• No results found

Lösningsförslag/facit till Tentamen TSFS06 Diagnos och övervakning 14 januari, 2008, kl. 14.00-18.00

N/A
N/A
Protected

Academic year: 2021

Share "Lösningsförslag/facit till Tentamen TSFS06 Diagnos och övervakning 14 januari, 2008, kl. 14.00-18.00"

Copied!
5
0
0

Loading.... (view fulltext now)

Full text

(1)

Lösningsförslag/facit till Tentamen

TSFS06 Diagnos och övervakning 14 januari, 2008, kl. 14.00-18.00

Tillåtna hjälpmedel: TeFyMa, Beta, Physics Handbook, Reglerteknik (Glad och Ljung), Formelsamling i statistik och signalteori och mi- niräknare.

Ansvarig lärare: Erik Frisk, tel 285714.

Betyg rapporteras in och anslås senast den 25:e januari

Visning av skrivningen sker kl. 17.00 den 28:e januari på Fordonssy- stem.

Totalt 40 poäng.

Preliminära betygsgränser:

Betyg 3: 18 poäng

Betyg 4: 25 poäng

Betyg 5: 30 poäng

(2)

Uppgift 1.

a) Alla fel är starkt detekterbara.

b) En konsistensrelation baserad på statisk redundans är 0 = y1+ y2− u

Exempel på konsistensrelationer baserade på temporal redundans är 0 = ˙y2− y1

0 = ˙y2+ y2− u 0 = ˙y1+ y1− ˙u

c) Motsvarande residualgeneratorer är:

r1= y1+ y2− u och

r2(p) = 1

p+ 2(py2− y1) = y2+ 1

p+ 2(−y1− 2y2) r3(p) = 1

p+ 2(py2+ y2− u) = y2+ 1

p+ 2(−y2− u) r4(p) = 1

p+ 2(py1+ y1− pu) = y1− u + 1

p+ 2(−y1+ 2u) eller på tillståndsform

˙x2= −2x2− y1− 2y2 r2= x2+ y2

˙x3= −2x3− y2− u r3= x3+ y2

˙x4= −2x4− y1+ 2u r4= x4+ y1− u

d) Interna formen för de föreslagna residualgeneratorerna är:

r1= f1+ f2+ f3+ f4

r2(p) = 1

p+ 2(−f2+ pf3) r3(p) = 1

p+ 2(f1+ (p + 1)f3+ f4) r4(p) = 1

p+ 2(pf1+ (p + 1)f2+ pf4) Beslutsstrukturen för dessa residualer är:

(3)

N F F1 F2 F3 F4

r1 0 X X X X

r2 0 0 X X 0

r3 0 X 0 X X

r4 0 X X 0 X

Alla fel starkt detekterbara i r1.

F2 är starkt och F3är svagt detekterbart i r2. F1, F2 och F4 är starkt detekterbara i r3.

F2 är starkt och F1och F4 är svagt detekterbara i r4.

Uppgift 2. a) Figur 1 illustrerar falsklarm och missda detektion för en tröskel J = 1.5 och f0= 1.

−5 −4 −3 −2 −1 0 1 2 3 4 5

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5

r

(a) Falsklarm

−5 −4 −3 −2 −1 0 1 2 3 4 5

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5

(b) Missad detektion

Figur 1: Illustration över missad detektion och falslarmssannolikheter.

b)

P(F A) = 2(1 − Φ(J σ)) P(M D) = Φ(J− f0

σ ) − Φ(−J − f0

σ )

J = Γ(1 − 1 2α)σ

c) Falskalarmsannolikheten minskar och sannolikheten för missad detektion ökar med ökande tröskelstorlek. När tröskelvärdet är 0 så är falskalarmsannolikheten 1 och sannolikheten för missad detektion 0. När tröskelstorleken går mot oändligheten så går falskalarmsannolikheten mot 0 och sannolikheten för missad detektion mot 1.

d) Se kurskompendiet.

Uppgift 3.

a) Se kurskompendiet.

b) Låt Ci vara en den komponent som går sönder då fel fi inträffar. De konflikter vi får då r2

och r4 reagerar är:

OK(C1) ∧ OK(C2) ∧ OK(C4) OK(C2) ∧ OK(C3)

(4)

De minimala diagnoserna är:

¬OK(C1)∧ OK(C2)∧ ¬OK(C3)∧ OK(C4) OK(C1)∧ ¬OK(C2)∧ OK(C3)∧ OK(C4) OK(C1)∧ OK(C2)∧ ¬OK(C3)∧ ¬OK(C4)

Diagnoserna är de minimala diagnoserna, alla trippelfel, att allt är fel samt följande dubbelfel:

¬OK(C1)∧ ¬OK(C2)∧ OK(C3)∧ OK(C4) OK(C1)∧ ¬OK(C2)∧ ¬OK(C3)∧ OK(C4) OK(C1)∧ ¬OK(C2)∧ OK(C3)∧ ¬OK(C4)

c)

N F f1 f2 f3 f4

NF 1 1 1 1 1

f1 0 1 0 0 0

f2 0 0 1 0 0

f3 0 0 0 1 0

f4 0 1 0 0 1

d) Det som saknas för att kunna isolera alla fel unikt är att f4 inte kan isoleras från f1. Detta betyder att r5 måste vara känslig för f4 men inte för f1. Känsligheten för övriga fel spelar ingen roll. Raden i beslutsstrukturen måste alltså se ut som följer:

f1 f2 f3 f4

r5 0 0/X 0/X X

Uppgift 4. Förslag på lösning är tre residuler som uppfyller beslutsstrukturen f1 f2 fu

r1 0 X X

r2 X 0 X

r3 X X 0

Residual r1:

˙ˆx1= g1(ˆx1, u) + K1(y2− h2(ˆx2))

˙ˆx2= g2(ˆx1,xˆ2) + K2(y2− h2(ˆx2)) r1= y2− h2(ˆx2)

Residual r2:

˙ˆx1= g1(ˆx1, u) + K3(y1− ˆx1) r2= y1− ˆx1

Residual r3:

˙ˆx2= g2(y1,xˆ2) + K4(y2− h2(ˆx2)) r3= y2− h2(ˆx2)

där K1, K2, K3, samt K4 är valda så att observatörerna är stabila.

Uppgift 5.

a) En detektor är

T(t) = logP(y(t)|f = 0.1)

P(y(t)|f = 0) = logP(y(t)|f = 0.1)

P(y(t)|f = 0) = logg(y(t) − 1.1u(t)) g(y(t) − u(t))

(5)

b) Oberoendeantagandet ger att den multivariable fördelningen för hela sbatchen av mätdata blir produkten av fördelningarna i varje sampel vilket förenklar räkningarna avsevärt.

T = log YN t=1

P(y(t)|f = 0.1) P(y(t)|f = 0) =

XN t=1

logg(y(t) − 1.1u(t)) g(y(t) − u(t))

c)

T = max

f

XN t=1

logg(y(t) − (1 + f )u(t)) g(y(t) − u(t))

Uppgift 6. Båda felen är detekterbara vilket ger att

Fi(s) 6∈ Im H(s), i= 1, 2 vilket är ekvivalent med att det inte finns lösningar till

Fi(s) = H(s)xi(s), i= 1, 2 (1)

Uppgiften bevisas genom att bevisa negationen, dvs att om f2ej är isolerbar från f1så implicerar det att f1 ej är isolerbar från f2. Alltså, antag att f2 ej är isolerbar från f1. Detta innebär att F2(s) ∈ Im [H(s) F1(s)], dvs. det finns rationella funktioner x(s) och f1(s) så att

F2(s) = H(s)x(s) + F1(s)f1(s)

Eftersom båda felen är detekterbara så gäller enligt (1) att f1(s) 6≡ 0. Då gäller att F1(s) = −H(s)x(s) + f11(s)F2(s)

dvs. att F1(s) ∈ Im [H(s) F2(s)] vilket innebär att f1 ej är isolerbar från f2 vilket var det som skulle bevisas.

References

Related documents

Tillåtna hjälpmedel: TeFyMa, Beta Mathematics handbook, Physics Handbook, Reglerteknik (Glad och Ljung), Formelsamling i statistik och signalteori samt miniräknare.. Ansvarig

TSFS06 Diagnos och övervakning 19 augusti, 2010, kl.. Det finns flera sätt att beräkna dimen- sionen på rummet.. Problem med metoden kan vara att fysiska fel måste injiceras i

(2 poäng) c) Beräkna mängden av alla diagnoser med minimal kardinalitet, dvs diagnoser med minst antal trasiga komponenter, för konflikterna i (a)-uppgiften.. (1 poäng) d)

(4 poäng) b) Antag en mängdrepresentation av konflikter, dvs. Bevisa att mängden av minimala hitting-sets för C är lika med mängden av minimala.. hitting-sets för C min.. b) För

d) Definiera styrkefunktionen, rita upp ett typiskt utseende och markera sannolikheterna för falsklarm samt missad detektion i figuren. Teckna en residual där det

I figur (a) nedan är täthetsfunktionen för en residual plottad för dels det felfria fallet (heldragen) och dels då vi har ett fel av storlek f = f 0 (streckad). Tröskel för

(2 poäng) c) Antag larmen från b-uppgiften, beräkna de minimala diagnoserna.. d) Förklara när det räcker att beräkna de minimala diagnoserna för att karaktärisera mäng- den av

c) Antag att vi kombinerar de två testen till ett nytt på så sätt att det nya testet sägs ha reagerat om T 1 eller T 2 reagerat. Antag att den enda osäkerheten i processmodellen