Resumen de A new scheme for multiple fault detection and isolation for rotational mechatronic systems through analytical redundancy and adaptive filtering

Edwin Villarreal López

• español

  A pesar de que la detección de fallas y los sistemas de aislamiento han sido ampliamente estudiados en los últimos años, todavía es un campo de investigación muy activo debido a su relevancia en los sistemas de producción industrial. En este trabajo, se propone un nuevon enfoque para la detección de fallas múltiples utilizando la evaluación residual. En primer lugar, se aplica un esquema de redundancia analítica para la generación de residuos utilizando redes autoregresivas no lineales con entradas exógenas para condiciones normales y defectuosas. Se incluyen datos de fallas simultáneas en el conjunto de entrenamiento para garantizar la detección de fallas múltiples. Luego, se usa un filtro adaptativo que considera medidas estadísticas de entrada para aumentar la sensibilidad y la robustez. Los coeficientes de filtro se obtienen fuera de línea a través de la optimización del algoritmo genético. Finalmente, se usa un clasificador con una red neuronal para el aislamiento de las fallas. El algoritmo propuesto se prueba en un sistema mecatrónico rotacional para fallas de holgura, fricción estática y fallas en la transmisión que muestren la efectividad de la detección propuesta.

• English

  Although Fault Detection and Isolation systems have been widely studied in recent years, it is still a very active research field due to its relevance in industrial production systems. In this paper, a new approach for multiple fault detection by using residual evaluation is proposed. First, an analytical redundancy scheme for residual generation is applied using nonlinear autoregressive networks with exogenous inputs for normal and faulty conditions. Simultaneous fault data is included in the training set in order to ensure multiple fault detection.

  Then, an adaptive filter considering statistic measures from input is used to increase sensibility and robustness. Filter coefficients are obtained off-line through genetic algorithm optimization. Finally, a neural network classifier is used for fault isolation. The proposed algorithm is tested on a rotary mechatronic test bench for backlash, bearing static friction and transmission faults to show the effectiveness of the proposed detection.