Überwachung und Diagnose von hybriden Systemen

Forschungsprojekt P 14233Überwachung und Diagnose von hybriden SystemenReinhold WEISZ 24.01.2000 In diesem Projekt wird ein Überwachungs- und Diagnosesystemes (MDS) für den online-Betrieb untersucht und entwickelt. Die Einsatzbereiche dieses MDS sind technische Umgebungen, wie beispielsweise intelligente Roboter, automotive Anwendungen und Produktionsprozesse. Technische Umgebungen weisen ein Reihe von Herausforderungen für ein MDS auf. In den meisten Fällen besitzen technische Umgebungen eine signifikante Komplexität und können nicht präzise spezifiziert werden. Aufgrund von diskreter Ablastung, begrenzter Beobachtbarkeit und Rauschen liefern auch die Messungen nur ein unvollständiges Bild von der technischen Umgebung. Das MDS muß darüberhinaus innerhalb garantierter Zeiten auf Ereignisse der technischen Umgebung reagieren. Der beschriebene, neuartige Forschungsansatz für model-basierte Überwachung und Diagnose basiert auf sogenannten semi- quantitativen Trackern. Ein Tracker repräsentiert eine bestimmte Hypothese, d.h., ein bestimmtes Modell des physikalischen Systemes, und versucht durch Vergleich des beobachteten Verhaltens (Messungen vom physikalischen System) mit dem vorhergesagten Verhalten (Simulation des Modells) die Hypothese zu bestätigen oder zu verwerfen. Die Modellierung des physikalischen Systemes wird mit Hilfe von hybriden Systemen vereinfacht, da sich rasch änderndes und für viele Anwendungen irrelevantes Systemverhalten zu diskontinuierlichen Übergangen abstrahiert werden kann. Der Tracker verwendet semi-quantitative und numerische Methoden, um unvollständiges Wissen darstellen und verarbeiten zu können. Das MDS wird in verschiedenen Modi mit unterschiedlicher Funktionalität und Komplexität betrieben. Dadurch kann die Verarbeitungskomplexität des MDS an die Zeitanfordungen der technischen Umgebung angepaßt werden. Darüberhinaus wird die Laufzeit des MDS und ihre Vorhersagbarkeit durch Implementierung auf Hochleistungs-Hardware stark verbessert. Das beschriebene MDS ermöglicht die Verarbeitung von unvollständigem und ungenauem Prozeßwissen sowie rauschbehafteten Meßdaten. Diese Eigenschaften sind für den Einsatz in technischen Umgebungen besonders wichtig.