مشاهده‌گرهای متعامل غیرخطی درتشخیص عیب‌های حسگری و عملگری در سیستم ماهواره

در این مقاله، مسئله تشخیص به‌هنگام عیب‌های حسگری و عملگری با استفاده از ترکیب اطلاعات حسگری در یک سیستم ماهواره، مورد بررسی قرار می‌گیرد که در آن اطلاعات حسگرهای اینرسی، متشکل از شتاب‌سنج و ژیروسکوپ، با حسگرهای کمکی دیگر نظیر حسگر خورشید، حسگر زمین، حسگر ستاره، مغناطیس‌متر و سیستم موقعیت‌یاب جهانی ترکیب می‌شود. تمامی این حسگرها در معرض عیب‌ها، خرابی‌ها و نویزهای حسگری هستند. همچنین، پیشرانه‌ها، به عنوان عملگرها، در سیستم کنترل وضعیت ماهواره، مورد استفاده قرار می‌گیرند و در معرض عیب‌های متعددی هستند. در این مقاله، با فرض عدم وجود عیب‌های کالیبراسیون در حسگرها، تنها عیوب سخت (خرابی) و نویزهای حسگری مورد بررسی قرار می‌گیرند. با توجه به این واقعیت که مدل اندازه‌گیری در صورت بروز عیب سخت حسگری تغییر می‌کند، از مشاهده‌گرهای چندمدلی متعامل (imm) برای تشخیص خرابی حسگرها استفاده می‌شود. مشاهده‌گرهای مورد استفاده با توجه به غیرخطی و گوسی بودن مدل‌های موقعیت و وضعیت، فیلترهای کالمن خنثی (ukf) هستند. به‌منظور کاهش تعداد فیلترهای موازی مورد استفاده در روش imm پیشنهادی، زیرسیستم‌های وضعیت و موقعیت از یکدیگر دکوپله شده و برای هر زیرسیستم به ‌صورت جداگانه imm طراحی می‌شود. برای تشخیص عیب‌های عملگری از مشاهده‌گر ورودی ناشناخته (uio) استفاده می‌شود که با تخمین دقیق ورودی و مقایسه آن مقدار معلوم می‌توان به وجود، نوع و اندازه عیب در آن پی برد و در نتیجه عیب پیشرانه‌ای را تشخیص داد. صحت روش پیشنهادی از طریق شبیه‌سازی در محیط سیمولینک مورد ارزیابی و مقایسه با روش‌های مشابه قرار می‌گیرد.

Interacting Nonlinear Observers for Sensor and Actuator Fault Diagnosis in a Satellite System

In this paper, the problem of real time sensor and actuator fault diagnosis is studied in a satellite system fusing sensor information. Measurements of inertial sensors are fused with auxiliary sun, earth and star sensors as well as magnetometers and global positioning systems (GPS). All of these sensors are prone to faults, failures and, noises. Thrusters, as actuators, are also employed in satellite attitude control system and are subjected to different faults. In this paper, it is assumed that all sensors are calibrated and the only possible faults are hard faults (failures) and noises. Due to this fact that when a hard fault occurs in a sensor, the measurement model changes to a new one, interacting multiple models (IMMs) are employed for diagnosis of sensor faults. Unscented Kalman filters (UKFs) are used in IMMs due to nonlinear and Gaussian translational and attitude models. In order to reduce the number of parallel filters in the proposed IMM method, the translational and attitude subsystems are decoupled and separate IMMs are designed for each subsystem. Unknown input observers (UIOs) are used to estimate amplitude of faults in thrusters. The efficiency of the method is finally evaluated through simulation and compared with similar approaches.