查找故障：工业信息物理系统故障诊断的范围研究
软件工程
2021-01-15 v1
摘要
背景：随着工业信息物理系统（ICPS）变得越来越互联和广泛分布，并常在安全关键环境中运行，我们需要创新的方法来检测和诊断其中发生的故障。目标：我们对航空航天、汽车和工业控制领域中所采用的故障识别与诊断技术进行画像。通过考察理论阐述以及生产环境中的案例研究，我们呈现了当前所采用方法的轮廓并识别了研究空白。方法：采用范围研究来识别并比较当前文献中提出的故障检测与诊断方法。结果：对2004年至2019年发表的127篇论文中的故障识别与分析研究揭示了一系列广泛多样且具前景的技术，既有新兴的也有在用的。这些技术涵盖从传统的基于物理的模型到数据驱动的人工智能（AI）以及基于知识的方法。预测性诊断或 prognostics 在各领域均占据显著地位，同时讨论了包括故障树、Petri网和马尔可夫方法在内的技术。我们还对一些已达到最高技术成熟度等级的技术进行了画像，展示了这些方法如何在实验室之外的真实世界环境中得到应用。结论：我们的结果表明，基于模型和数据驱动的AI技术在各领域持续广泛使用，尤其是当它们以混合配置结合使用时，反映了当前ICPS应用空间的复杂性。尽管创建足够完整的模型是劳动密集型的，但无模型AI技术已被证明是解决这一挑战某些方面的可行途径，展示了当前机器学习系统日益增强的复杂性。（节略）
引用
@article{arxiv.2101.05451,
title = {Finding faults: A scoping study of fault diagnostics for Industrial Cyber-Physical Systems},
author = {Barry Dowdeswell and Roopak Sinha and Stephen G. MacDonell},
journal= {arXiv preprint arXiv:2101.05451},
year = {2021}
}
备注
Journal, 19 pages, 7 figures, 6 tables