Sistemi di Supervisione Adattativi

  • Codice Google Classroom del Corso: wcdv4wk
  • Link di Google Meet su Classroom: https://meet.google.com/lookup/bvqszkuzyf

  •     Supervision and Adaptive Systems. Modulo di 60 ore al I anno dell Laurea Magistrale in Ingegneria dell'Automazione e Informatica, Laurea Magistrale in Meccanica, e Laurea in Informatica. Dipartimento di Ingegneria dell'Università di Ferrara
     
     

    Course Programme

  • Introduction: Course Introduction
  • Issues in Model-Based Fault Diagnosis
  • Fault Detection and Isolation (FDI) Methods based on Analytical Redundancy
  • Model-based Fault Detection Methods

  •  
  • Issues in Model-Based Fault Diagnosis
  • Model Uncertainty and Fault Detection
  • The Robustness Problem in Fault Detection
  • System Identification for Robust FDI
  • Fault Identification Methods
  • Modelling of Faulty Systems

  •  
  • Residual Generation Techniques
  • The Residual Generation Problem

  •  
  • Fault Diagnosis Technique Integration
  • Fuzzy Logic for Residual Generation
  • Neural Networks in Fault Diagnosis

  •  
  • Residual Robustness to Disturbances

  •  
  • Application Examples

  •  
     
     

    Downloads: Lecture Notes


     
     
     

    Filmati delle Lezioni di Teoria (Canale YouTube Ingegneria LM Informatica e dell'Automazione)

    0. Introduzione al Corso

    1. Elementi di Supervisione e Diagnosi dei Guasti

    2. Il Metodo della Stima Parametrica come Tecnica di Generazione dei Residui per il Rilevamento dei Guasti di Processo o Sistema

    3. Reti Neurali e Sistemi Fuzzy per la Modellistica e la Diagnosi dei Guasi nei Processi Dinamici


     
     
     

    Esercitazioni Svolte al PC e Filmati delle Lezioni in Laboratorio di Informatica

  • 29/09/2020 (Gruppo A - G) - 06/10/2020 (Gruppo I - Z). Esempi Introduttivi sull'Utilizzo di Matlab e Simulink per la Diagnosi dei Guasti. Introduzione agli Elementi Principali di Matlab. Introduzione ai Blocchi Principali di Simulink. Esempio di script file, Matlab file e Simulink file per la simulazione di una misura con rumore e guasti. Link al filmato sul canale YouTube (gruppo studenti A - G) (durata: 100 min. circa). Link al filmato sul canale YouTube (gruppo studenti I - Z) (durata: 98 min. circa); Esempio di script file, Matlab file e Simulink file per la simulazione di un sensore di misura affetto da rumore e guasti.
  • 13/10/2020. Stima Parametrica Ricorsiva per la Diagnosi dei Guasti sui Parametri di un Processo Dinamico. Implementazione dell'Algoritmo RLS con Fattore d'Oblio (forgetting factor); Script di Matlab per la visualizzazione dei risultati; File Simulink per la generazione dei dati in presenza di variazioni parametriche; File Simulink per la generazione di guasti ingresso - uscita. File PDF con i Matlab script e schemi Simulink. Note utili all'esercitazione (file PDF); Link al filmato sul canale YouTube (durata: 100 min. circa).
  • 20/10/2020. Esempio di Progetto dell'Osservatore d'Uscita per un Modello SISO e Generazione dell'Errore di Stima. Matlab script file con il modello del processo e il progetto dell'osservatore; modello Simulink complessivo del processo e osservatore per la generazione dell'errore di stima; Link al filmato sul canale YouTube (durata: 61 min. circa).
  • 20/10/2020. Esempio di Progetto dell'Osservatore d'Uscita per un Modello SIMO con un Banco di 3 Osservatori per FDI. Matlab script file con il modello del processo e il progetto dell'osservatore; modello Simulink complessivo; Matlab script file per la valutazione dei residui; file in PDF con gli script Matlab e gli schemi Simulink. Link al filmato sul canale YouTube (durata: 30 min. circa).
  • 27/10/2020. Stima Parametrica Ricorsiva con Fattore d'Oblio per la Diagnosi dei Guasti sui Parametri di un Processo Dinamico. Implementazione dell'Algoritmo RLS con Fattore d'Oblio (forgetting factor); File Simulink per la generazione delle stime con blocco Simulink RLS (versione realizzata durante il filmato, compatibile con Matlab 2016); Note utili all'esercitazione (file PDF); Link al filmato sul canale YouTube (durata: 61 min. circa).
  • 27/10/2020. Stima Parametrica Ricorsiva con Fattore d'Oblio per la Diagnosi dei Guasti sui Parametri di un Processo Dinamico. File Simulink per la generazione delle stime con blocco Simulink RLS; File Simulink compatibile con versione 2016 di Matlab; Link al filmato sul canale YouTube (durata: 25 min. circa).

  •  
     
     

    References: Monographs and Textbooks on FDI

  • Rolf Isermann. "Fault-Diagnosis Applications: Model-Based Condition Monitoring: Actuators, Drives, Machinery, Plants, Sensors, and Fault-tolerant Systems". Springer. (April 29, 2011). ISBN: 978-3642127663.
  • Steven X. Ding, "Model-based Fault Diagnosis Techniques: Design Schemes, Algorithms, and Tools". Springer, (April 10, 2008). ISBN: 978-3540763031.
  • Rolf Isermann, "Fault-Diagnosis Systems: An Introduction from Fault Detection to Fault Tolerance". Springer-Verlag, 2005, 1st Editions. November, 28, 2005. ISBN: 3540241124.
  • Blanke, M. and Kinnaert, M. and Lunze, J. and Staroswiecki, M. Schroder, J., "Diagnosis and Fault-Tolerant Control". Springer, 2003. 1st Edition. August, 5, 2005. ISBN: 3540010564.
  • Korbicz, J. and Koscielny, J. M. and Kowalczuk, Z. and Cholewa, W., "Fault Diagnosis: Models, Artificial Intelligence, Applications". Springer-Verlag, 2004. 1st Edition. February, 12, 2004. ISBN: 3540407677.
  • Simani, S. and Fantuzzi, C. and Patton, R. J., "Model-based fault diagnosis in dynamic systems using identification techniques", Springer-Verlag, 2002. ISBN 1852336854. Advances in Industrial Control Series. London, UK. First Eq. November, 2002. (298 pages).
  • Stamatis, D. H., "Failure Mode and Effect Analysis: FMEA from Theory to Execution",ASQ Quality Press, 2003, 2nd Edition, June, 2003. ISBN: 0873895983.
  • Basseville, M. and Nikiforov, I. V., "Detection of Abrupt Changes: Theory and Application", Springer-Verlag (March 1986), ISBN: 0387160434.
  • Chen, J. and Patton, R. J., "Robust Model-Based Fault Diagnosis for Dynamic Systems", Kluwer Academic Publishers, 1999. ISBN: 0792384113.
  • Chiang, L. H. and Russel, E. L. and Braatz, R. D., "Fault Detection and Diagnosis in Industrial Systems", Springer-Verlag London Limited, 2001. Advanced Textbooks in Control and Signal Processing Series. London, Great Britain. ISBN: 1852333278.
  • Gertler, J., "Fault Detection and Diagnosis in Engineering Systems". Marcel Dekker, 1998, New York. ISBN: 0824794273.
  • Hadjicostis, Christoforos N., "Coding Approaches to Fault Tolerance in Combinational and Dynamic Systems", Kluwer Academic Publishers. November 2001. The Kluwer International Series in Engineering and Computer Science. ISBN: 0792376242.
  • Liu, G. P. and Patton, R. J., "Eigenstructure Assignment for Control System Design", John Wiley and Sons. England, 1998. ISBN: 0471975494.
  • Patton, R. J. and Frank, P. M. and Clark, R. N., "Fault Diagnosis in Dynamic Systems, Theory and Application", Prentice Hall. 1989, London. Control Engineering Series. ISBN: 0133082636.
  • Patton, R. J. and Frank, P. M. and Clark, R. N., "Issues of Fault Diagnosis for Dynamic Systems", Springer-Verlag, 2000. London Limited. ISBN: 3540199683.

  •  
     
     

    Downloads: Related Readings

  • "Model-Based Fault Diagnosis for Industrial Processes" (Silvio Simani's Extended Report, October 2007): (PDF file, 35 MB).
  • "Lecture Notes, Chapters 1 and 2" (Chapters form Silvio Simani's Extended Report, October 2007): (PDF file, 1 MB).
  • "Model-based fault-detection and diagnosis - status and applications" (Journal Paper by Rolf Isermann, 2005): (PDF file, 1 MB).
  • Parameter Estimation Examples for Fault Detection. Matlab and Simulink files and models for Matlab 6.1: (zipped Matlab and Simulink files, 5 KB).
  • Recursive Estimation Examples. 2 Matlab files for Matlab 6.1: (zipped Matlab and Simulink files, 2 KB).
  • Design Example of Output Observer for FDI. Example with Noise (Matlab and Simulink files and models for Matlab 6.1): (zipped Matlab and Simulink files, 7 KB).
  • Design Example of Output Observers for FDI. SIMO Model with three Observers. (2 Matlab files and 1 Simulink model for Matlab 6.1): (zipped Matlab and Simulink files, 5 KB).
  • Design Example of UIO. Model with disturbance. Generation of disturbance decoupled estimation errors and residuals. (Matlab and Simulink files for Matlab 6.1): (zipped Matlab and Simulink files, 4 KB).
  • Design Example of UIO for FDI. MIMO Model with disturbance and two faults. Generation of disturbance decoupled residuals for input sensor fault isolation. (Matlab and Simulink files for Matlab 6.1): (zipped Matlab and Simulink files, 5 KB).
  • Design Example of a Kalman filter. Model with noise errors. Generation of minimal variance estimation error signals. (Matlab and Simulink files for Matlab 6.1): (zipped Matlab and Simulink files, 5 KB).
  • Kalman filter for Fault Diagnosis. Model with noise errors and output sensor fault. Residual statistical tests. (Matlab and Simulink files for Matlab 6.1): (zipped Matlab and Simulink files, 7 KB).
  • List of demos for the PERCEPTRON neural network example: "demop1", classification for a 2-input perceptron; "demop6", linearly non-separable input vectors; and selected from "nndtoc": "nnd3pc", perceptron classification - fruit example; "nnd4db", perceptron decision boundary; "nnd4pr" perceptron rule.
  • Examples taken from Matlab Exchange Files Web Site: (i) implementation of a two-layers two-neurons network, (ii) multi-layer perceptron training with variable learning rate, (iii) character recognition GUI. Zipped Matlab file (495 KB).
  • Three examples of radial basis function (RBF) neural network taken from the Neural Network Design Table of Contents ("nndtoc", Chapter 11): "demorb1", "demorb3", and "demorb4", with different types and number of radial basis functions.
  • Three examples taken from the web site of Prof. Robert Babuska, Intelligent Control and Robotics, Delft Center for Systems and Control, Faculty of Mechanical Engineering and Systems, Delft University of Technology. Interactive identification of static and dynamic systems. Zipped Matlab directory (213 KB).
  • Examples of nonlinear models and neural network training. Zipped Matlab and Simulink directories (14 MB).
  • Examples of integration of neural networks and fuzzy models with dynamic observers and filters for fault detection and isolation. Zipped Matlab and Simulink directories (5 MB).

  •  
     
     

     
     
     
    Previous Page Simani Home Page Dipartimento di Ingegneria