Diagnostika poruch neurčitých systémů pomocí markovských řetězců a EMD

Abstract

Diagnostika poruch má trvalý význam ve všech oblastech lidského konání. Vývoj technologií v dnešní době postupuje ke stále složitějším systémům řízení, které se vyznačují rostoucí mírou nezávislosti na lidské obsluze. Proto nabývá na významu podpora spolehlivosti a bezpečnosti provozu autonomních systémů. Diagnostika poruch založená na markovském modelu sledovaného procesu se obecně řadí mezi pravděpodobnostní modelovací techniky využívající Bayesovského pravděpodobnostního přístupu. Díky svým vlastnostem se markovský model jeví jako silný nástroj použitelný pro širokou škálu průmyslových i jiných aplikací. Tato disertační práce předkládá několik postupů, které vedou ke zvýšení rychlosti, úspěšnosti a obecně ke zlepšení detekce a identifikace poruch diagnostickým systémem založeným na markovském modelu.

Fault Diagnosis has lasting importance in all fields of human endeavor. Today's technology development is progressing towards more and more complex control systems, which are characterized by a growing degree of independence from human service. It is therefore important to promote the reliability and safety of operation of autonomous systems. Fault diagnosis based on the Markov model of the observed process is generally one of probability modeling techniques that are using Bayesian probability approach. Thanks to its features, the Markov model appears to be a powerful tool that can be used for a wide range of industrial and other applications. This dissertation presents several procedures that increase the speed, success rate, and that generally improve the detection and identification of faults by a Markov model based diagnostic system.