Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores (Major Telecomunicações). Faculdade de Engenharia. Universidade do Porto. 2009

Um sistema de detecção de falhas deve incorporar técnicas de raciocínio que possam identificar um sinal de falha sob condições de incerteza. Nesse contexto, os modelos explorados na teoria de sistemas inteligentes, configurados para detectar falha, apresentam maior confiabilidade e versatilidade do que os modelos matemáticos convencionais. Este trabalho focaliza o estudo de caso de detecção de falhas em motores de combustão interna a pistão, em que foi escolhida a abordagem utilizando lógica nebulosa (fuzzy logic) na elaboração dos detectores de falhas no sistema de injeção e no sistema de ignição. Foram consideradas falhas no sistema de injeção as condições denominadas "mistura rica" e "mistura pobre", relativas às condições do combustível, e as falhas no sistema de ignição as do tipo detonação e rendimento térmico baixo. Essas falhas podem ser responsáveis por comprometer o desempenho do motor, reduzir a sua vida útil, aumentar os custos de manutenção e a emissão de poluentes e colocar em risco a segurança de pessoas. No sistema em foco, os detectores de falha de injeção e de ignição detectam a condição de falha através da observação das seguintes variáveis: ângulo de ignição, rotação e taxa de mistura ar/combustível. Para avaliar o sistema foi desenvolvido um simulador que incorpora a dinâmica do motor, um controlador e o sistema detector de falhas. O modelo do motor de combustão interna a pistão, elaborado dentro do ambiente computacional AMESim 4.2.1, considera uma configuração de quatro cilindros, oito válvulas, quatro sistemas de injeção indireta (um para cada cilindro), ignição por centelha, válvula borboleta, válvulas de admissão e escape, árvore de manivela e outros componentes que compõem um motor de combustão interna. Para controlar as variáveis do modelo no programa AMESim a uma dada condição de operação, o simulador apresenta uma unidade de controle, a qual recebe o sinal de pressão média efetiva, disponível no modelo do motor (ambiente AMESim) e o sinal de carga variável, com o objetivo de calcular a rotação responsável em definir a condição de operação do motor. Uma vez calculada a rotação, a unidade de controle calcula a vazão de combustível que é injetado no motor, o ângulo de abertura da válvula borboleta que proporcionará o estado de aceleração e desaceleração e o ângulo de ignição que indicará o momento da centelha. A unidade de controle e os detectores de falhas foram elaborados no ambiente computacional MATLAB 6.5/Simulink. O funcionamento combinado, via interface de comunicação dos dois ambientes computacionais, propicia uma representação adequada e resultados próximos às características de um motor de combustão real. Ao detectar as falhas provocadas intencionalmente no simulador a abordagem utilizando a lógica nebulosa apresentou resultados satisfatórios, com uma margem de erro de 0% na detecção de falhas no sistema de ignição e uma margem de erro no máximo de 5% na detecção de falhas no sistema de injeção, comprovando-se, assim, a adequação e viabilidade da proposta.

Desenvolvimentos no campo de detecção de falhas em sistemas dinâmicos têm se tornado cada vez mais importantes para atender especificações de confiabilidade, segurança e disponibilidade, além de reduzir custos operacionais através da migração de esquemas de manutenção programada para estratégias de manutenção baseada em condição. Neste trabalho, foi considerado um esquema de redundância analítica para detecção de falhas baseado no monitoramento das inovações de um Filtro de Kalman. Na abordagem proposta, o modelo no espaço de estados a ser utilizado no observador foi obtido através de um procedimento de identificação a partir de dados de entrada e saída do sistema a ser monitorado. Para isso, foi empregado um método de subespaços, que fornece os ganhos do Filtro de Kalman como sub-produto da identificação. Adicionalmente, foram investigadas as vantagens de se efetuar o monitoramento das inovações no plano tempo-freqüência através do uso da Transformada Wavelet Discreta. Para fins de validação experimental do esquema desenvolvido, foi utilizada uma planta-piloto na forma de um helicóptero de três graus de liberdade. As situações de falhas implementadas tiveram como foco principal a alteração na potência dos motores do aparato de duas formas: intermitente e contínua. Os resultados obtidos foram analisados em termos de atrasos de detecção, sensibilidade à ocorrência de falhas e taxa de falsos alarmes. Para tanto, foi desenvolvido um algoritmo para análise do resíduo proveniente dos filtros digitais e também aplicado um teste de hipótese já apresentado em literatura (Chi-Quadrado).

Esta dissertação tem por objetivo o estudo de métodos de análise de falhas e como os mesmos podem ser adaptados para Veículos Aéreos Não-Tripulados, mais conhecidos pela sigla UAVs (do inglês, Unmanned Aerial Vehicles). Este estudo foi divido em duas categorias: Métodos de Prevenção à Falha e Métodos de Tolerância à Falha. Para o estudo de Prevenção à Falha, o método de análise de árvore de falha (Fault Tree Analysis) para um sistema propulsivo típico de um UAV foi considerado como exemplo a fim de evidenciar condições de falhas ou pontos fracos que podem resultar em perda do sistema. Por sua vez, foi apresentado um formulário FMEA para sistemas do UAV que permitem identificar os modos e causas de falhas, suas conseqüências e definir um plano de ações para melhoria da integridade do sistema. Por último, conduziu-se a análise de criticidade do sistema propulsivo onde os pontos críticos são realçados e discutidos. Para análise destes métodos e suas aplicações em UAV, a abordagem qualitativa foi escolhida devido à falta de dados sobre MTBF (Mean Time Between Failure) dos componentes do sistema. Entretando, melhorias no estudo de Prevenção à Falha devem ser considerados em trabalhos futuros para se obter uma base de dados para análise quantitativa. Para o estudo de Tolerância à Falha, considerou-se como estudo de caso um esquema de Detecção, Diagnóstico e Acomodação de Falhas em Tempo Real para falhas em sensores, baseado nas características estatísticas do processo de inovação do Filtro de Kalman. As falhas são consideradas do tipo aditivas que afetam o valor esperado do processo de inovação do Filtro de Kalman. Para a simulação do estudo de caso, usamos um modelo linear da dinâmica longitudinal do UAV Aerosonde obtido a partir da ferramenta AeroSim Blockset via MatLab/Simulink. A lógica e a estrutura apresentada merecem estudos futuros para o seu aperfeiçoamento a fim de cobrir outros tipos de falhas.

The impressive technological evolution observed in the last years has as its main engine the computer. Among many possible applications for this notable machine, the Embedded Computer Systems (ECS) are of great relevance. The number of critical ECS, i.e., whose failure results in catastrophic consequences in terms of human or material lost, also grows dramatically, and opens a new horizon of hazards. Hence, studies in the field of critical ECS become more important. Among the strategies for the development of such systems, this work will deal with fault tolerance. More specifically, software techniques for detection of faults that arise due to external factors of software design errors will be studied. Such techniques are named assertions. It will be proposed an activities workflow that considers the process of software development for a critical ECS based on system models. This approach, called model-based design, is a tendency in the embedded software world, because it brings many benefits, such as reduction of development time, ease of understading and maintaining the design and high degree of reuse. A hypothetical system will be developed according to this approach and different assertions types will be tested and compared. The quality of the assertion set will be measured through a set of metrics, and fault injection at the model level will be applied for this evaluation.

A pronta detecção da ocorrência de falhas em sistemas de engenharia é de grande significância. Nas últimas quatro décadas a área de detecção de falhas tem feito grandes avanços, principalmente pela melhoria dos sistemas computacionais. Devido ao grande escopo da área de detecção de falhas e às dificuldades de soluções em tempo real, várias técnicas foram desenvolvidas ao longo dos anos. Este trabalho apresenta duas técnicas distintas de detecção de falhas, as inovações de um Filtro de Kalman e o cálculo da distância de Mahalanobis; estas são aplicadas a uma planta didática que representa o comportamento de um helicóptero com três graus de liberdade. Foram simuladas falhas abruptas e incipientes nos dois motores do helicóptero, além de perturbações abruptas e incipientes. As técnicas são implementadas de forma separada e num esquema híbrido; apresenta-se o desempenho destas tanto sozinhas quanto usadas em conjunto no esquema híbrido proposto. A técnica das inovações do Filtro de Kalman mostrou-se melhor em relação à rejeição aos distúrbios e o esquema híbrido proposto apresenta um desempenho superior na detecção das falhas, mas não tão bom na rejeição aos distúrbios. Como continuidade do trabalho é proposta a implementação de uma terceira técnica no esquema híbrido.

Neste trabalho é proposta uma abordagem para detecção e diagnóstico de falhas empregando técnicas de seleção de atributos e classificação de padrões. Tal abordagem faz uso do Algoritmo das Projeções Sucessivas (APS) para seleção de atributos a serem usados em um classificador de Análise Discriminante Linear (ADL). A aplicação do APS-ADL é proposta em duas etapas: pré-seleção de sensores e seleção de atributos com atrasos de tempo. São elaboradas ainda duas modificações na formulação original do algoritmo. A primeira faz uso da informação discriminatória univariada para evitar que atributos com alto poder de discriminação sejam descartados e a segunda propõe o uso de um teste de hipótese para simplificação do classificador através da eliminação de atributos. Adicionalmente, propõe-se um aprimoramento computacional para redução da complexidade do APS-ADL. Para o problema de detecção é proposto o uso de uma etapa prévia de agrupamento de padrões para identificar tipos de falhas similares de modo a reduzir o número de classificadores a serem empregados. O estudo de caso envolve o uso do modelo Tennessee Eastman Process, que é amplamente usado como benchmark na área de detecção e diagnóstico de falhas. Para fins de comparação, é empregado um algoritmo genético (AG) para seleção de atributos, bem como duas técnicas de classificação que fazem uso de todos os atributos disponíveis, a saber os métodos de K-vizinhos mais próximos (K-Nearest Neighbors, KNN) e mínimos-quadrados parciais (Partial Least Squares, PLS). Adicionalmente, investiga-se o uso dos atributos selecionados pelo APS-ADL para fins de classificação por Análise Discriminante Quadrática (ADQ). Os resultados mostram que (i) o uso de atrasos de tempo permite uma melhor discriminação entre as classes consideradas, (ii) a etapa preliminar de agrupamento de falhas simplifica o problema de detecção, (iii) a proposta de uso de informação univariada no APS-ADL melhora a taxa de acerto resultante, (iv) a pré-seleção de sensores facilita a seleção de atributos sem comprometer os resultados, (v) a proposta de eliminação de atributos no APS-ADL melhora a parcimônia dos classificadores sem alteração significativa de desempenho e (vi) dentre as técnicas consideradas, o APS-ADL e o APS-ADQ apresentam melhor acurácia tanto na detecção quanto no diagnóstico de falhas.

Sistemas eletrônicos embarcados de satélites sofrem grandes cargas de radiações ionizantes, afetando diretamente o silício, criando alta probabilidade de falhas no sistema, advindos de panes transientes e permanentes nos circuitos integrados. Devido ao ambiente hostil em que operam sistemas embarcados espaciais, soluções de robustez são necessárias para o aumento da tolerância a falhas. Neste cenário, a detecção de falhas ajuda o sistema a tomar atitudes de emergência para que a operação não seja prejudicada por completo, nestes casos, consideradas catastróficas, devido o elevado custo associado ao desenvolvimento e produto. Este trabalho tem a finalidade propor uma técnica para sistemas embarcados de tempo real, que possa ser capaz de detectar falhas no nível de tarefas, especificamente com a utilização do Kernel de Tempo Real para Sistemas Multiprocessadores - RTEMS. A técnica proposta foi baseada no projeto de satélite universitário ITASAT, que propõe na arquitetura de hardware um processador operacional em conjunto com um redundante a frio (cold standby). Esses processadores são supervisionados por um arbitrador, ou seja, um terceiro processador que em caso de falha do processador nominal, deve tomar a decisão de entrar em modo emergencial ou acionar o processador redundante. Sistemas Embarcados de Tempo Real utilizam-se de algoritmos de escalonamento que definem a próxima tarefa a ser executada. Essas tarefas podem possuir deadlines rígidos ou moderados. Falhas em tarefas com períodos rígidos ocasionam a perda do sistema por completo. O kernel de tempo real RTEMS é dotado de uma estrutura de dados que possui os dados mínimos das tarefas, para que possam ser executadas e escalonadas corretamente. Estes dados podem ser externalizados por hardware através de portas de E/S na ocasião do chaveamento de contexto, que ocorre em toda troca de tarefa na CPU (troca de contexto). Propõe-se nesse trabalho a captação desses dados para efetuar análises de detecção de falhas, através do comportamento das tarefas que estão sendo executadas no sistema em tempo real.

Com o constante aumento da confiabilidade da tecnologia aeronáutica, as falhas que ocorrem devido a equipamentos ou materiais são cada vez mais raras e as principais causas de acidentes são atribuíveis, hoje em dia, ao ser humano. Assim, a habilidade para investigar, classificar e detectar os fatores humanos, que se encontram na origem de acidentes e incidentes, passa a ter importância central no esforço de se evitar recorrências ou ainda no estabelecimento de defesas, de modo a impedir que os "erros humanos" se repitam ou se propaguem. O objetivo deste trabalho foi estudar um software que fizesse a análise e classificação destes erros. A fim de se comprovar a aplicabilidade do programa, é feita também uma aplicação deste em um acidente aeronáutico ocorrido no Brasil, onde houvesse pelo menos um fator humano como uma das hipóteses prováveis para o acidente, e, cuja investigação já tivesse sido concluída pelo órgão investigador. Foi escolhido para tal aplicação o programa SERA (Systematic Error and Risk Analysis), que teve sua origem no objetivo de preencher o sistema HFACS (Human Factors Analysis Classification System). Sendo um programa de fácil utilização, o SERA conduz o investigador, através de perguntas simples e diretas, à emersão das falhas ativas do operador e das pré-condições nos diversos níveis da organização. O SERA provê também uma comparação das suas classificações com as do sistema HFACS durante a análise. A sequência estruturada da análise levou a evidência de duas falhas ativas no caso do acidente estudado. Ao final do trabalho faz-se uma breve comparação da classificação do SERA e do HFACS para este acidente.

O desenvolvimento de métodos para monitoramento da saúde de componentes aeronáuticos mostra-se desafiador por tratar de equipamentos expostos a variadas condições de operação e com limitado número de dados históricos de sensores para componentes com falha. A utilização de técnicas de análise multivariada envolvendo variáveis sensíveis a falhas e condições de operação mostra-se um alternativa para tratar estes problemas. A literatura apresenta alguns métodos para esta finalidade, como as estatística T2 de Hotelling e U2 de Runger sendo o segundo método vantajoso pois realiza o monitoramento através da coleta de variáveis sensíveis a falha e condições de operação, concentrando a análise nas variáveis sensíveis a falha, denominadas variáveis de interesse. A utilização de tais métodos tem com premissa a distribuição gaussiana dos dados. Para dados não gaussianos a literatura apresenta métodos baseados em técnicas de não paramétricas, porém sem possibilitar a seleção de variáveis de interesse. O trabalho desenvolvido apresenta um método de monitoramento da saúde de componentes para dados não gaussianos com a possibilidade de seleção de variáveis de interesse. O método foi testado utilizando um modelo dinâmico de uma turbina a gás e um modelo dinâmico de um sistema de atuação.