通过健康监控与重构实现系统韧性
人工智能
2022-09-01 v1 系统与控制
系统与控制
摘要
我们展示了一个端到端框架，用于提升人造系统对未知事件的韧性。该框架基于物理驱动的数字孪生模型以及三个分别负责实时故障诊断、预测与重构的模块。故障诊断模块使用基于模型的诊断算法来检测并隔离故障，并在系统中生成干预以消解不确定的诊断结果。我们通过并行化以及物理驱动数字孪生的代理模型，将故障诊断算法扩展至所需的实时性能。预测模块跟踪故障演化过程并训练在线退化模型，以计算系统部件的剩余使用寿命。此外，我们利用退化模型评估故障演化对运行需求的影响。重构模块使用带有语义附件的基于PDDL的规划来调整系统控制，从而将故障对系统运行的影响降至最低。我们定义了一种韧性度量，并以燃油系统模型为例展示了该度量如何随我们的框架而改善。
引用
@article{arxiv.2208.14525,
title = {System Resilience through Health Monitoring and Reconfiguration},
author = {Ion Matei and Wiktor Piotrowski and Alexandre Perez and Johan de Kleer and Jorge Tierno and Wendy Mungovan and Vance Turnewitsch},
journal= {arXiv preprint arXiv:2208.14525},
year = {2022}
}