Documentos de Académico
Documentos de Profesional
Documentos de Cultura
m
X
ė (t) = ωi (ζ) (Ai x (t) + Bi u (t) − Ai x̂ (t) −
i=1
Bi u (t) − Li Ce)
m
X
ė (t) = ωi (ζ) (Ai x (t) − Ai x̂ (t) − Li Ce)
i=1
finalmente:
m
X
ė (t) = ωi (ζ) (Ai − Li C) e (t) (11)
i=1 Figura 2. Región dentro de un disco de radio r D(q,r)
la función de Lyapunov cuadrática:
V (e (t)) := e (t) P e > 0
T
(12) DETECCIÓN Y LOCALIZACIÓN DE FALLAS
T
para P = P > 0 y su derivada es Una vez que se estiman los estados (y por ende el vector
T T
V̇ (e (t)) := ė (t) P e (t) + e (t) P ė (t) < 0 (13) y(t)), las señales de diagnóstico o residuos, son generados
Sustituyendo (11) en la función de Lyapunov : a partir de los estados estimados y de los estados medidos
(x1 y x5 ), que en este caso de estudio son los estados
del modelo no lineal. Esto es, ||r1 (t)|| = ||y1 (t) − ŷ1 (t)||
m
X T y ||r2 (t)|| = ||y2 (t) − ŷ2 (t)||.
V̇ (e (t)) := ωi (ζ) (((Ai − Li C) e (t)) P e (t) +
i=1 Al procedimiento de supervisión en tiempo real de un
T proceso con capacidad para detectar, aislar fallas y evaluar
e (t) P (Ai − Li C) e (t)) < 0
su significado y gravedad se le conoce como sistema de
m
X diagnóstico de fallas (Torres et al., 2014).
T
V̇ (e (t)) := ωi (ζ) (e (t) (Ai T P − CT LT
i P )e (t) + El objetivo de nuestro sistema de diagnóstico de fallas
i=1 basado en un banco de observadores es generar un conjunto
T
e (t) (P Ai − P Li C) e (t)) < 0 de residuos que detectan la ocurrencia de fallas en sensores,
273