Robust fault tolerant detection and isolation techniques for actuator failures in dynamical systems

Abstract

This doctoral dissertation addresses the inefficiencies of the currently applied “Fault Detection and Isolation” (FDI) techniques, calling for the generation of algorithms which can handle a wide variety of fault profiles and scenarios more effectively. The overarching objective of this dissertation was to develop alternative state-of-the-art methodologies which can be robust, simple to implement, and able to function reliably, in real-time and on a continual basis. To this effect, three novel algorithms fulfilling all the above requirements are derived and presented herein. These three filters are applied to the Guidance Navigation and Control (GNC) designs for autonomous spacecraft and validated within the Lisa Pathfinder (LPF) context in a simulation environment provided by the European Space Agency (ESA). The theoretical basis for their development and application is also amenable to other spacecraft, since robust FDI is critical for operational autonomy.The presented FDI techniques, namely the Diagnosis, Euresis and Euphoria Filters, are generated over two individual phases. Following a comprehensive literature review of the subject matter, initially, two fundamentally different model-based approaches are formulated and pursued, reflective of the two main trends of the existing model-based methods: the geometric approach and the multiple model approach. The novelty of the Diagnosis Filter (geometric approach) lies in that, in contrast to conventional methods, it does not only generate structured residuals, but also it employs directionality rather than residuals’ magnitude as a diagnostic tool for faults (deterministic approach). This filter exhibits remarkable robustness and performs exceptionally well, regardless of the thruster’s failure severity. In comparison, the Euresis Filter (multiple model approach) exhibits similar robustness, albeit for total failures only. However, it has the advantage of being applicable to non-linear design models unlike the Diagnosis Filter. During the second phase, directionality is incorporated in another optimisation-based geometric approach (i.e. Euphoria filter). In this case, directionality is not designed in at the outset but it is rather recovered by an adjoint operation on the H2 filter residuals (optimal stochastic approach). The Euphoria Filter outperforms the other two in most evaluation criteria and it can be applied in both linear and non-linear FDI scenarios.In summary, this thesis addresses the weaknesses of the currently applicable FDI techniques, outlines the objectives of this dissertation, and presents three novel FDI methods, extensively tested via Monte Carlo simulations and ultimately validated on the LPF model. The thesis concludes with recommendations for future work, potential developments in the field and alternative applications of these techniques in other domains such as IoT and Cyber-Physical systems.

Η παρούσα διδακτορική διατριβή διαπραγματεύεται το ζήτημα εντοπισμού σφαλμάτων στις ήδη υπάρχοντες τεχνικές «Ανίχνευσης και Απομόνωσης Σφαλμάτων» (FDI), παρουσιάζοντας σύγχρονους αλγόριθμους που μπορούν να διαχειριστούν αποτελεσματικότερα ένα ευρύτερο φάσμα σεναρίων σφάλματος συγκριτικά με τις ήδη υπάρχουσες. Πρωταρχικός στόχος αυτής της διατριβής είναι η ανάπτυξη εναλλακτικών μεθόδων τελευταίας τεχνολογίας που μπορούν να είναι απλές στην εφαρμογή αλλά παράλληλα ικανές να λειτουργούν αξιόπιστα, σε πραγματικό χρόνο και σε συνεχή βάση. Τρεις καινοτόμοι αλγόριθμοι που πληρούν όλες τις προαναφερθείσες προϋποθέσεις αναπτύσσονται βήμα- βήμα και παρουσιάζονται σ αυτή τη διατριβή. Οι αλγόριθμοι έχουν εφαρμοστεί σε συστήματα πλοήγησης, ελέγχου και προσανατολισμού αυτόνομων διαστημικών οχημάτων και επιβεβαιώθηκαν μέσω του πραγματικού μοντέλου του δορυφόρου Lisa Pathfinder (LPF), σε περιβάλλον προσομοίωσης που παρέχει ο Ευρωπαϊκός Οργανισμός Διαστήματος (ESA). Οι παρουσιαζόμενες τεχνικές, εν ονόματι Diagnosis, Euresis and Euphoria Filter, παράγονται σε δύο μεμονωμένες φάσεις. Μετά από μια αρχική βιβλιογραφική ανασκόπηση του θέματος, δύο διαφορετικές προσεγγίσεις βασισμένες σε μοντέλα θεμελιώνονται, αντικατοπτρίζοντας τις δύο κύριες τάσεις ανάλογων υφιστάμενων μεθόδων: τη γεωμετρική προσέγγιση και την προσέγγιση πολλαπλών μοντέλων. Η καινοτομία του Diagnosis Filter (γεωμετρική προσέγγιση) έγκειται στο ότι, σε αντίθεση με τις συμβατικές μεθόδους, δεν παράγει μόνο διαρθρωτικά υπόλοιπα, αλλά χρησιμοποιεί την πληροφορία της κατεύθυνσης και σε συνδυασμό με το μέγεθος των υπολοίπων ως διαγνωστικό εργαλείο σφάλματος (ντετερμινιστική προσέγγιση). Σαν αποτέλεσμα, αυτό το φίλτρο παρουσιάζει εξαιρετικά αποτελεσματική εφαρμογή, ανεξαρτήτου πιθανότητας βλάβης του μικροκινητήρα προώθησης. Παρόμοια, το Euresis FIlter (προσέγγιση πολλαπλών μοντέλων) παρουσιάζει το ίδιο αποτελεσματική εφαρμογή, αν και μόνο για συνολικές βλάβες. Ωστόσο, έχει το πλεονέκτημα ότι μπορεί να εφαρμοστεί και σε μη γραμμικά μοντέλα σχεδιασμού σε αντίθεση με το Diagnosis Filter. Κατά τη διάρκεια της δεύτερης φάσης, η πληροφορία της ροπής ενσωματώνεται σε μια άλλη γεωμετρική προσέγγιση βελτιστοποίησης, το Euphoria Filter. Σε αυτή την περίπτωση, η πληροφορία της κατεύθυνσης ανακτάται από μια παράπλευρη λειτουργία στα υπόλοιπα ενός H2 filter (βέλτιστη στοχαστική προσέγγιση). Το Euphoria Filter υπερτερεί των υπολοίπων δύο φίλτρων στα περισσότερα κριτήρια αξιολόγησης και μπορεί να εφαρμοστεί τόσο σε γραμμικά όσο και σε μη γραμμικά σενάρια «Ανίχνευσης και Απομόνωσης Σφαλμάτων». Συνοπτικά, η παρούσα εργασία αναλύει τις αδυναμίες των μέχρι τώρα εφαρμοζόμενων τεχνικών «Ανίχνευσης και Απομόνωσης Σφαλμάτων» και παρουσιάζει τρεις νέες μεθόδους «Ανίχνευσης και Απομόνωσης Σφαλμάτων», εκτενώς δοκιμασμένες μέσω προσομοιώσεων Monte Carlo και επιβεβαιωμένες στο μοντέλο LPF . Η διατριβή ολοκληρώνεται με προτάσεις για μελλοντική έρευνα επί του θέματος, πιθανές βελτιώσεις καθώς και εναλλακτικές εφαρμογές των αναπτυσσόμενων τεχνικών σε άλλους τομείς όπως το δίκτυο των πραγμάτων και άλλα κυβερνο-φυσικά συστήματα.