Você está na página 1de 7

Deteco de Falhas Baseada em Modelos

Introduo
A deteco precoce e o isolamento de anomalias em uma operao de mquinas podem ajudar
a reduzir acidentes, reduzir o tempo de inatividade e assim economizar custos operacionais. A
abordagem envolve o processamento de medies ao vivo de uma operao de sistemas para
sinalizar qualquer comportamento inesperado que aponte para uma falha recm-desenvolvida.
Este exemplo explora os seguintes aspectos de diagnstico de falhas:

1. Deteco de comportamento anormal do sistema por anlise residual;


2. Deteco de deteriorao atravs da construo de modelos de sistema danificado;
3. Acompanhamento de alteraes no sistema usando a adaptao on-line dos parmetros do
modelo.

Identificando um modelo dinmico de comportamento do sistema

Em uma abordagem baseada em modelo para deteco, um modelo dinmico do sistema em


questo foi construdo pela primeira vez usando dados de entrada e sada medidos. Um bom
modelo capaz de prever com preciso a resposta do sistema para um determinado horizonte de
tempo futuro. Quando a predio no boa, os resduos podem ser grandes e podem conter
correlaes. Esses aspectos so explorados para detectar a incidncia de falha.

Considere um edifcio sujeito a impactos e vibraes. A fonte de vibraes pode ser diferentes
tipos de estmulos dependendo do sistema, como rajadas de vento, contato com motores de corrida
e turbinas, ou vibraes no solo. Os impactos so o resultado de testes de choques impulsivos no
sistema que so adicionados para excitar o sistema o suficiente. O modelo Simulink
idMechanicalSystem.slx um exemplo simples, como a estrutura. A excitao provm de
solavancos peridicos, bem como vibraes do solo, modeladas por rudo branco filtrado. A sada
do sistema coletada por um sensor que est sujeito ao rudo de medio. O modelo capaz de
simular vrios cenrios envolvendo a estrutura em estado saudvel ou danificado.
O sinal de entrada no foi medido; Tudo o que registramos a resposta ynormal. Por isso,
construmos um modelo dinmico do sistema usando tcnicas de "identificao cega". Em
particular, construmos um modelo ARMA do sinal gravado como uma representao do sistema.
Esta abordagem funciona quando o sinal de entrada assumido como rudo branco (filtrado). Como
os dados esto sujeitos a solavancos peridicos, dividimos os dados em vrias peas, cada uma
com a incidncia de uma coliso. Desta forma, cada segmento de dados contm a resposta a uma
coliso mais excitaes aleatrias - uma situao que pode ser capturada usando um modelo de
sries temporais, onde o efeito da coliso atribudo a condies iniciais adequadas.
Divida os dados em partes de estimativa e validao.

Estimar um modelo de srie temporal de ordem 7 em forma de espao de estado usando o


comando ssest (). A ordem do modelo foi escolhida por validao cruzada (verificando o ajuste para
dados de validao) e anlise residual (verificando se os resduos no esto correlacionados).
A exibio do modelo mostra uma incerteza relativamente pequena nas estimativas dos
parmetros. Podemos confirmar a confiabilidade ao computar a confiana de 1-sd (99,73%) ligada
ao espectro estimado do sinal medido.
A regio de confiana pequena, embora haja cerca de 30% de incerteza na resposta em
frequncias mais baixas. O prximo passo na validao ver quo bem o modelo prediz as
respostas no conjunto de dados de validao zv. Usamos um horizonte de previso de 25 passos
para a frente.
Compare: validao contra um conjunto de dados

O grfico mostra que o modelo capaz de prever a resposta no primeiro experimento do conjunto
de dados de validao 25 etapas de tempo (= 0,1 seg) no futuro com preciso> 85%. Para ver o
ajuste em outros experimentos no conjunto de dados, use o menu contextual do boto direito do
mouse dos eixos da parcela. O passo final na validao do modelo analisar os resduos gerados
por ele. Para um bom modelo, esses resduos devem ser brancos, ou seja, mostrar correlaes
estatisticamente insignificantes para atrasos no-zero:
Os resduos so na maior parte no correlacionados em atrasos diferentes de zero. Tendo derivado
um modelo do comportamento normal, avanamos para investigar como o modelo pode ser usado
para detectar falhas.