Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Examen DF
Examen DF
Estados y señales
Falla
Una desviación no autorizada de al menos una propiedad característica o parámetro del sistema
de la condición aceptable, habitual o estándar.
Fracaso
Mal funcionamiento
Error
Desviación entre un valor medido o calculado de una variable de salida y su valor verdadero o
teóricamente correcto.
Perturbación
Residual
Síntoma
2. Funciones
Detección de fallos
1.2. NOMENCLATURA
Aislamiento de fallas
Determinación del tipo, lugar y hora de detección de un fallo. Sigue a la detección de fallos.
Identificación de fallos
Determinación del tipo, tamaño, ubicación y hora de detección de un fallo. Sigue a la detección
de fallos. Incluye detección de fallos e identificación.
Monitoreo
Una tarea continúa en tiempo real de determinar las condiciones de un sistema físico, mediante el
registro de información, reconocimiento e indicación de anomalías en el comportamiento.
Supervisión
3. Modelos
Modelo cuantitativo
Uso de relaciones estáticas y dinámicas entre variables y parámetros del sistema para describir el
comportamiento de un sistema en términos matemáticos cuantitativos.
Modelo cualitativo
Uso de relaciones estáticas y dinámicas entre variables del sistema para describir el
comportamiento de un sistema en términos cualitativos como causalidades y reglas si-entonces.
Modelo de diagnóstico
Un conjunto de relaciones estáticas o dinámicas que vinculan las variables de entrada específicas,
los síntomas, a las variables de salida específicas, las fallas.
Redundancia analítica
Uso de más formas (no necesariamente idénticas) para determinar una variable, donde una forma
utiliza un modelo de proceso matemático en forma analítica.
Fiabilidad
Seguridad
Disponibilidad
Falla abrupta
Falta incipiente
Falla intermitente
6. Tipología de la falla
Falla aditiva
Influye en una variable mediante una adición de la falla misma. Pueden representar, por ej., o
conjuntos de sensores.
Fallo multiplicativo
Están representados por el producto de una variable con el propio fallo. Pueden aparecer como
cambios de parámetros dentro de un proceso.
Los dispositivos de control que se explotan hoy en día para mejorar el rendimiento general de los
procesos industriales involucran tanto sofisticadas técnicas de diseño de sistemas digitales como
hardware complejo (sensores de entrada-salida, actuadores, componentes y unidades de
procesamiento). De esta manera, la probabilidad de que ocurra una falla en dicho equipo puede
resultar significativa y se debe usar un control de supervisión automático para detectar y aislar las
condiciones de trabajo anómalas lo antes posible. Desde principios de la década de 1970, el
problema de la detección y el aislamiento de fallas en los procesos dinámicos ha recibido gran
atención y se ha propuesto y propuesto una amplia variedad de enfoques basados en modelos.
desarrollado.
Las técnicas basadas en modelos han sido ampliamente reconocidas como enfoques poderosos
para el diagnóstico de fallas y requieren un modelo matemático realista del sistema monitoreado.
Un sistema eficaz de diagnóstico de fallas basado en modelos debe gestionar los ruidos y las
incertidumbres del modelado, siempre presentes en situaciones reales.
Por otro lado, para el diagnóstico de fallas se requieren modelos matemáticos del proceso
investigado, ya sea en espacio de estados o input-output
Una descripción del espacio de estados del sistema proporciona herramientas generales y
matemáticamente rigurosas para el modelado del sistema y la generación de residuos, que pueden
usarse en el diagnóstico de fallas de sistemas industriales, tanto para el caso determinista como
para el estocástico.
Luego, los residuos deben procesarse para detectar una condición de falla real, rechazando
cualquier falsa alarma causada por ruido, señales espúreas e incertidumbres de modelado.
Esta tesis tiene como objetivo de nir una metodología integral para la detección y el aislamiento de
fallas de actuadores, componentes y sensores mediante el uso de un enfoque de estimación de
salida, junto con esquemas de procesamiento residual, que incluyen una detección de umbral
simple, en caso determinista, así como estadísticas análisis cuando los datos se ven afectados por
el ruido.
Los métodos sugeridos no requieren ningún conocimiento físico de los procesos bajo observación
ya que la descripción matemática del sistema monitoreado se obtiene mediante un esquema de
identificación del sistema basado en errores de ecuación y modelos de errores {in {variables. El
último enfoque de identificación proporciona un modelo confiable de la planta bajo investigación,
así como las variaciones de los ruidos de entrada y salida que afectan los datos.
Vale la pena señalar cómo este trabajo presenta un punto de vista novedoso del diagnóstico de
fallas basado en modelos. El nuevo aspecto consiste en explotar los procedimientos de
identificación de sistemas lineales en relación con el problema de generación residual basado en
modelos.
Las herramientas de diagnóstico presentadas en esta tesis están bien ilustradas mediante
ejemplos de aplicación práctica y los resultados muestran la efectividad de las técnicas
desarrolladas.