نام پژوهشگر: ملیحه گلی
ملیحه گلی عزیزاله جمشیدی
امروزه شبکه های فیلدباس نقش مهمی را در فرآیند خودکارسازی صنایع ایفا می کنند و بخش بسیار مهمی از سیستم کنترل خودکار را تشکیل می دهند. با توجه به حجم بالای اطلاعاتی که توسط این شبکه ها مبادله می شود، بروز خطا می تواند باعث از دست رفتن تمام اطلاعات و روند کنترلی در یک لحظه گردد و پیامدهای جبران ناپذیری در پی داشته باشد. بنابراین تشخیص زودهنگام خطا در این شبکه ها بسیار حائز اهمیت است. در این پایان نامه، به دلیل مهم و متداول بودن خطاهای لایه فیزیکی شبکه فیلدباس، به تشخیص برخط خطاهای این لایه پرداخته و با ارائه یک مدل الکتریکی برای لایه فیزیکی سعی در جمع آوری پایگاه داده کاملی از ساختارها و خطاهای مختلف می شود. سپس با انتخاب مناسبترین روش استخراج ویژگی، شاخص های تاثیر گذار سیگنال لایه فیزیکی محاسبه می گردد. در نهایت، با استفاده از یک جدول مراجعه و شبکه عصبی، ویژگی های بدست آمده طبقه بندی و وضعیت سلامت و نوع خطای شبکه، تشخیص داده می شود. در مقایسه با روش ها و ابزارهای متداول عیب یابی فیلدباس، روش پیشنهادی با تشخیص نوع خطا و محدوده وقوع آن در شبکه، گام مهمی در بهبود کارایی و پیشرفت سیستم های تشخیص خطا در شبکه فیلدباس برداشته است.