Von technischen Systemen wird in der heutigen Zeit erwartet, dass diese stets fehlerfrei funktionieren, um einen reibungslosen Ablauf des Alltags zu gewährleisten. Technische Systeme jedoch können Defekte aufweisen, die deren Funktionsweise einschränken oder zu deren Totalausfall führen können. Grundsätzlich zeigen sich Defekte durch eine Veränderung im Verhalten von einzelnen Komponenten. Diese Abweichungen vom Nominalverhalten nehmen dabei an Intensität zu, je näher die entsprechende Komponente an einem Totalausfall ist. Aus diesem Grund sollte das Fehlverhalten von Komponenten rechtzeitig erkannt werden, um permanenten Schaden zu verhindern. Von besonderer Bedeutung ist dies für die Luft- und Raumfahrt. Bei einem Satelliten kann keine Wartung seiner Komponenten durchgeführt werden, wenn er sich bereits im Orbit befindet. Der Defekt einer einzelnen Komponente, wie der Batterie der Energieversorgung, kann hierbei den Verlust der gesamten Mission bedeuten. Grundsätzlich lässt sich Fehlererkennung manuell durchführen, wie es im Satellitenbetrieb oft üblich ist. Hierfür muss ein menschlicher Experte, ein sogenannter Operator, das System überwachen. Diese Form der Überwachung ist allerdings stark von der Zeit, Verfügbarkeit und Expertise des Operators, der die Überwachung durchführt, abhängig. Ein anderer Ansatz ist die Verwendung eines dedizierten Diagnosesystems. Dieses kann das technische System permanent überwachen und selbstständig Diagnosen berechnen. Die Diagnosen können dann durch einen Experten eingesehen werden, der auf ihrer Basis Aktionen durchführen kann. Das in dieser Arbeit vorgestellte modellbasierte Diagnosesystem verwendet ein quantitatives Modell eines technischen Systems, das dessen Nominalverhalten beschreibt. Das beobachtete Verhalten des technischen Systems, gegeben durch Messwerte, wird mit seinem erwarteten Verhalten, gegeben durch simulierte Werte des Modells, verglichen und Diskrepanzen bestimmt. Jede Diskrepanz ist dabei ein Symptom. Diagnosen werden dadurch berechnet, dass zunächst zu jedem Symptom eine sogenannte Konfliktmenge berechnet wird. Dies ist eine Menge von Komponenten, sodass der Defekt einer dieser Komponenten das entsprechende Symptom erklären könnte. Mithilfe dieser Konfliktmengen werden sogenannte Treffermengen berechnet. Eine Treffermenge ist eine Menge von Komponenten, sodass der gleichzeitige Defekt aller Komponenten dieser Menge alle beobachteten Symptome erklären könnte. Jede minimale Treffermenge entspricht dabei einer Diagnose. Zur Berechnung dieser Mengen nutzt das Diagnosesystem ein Verfahren, bei dem zunächst abhängige Komponenten bestimmt werden und diese von symptombehafteten Komponenten belastet und von korrekt funktionierenden Komponenten entlastet werden. Für die einzelnen Komponenten werden Bewertungen auf Basis dieser Be- und Entlastungen berechnet und mit ihnen Diagnosen gestellt. Da das Diagnosesystem auf ausreichend genaue Modelle angewiesen ist und die manuelle Kalibrierung dieser Modelle mit erheblichem Aufwand verbunden ist, wurde ein Verfahren zur automatischen Kalibrierung entwickelt. Dieses verwendet einen Zyklischen Genetischen Algorithmus, um mithilfe von aufgezeichneten Werten der realen Komponenten Modellparameter zu bestimmen, sodass die Modelle die aufgezeichneten Daten möglichst gut reproduzieren können. Zur Evaluation der automatischen Kalibrierung wurden ein Testaufbau und verschiedene dynamische und manuell schwierig zu kalibrierende Komponenten des Qualifikationsmodells eines realen Nanosatelliten, dem SONATE-Nanosatelliten modelliert und kalibriert. Der Testaufbau bestand dabei aus einem Batteriepack, einem Laderegler, einem Tiefentladeschutz, einem Entladeregler, einem Stepper Motor HAT und einem Motor. Er wurde zusätzlich zur automatischen Kalibrierung unabhängig manuell kalibriert. Die automatisch kalibrierten Satellitenkomponenten waren ein Reaktionsrad, ein Entladeregler, Magnetspulen, bestehend aus einer Ferritkernspule und zwei Luftspulen, eine Abschlussleiterplatine und eine Batterie. Zur Evaluation des Diagnosesystems wurde die Energieversorgung des Qualifikationsmodells des SONATE-Nanosatelliten modelliert. Für die Batterien, die Entladeregler, die Magnetspulen und die Reaktionsräder wurden die vorher automatisch kalibrierten Modelle genutzt. Für das Modell der Energieversorgung wurden Fehler simuliert und diese diagnostiziert. Die Ergebnisse der Evaluation der automatischen Kalibrierung waren, dass die automatische Kalibrierung eine mit der manuellen Kalibrierung vergleichbare Genauigkeit für den Testaufbau lieferte und diese sogar leicht übertraf und dass die automatisch kalibrierten Satellitenkomponenten eine durchweg hohe Genauigkeit aufwiesen und damit für den Einsatz im Diagnosesystem geeignet waren. Die Ergebnisse der Evaluation des Diagnosesystems waren, dass die simulierten Fehler zuverlässig gefunden wurden und dass das Diagnosesystem in der Lage war die plausiblen Ursachen dieser Fehler zu diagnostizieren. / In today's world, technical systems are expected to always work faultlessly to ensure that everyday life runs smoothly. However, technical systems can have defects that limit their functionality or that can lead to their complete failure. In General, defects become apparent through a change in the behavior of individual components. These deviations from the nominal behavior increase in intensity the closer the corresponding component is to a complete failure. For this reason, the malfunction of components should be recognized in time to prevent permanent damage. This is of particular importance for the field of aerospace. When a satellite is already in orbit, no physical maintenance of its components can be performed. The failure of a single component, such as the battery of the power supply, can cause the loss of the entire mission. In principle, fault detection can be carried out manually, as is often the case in satellite operation. For this, a human expert, a so-called operator, has to monitor the system. However, this form of monitoring is heavily dependent on the time, availability and expertise of the operator who performs the monitoring. A different approach is to use a dedicated diagnostic system. Such a diagnostic system can continuously monitor the technical system and calculate diagnoses autonomously. These diagnoses can then be viewed by an expert who can perform actions based on them. The model-based diagnostic system presented in this work uses a quantitative model of a technical system that describes its nominal behavior. The observed behavior of the technical system, given by measured values, is compared with its expected behavior, given by simulated values of the model, and discrepancies are determined. Every discrepancy is a symptom. Diagnoses are calculated by first calculating a so-called conflict set for each symptom. This is a set of components for which holds, that the failure of any single one of these components could explain the corresponding symptom. Using these conflict sets, so-called hitting sets are computed. A hitting set is a set of components for which holds that the simultaneous defect of all components of this set could explain all the observed symptoms. Each minimal hitting set corresponds to one single diagnosis. To compute these sets, the diagnostic system uses a method in which dependent components are determined initially. These components are then suspected by symptomatic components and relieved by correctly functioning components. For the individual components, scores are calculated on the basis of these suspicions and reliefs and diagnoses are computed. Since the diagnostic system relies on sufficiently accurate models and the manual calibration of these models involves considerable effort, a procedure for automatic calibration was developed. This procedure uses a cyclic genetic algorithm to determine model parameters using recorded values of the real components, so that the models can reproduce the recorded data as well as possible. To evaluate the automatic calibration, a test set-up and various dynamic and manually difficult to calibrate components of the qualification model of a real nanosatellite, the SONATE-nanosatellite, were modeled and calibrated. The test setup consisted of a battery pack, a charge controller, a deep discharge protection unit, a discharge controller, a stepper motor HAT and a motor. It was independently manually calibrated, in addition to the automatic calibration. The automatically calibrated satellite components were a reaction wheel, magnetorquers, consisting of a ferrite core coil and two air core coils, a termination board and a battery. To evaluate the diagnostic system, the power supply of the qualification model of the SONATE nanosatellite was modeled. For the batteries, the discharge controller, the magnetorquers and the reaction wheels, the previously automatically calibrated models were used. For the model of the power supply, faults were simulated and diagnosed. The results of the evaluation of the automatic calibration were that the automatic calibration provided a level of accuracy that was comparable to, and even slightly exceeded, that of manual calibration for the test setup, and that the automatically calibrated satellite components were consistently of high accuracy and were therefore suitable to be used for the diagnostic system. The results of the evaluation of the diagnostic system were that the simulated faults were found reliably and that the diagnostic system was able to diagnose the plausible causes of these faults.
| Identifer | oai:union.ndltd.org:uni-wuerzburg.de/oai:opus.bibliothek.uni-wuerzburg.de:20662 |
| Date | January 2020 |
| Creators | Djebko, Kirill |
| Source Sets | University of Würzburg |
| Language | deu |
| Detected Language | English |
| Type | doctoralthesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | https://creativecommons.org/licenses/by/4.0/deed.de, info:eu-repo/semantics/openAccess |
Page generated in 0.0036 seconds