پیش آگاهی بهبود یافته مبتنی بر فیلتر ذره برای سیستم های هایبرید

در این مقاله مدلی جدید برای مدلسازی روند رشد عیب معرفی شده است. این مدل از توانایی پوشش دادن رفتارهای چندگانه­ی سیستم­ها برای اهداف پیش­آگاهی برخوردار است. در ابتدا روابط جامع تقویت شده افزونگی تحلیلی برای تعقیب سیستم در وضعیت سالم به کار می­روند. هر زمان که عیبی در سیستم رخ دهد، الگوریتم با استفاده از ماتریس امضای تغییر مود بررسی می­کند که آیا این عدم سازگاری به دلیل تغییر مود ناشناخته­ای بوده است یا به سبب عیب. در صورتی که مشخص شود ناسازگاری به سبب وجود عیب است، با کمک ماتریس امضای عیب مستقل از مود، مجموعه­ای از عیوبی که امکان دارد سبب ناسازگاری شوند به بخش فیلتر ذره معرفی می­شوند. فیلتر ذره وظیفه­ی شناسایی همزمان پارامترها و حالات سیستم را بر عهده دارد. با شناسایی مقادیر پارامترهای سیستم و مقایسه­ی آن با مقادیر نامی، عیوب واقعی از مجموعه­ی کاندید عیوب جدا می­شوند. در ادامه با رشد دادن مقادیر بدست آمده برای پارامتر معیوب، مدت زمان مفید باقی­مانده برای سیستم تخمین زده می­شود.