صبحی بنی اردلانی جواد عسکری
موضوع تشخیص عیب در سیستم های هایبرید که دربرگیرنده ی حالت های گسسته و پیوسته هستند، مسئله ای کاربردی و در عین حال پیچیده است که با گسترش روزافزون این سیستم ها در سال های اخیر اهمیت زیادی پیدا کرده است. این رساله به حل مسئله تشخیص عیب برای یک سیستم هایبرید در شرایطی که اطلاعات قابل استفاده جهت تشخیص عیب صرفا به صورت کیفی (مانند خروجی های حاصل از سنسورهای گسسته) در دسترس باشند، می پردازد. این محدودیت، انگیزه استفاده از مدل های پیشامد گسسته را در تشخیص عیب تقویت می کند که در این رساله، از دو دسته ی اصلی این مدل ها یعنی اتوماتن تصادفی و اتوماتن زمانی استفاده می شود. برای ایجاد مدل پیشامد گسسته ی سیستم تحت بررسی، در ابتدا یک اتوماتن هایبرید، با استفاده از روش هندسی معرفی شده در رساله، به دست می آید و سپس اتوماتن تصادفی و اتوماتن زمانی متناظر با این اتوماتن هایبرید، ساخته می شوند. در این رساله، یک چارچوب جبری دوتایی برای مدل سازی اتوماتن زمانی معرفی می گردد که ضمن فراهم آوردن امکان پیش بینی رفتار زمانی سیستم، ساخت رویتگر جهت تشخیص عیب را نیز مقدور می سازد. جهت حل مسئله ی تشخیص عیب نیز رویکرد اساسی در رساله، معرفی و استفاده از معیارهای سازگاری مناسب برای هر مدل است. به کمک این معیارها، رویتگرهای پیشنهاد شده در رساله، با مشاهده ی ورودی ها و خروجی های سیستم، میزان سازگاری هر عیب با مشاهدات انجام شده را به صورت بازگشتی و برخط تعیین می کنند. این کار باعث افزایش کارآیی سیستم تشخیص عیب پیشنهادی، در شرایط حضور نویز، اغتشاش، وجود نامعینی در پارامترها، ظهور عیب های خارج از مجموعه عیب های تعریف شده و عیب های متغیر با زمان می گردد که این موارد در قالب شبیه سازی های متعددی در رساله بررسی شده اند. موضوع دیگری که در رساله به آن پرداخته شده است، تحلیل قابلیت تشخیص عیب برای روش پیشنهادی، به کمک گراف های دسترس پذیری حاصله برای هر مدل و تاثیر معیار سازگاری در بهبود این قابلیت است. به عنوان یک نتیجه گیری کلی می توان گفت که معرفی معیارسازگاری در این پایان نامه، یک ساختار یکنواخت و جامع برای سیستم های تشخیص عیب مبتنی بر مدل گسسته پیشامد را فراهم می آورد. این ساختار با چارچوب کلی روش های تشخیص عیب مبتنی بر مدل های کمّی، مشابهت دارد که در نتیجه، با به کارگیری برخی از مفاهیم آن روش ها می تواند باعث توسعه روش های تشخیص عیب مبتنی بر مدل گسسته پیشامد گردد.
