 2007.10.1524/auto.2007.55.9.497_2Search in Google Scholar

Received: 2019-03-08

Accepted: 2019-06-07

Published Online: 2019-07-31

Published in Print: 2019-08-27