| TSFS06 |
Diagnos och övervakning, 6 hp
/Diagnosis and Supervision/
För:
D
I
Ii
IT
M
U
Y
|
| |
Prel. schemalagd
tid: 54
Rek. självstudietid: 106
|
| |
Utbildningsområde: Teknik
Huvudområde: Elektroteknik Nivå (G1,G2,A): A
|
| |
Mål:
IUAE-matris
Att ge både en teoretisk och en praktisk grund för hur man konstruerar
automatiska system (diagnossystem) för detektering och isolering av
fel i tekniska processer.
Efter genomförd kurs skall studenten:
- veta varför diagnossystem används inom olika industriella applikationer.
- känna till hur man kan analysera vilka fel i en komplex process som behöver övervakas för att uppnå de övergripande målen.
- från en fallbeskrivning kunna strukturera problemet och ta fram princip och arkitektur för en komplett implementering av ett diagnossystem.
- givet en formell modellbeskrivning kunna välja lämplig matematisk
metod för att lösa problemet.
- veta för- och nackdelar med de olika metoder som ingår i kursen.
- kunna tillämpa matematiska verktyg och metoder från ett brett spektrum av tidigare kurser för att lösa diagnosproblem.
- kunna värdera och verifiera funktionalitet och prestanda hos ett diagnossystem.
- ha en fördjupad och bred teoretisk insikt i ämnet, tillräcklig för att
kunna tillgodogöra sig nya forskningsresultat i fältet.
|
| |
Förkunskaper: (gäller studerande antagna till program som kursen ges inom, se 'För:' ovan)
Reglerteknik, Sannolikhetslära
OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.
|
| |
Organisation:
Kursen består av föreläsningar, lektioner och laborationer.
|
| |
Kursinnehåll:
- Introduktion: historik och översikt, praktiska tillämpningsexempel.
- Principer för modellbaserad diagnos: matematisk modellering av feldetektering och isolering av fel med hjälp av modeller, konsistensrelationer, analytisk redundans, beslut med strukturerade hypotestester.
- Systemtekniska metoder: linjär och olinjär residualgenerering, observatörer och Kalman-filter för diagnos, utvärdering av residualgeneratorer, adaptiv tröskling, statistiska metoder.
- Logikbaserade AI-metoder: grundläggande principer, felisoleringsalgoritmer.
- Sannolikhetsbaserad diagnos och Bayesianska nätverk.
- Övrigt: felträd och FMEA, statistiska metoder/change detection.
|
| |
Kurslitteratur:
Kompendium "Model Based Diagnosis of Technical Processes" av
Mattias Nyberg och Erik Frisk med tillhörande lektionskompendium.
Utdrag ur boken "Detection of abrupt changes" av Michele Basseville och Igor Nikiforov.
Laborations-PM.
|
| |
Examination: |
TEN1
LAB1
|
En skriftlig tentamen (U,3,4,5)
En laborationskurs (U,G)
|
4,5 hp
1,5 hp
|
| |
|
Se kurshemsidan för vidare praktisk kursinformation. |
|