Architecture for hierarchical policy-supervised fault detection component / middleware

• Autorzy: Pelc M.

Warianty tytułu

PL

Architektura Hierarchicznego Zarządzanego Politykami Komponentu / Oprogramowania Pośredniczącego Systemu Detekcji Błędów

• Języki publikacji: EN

Abstrakty

EN

In this paper an idea of a layered, hierarchical policy-supervised diagnostic / fault detection component and middleware supporting humans` decision-making will be presented. This system will be based on Open Decision Point architecture and as such the system will offer an ease of reconfiguration via policies replacement in the decision making component. For the diagnostic / decision making support purposes AGILE policies will be used. In order to present practical implementation of the subject architecture, a proof of concept application to the distillation column is described. Selected simulation results are used to show advantages of the proposed approach.

PL

W niniejszym artykule zaprezentowana zostanie architektura warstwowej, hierarchicznej zarządzanej politykami architektury komponentu i oprogramowania pośredniczącego dla systemu diagnostycznego. W ramach proponowanych rozwiązań wyróżnione zostały trzy funkcjonalne warstwy, które pozwalają na zwiększenie efektywności procesu decyzyjnego poprzez filtrowanie i preselekcję zdarzeń sygnalizowanych w systemie diagnostycznym / monitorującym. Oba zaproponowane rozwiązania (zarówno implementacja w obrębie jednego komponentu jak implementacja w systemie rozproszonym) wykorzystują architekturę Otwartego Punktu Decyzyjnego i jako takie oferują łatwość rekonfiguracji poprzez zamianę aktualnych polityk odpowiedzialnych za podejmowanie decyzji. Wsparcie dla systemu diagnostyki / podejmowania decyzji zapewniają polityki w języku AGILE. Aby zaprezentować praktyczną implementację tytułowych architektur opisane rozwiązania zostaną zastosowane w systemie sterowania kolumny destylacyjnej. Wybrane wyniki symulacji pokażą zalety zaproponowanego rozwiązania.

Słowa kluczowe

EN

computer control systems; autonomic systems; policy-based computing

PL

komputerowe systemy sterowania; systemy autonomiczne; przetwarzanie z wykorzystaniem polityk

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2011
• Tom: R. 57, nr 9
• Strony: 1005--1010
• Opis fizyczny: Bibliogr. 24 poz., rys., wzory

Twórcy

autor

Pelc M.

• Opole University of Technology, faculty of Electrical Engineering, Automatics and Computer Science, Sosnkowskiego 31, 45-272 Opole,

Bibliografia

• [1] Anthony R. J. (2006): A policy-definition language and prototype implementation library for policy-based autonomic systems, Proceedings of 3rd International Conference on Autonomic Computing (ICAC2006) pp. 265-276.
• [2] Anthony R. J., Pelc M., Ward P. and Hawthorne J. (2008): Flexible and robust run-time configuration for selfmanaging systems, SASO’08: Proceedings of the 2008 Second IEEE International Conference on Self-Adaptive and Self-Organizing Systems pp. 491-492.
• [3] Anthony R., Pelc M. and Byrski W. (2010): Context-aware reconfiguration of autonomic managers in real-time control applicaitons, Proc. of 7th IEEE Conference on Autonomic Computing pp. 73-74.
• [4] Byrski W. (2003): The survey for the exact and optimal state observers in hilbert spaces, Proceedings of 7th European Control Conference pp. 6.
• [5] Byrski W. and Fuksa S. (1984): Optimal finite parameter observer in an application to synthesis of stabilizing feedback for a linear system, Control and Cybernetics 13 (1).
• [6] Duer S. (2010): Diagnostic system with an artificial neural network in diagnostics of an analogue technical object, Neural Comput. Appl. 19: pp. 55-60.
• [7] Kalman R. E. (1960): A new approach to linear filtering and prediction problems, Trans. ASME-Jnl. Basic Engineering 82: pp. 35-45.
• [8] Korbicz J., Patan K. and Obuchowicz A. (1999): Dynamic neural networks for process modelling in fault detection and isolation systems, Int. J. Appl. Math. and Comp. Sci, .9: pp. 519-546.
• [9] Koscielny J. M., Ostasz A. and Wasiewicz P. (2000): Fault detecition based fuzy neural networks - application to sugar factory evaporator, Proc. IFAC Symp. Fault Detection, Supervision and Safety for Technical Process, Vol. 1, IFAC, Budapest, Hungary, pp. 337-342.
• [10] Koscielny J. M. and Syfert M. (2000): Current diagnostics of power boiler system with use of fuzzy logic, Proc. IFAC Symp. Fault Detection, Supervision and Safety for Technical Process, Vol. 2, IFAC, Budapest, Hungary, pp. 681-686.
• [11] Kowalczuk Z., Suchomski P. and Bialaszewski T. (1999a): Evolutionary multi-objective pareto optimisation of diagnostic state observers, Int. J. Appl. Math. Comp. Sci. 9: pp. 689-709.
• [12] Kowalczuk Z., Suchomski P. and Bialaszewski T. (1999b): Genetic multi-objective pareto optimisation of state observers for fdi, Proceedings of European Control Conference ECC09, ECC’09, ECC, Kalrsrhue, pp. 1-6.
• [13] Long H. and Wang X. (2009): Application of aircraft fuel fault diagnostic expert system based on fuzzy neural network, Proceedings of the 2009 WASE International Conference on Information Engineering - Volume 02, IEEE Computer Society, Washington, DC, USA, pp. 202-205.
• [14] Metenidis M. F., Witczak M. and Korbicz J. (2004): A novel genetic programming approach to nonlinear system modelling: application to the damadics benchmark problem, Engineering Applications of Artificial Intelligence 17: pp. 363-370.
• [15] Ogaji S. O. T. and Singh R. (2002): Advanced engine diagnostics using artificial neural networks, Proceedings of the 2002 IEEE International Conference on Artificial Intelligence Systems (ICAIS’02), ICAIS’02, IEEE Computer Society, Washington, DC, USA, pp. 236.
• [16] Pelc M., Anthony R. and Byrski W. (2009): Policy supervised exact state reconstruction in real-time embedded control systems, Proceedings of 7th Workshop on Advanced Control and Diagnostics ACD2009.
• [17] Pelc M., Anthony R. and Hawthorne J. (2009): Practical implementation of a middleware and software component architecture supporting reconfigurability of real-time embedded systems, Proceedings of 2009 International Conference on Computational Science and Engineering, ICSE’09, ICSE, Vancouver, Canada, pp. 394-401.
• [18] Rotshtein A. P. and Rakityanskaya A.B. (2001): Solution of a diagnostics problem on the basis of fuzzy relations and a genetic algorithm, Cybernetics and Sys. Anal. 37: 918-925.
• [19] Rotshtein A. P. and Rakytyanska H. B. (2009): Adaptive diagnostic system based on fuzzy relations, Cybernetics and Sys. Anal. 45: pp. 623-637.
• [20] Rotshtein A. and Rakytyanska H. (2001): Genetic algorithm for fuzzy logical equations solving in diagnostic expert systems, Proceedings of the 14th International conference on Industrial and engineering applications of artificial intelligence and expert systems: engineering of intelligent systems, IEA/AIE’01, Springer-Verlag, London, UK, UK, pp. 349-358.
• [21] Sala A. (2008): Encoding fuzzy possibilistic diagnostics as a constrained optimization problem, Inf. Sci. 178: 4246-4263.
• [22] Ulieru M. and Isermann R. (1993): Design of a fuzzy-logic based diagnostic model for technical processes, Fuzzy Set Syst. 58: pp. 249-271.
• [23] Ward P., Pelc M., Hawthorne J. and Anthony R. J. (2008): Embedding dynamic behaviour into a self-configuring software system, Proceedings of 5th International Conference on Autonomic and Trusted Computing (Springer LNCS), pp. 373-387.
• [24] Pelc M. and Anthony R. J. (2010): Policy-based selfmanagement in embedded systems, SystemsInternational Transactions on Systems Science and Applications (ITSSA), 6: pp. 43-59.