• 沒有找到結果。

錯誤判別實驗結果

第五章 實驗結果與討論

5.4 錯誤判別實驗結果

 

5.4 錯誤判別實驗結果

錯誤判別為階層式錯誤偵測與判別系統的後端,使用模型2、模型 3 及模型 4,

即透過運動學模型和動力學模型於大軸與小軸的列組合,作為判斷大軸或小軸的運 作正常與否的分類模型。在錯誤判別實驗中,量測雜訊平均值為0 標準差為 0.001 的 高斯雜訊,動力學模型及運動學模型處理雜訊分別為平均值為0 標準差為 0.0023 及 0.003 的高斯雜訊,錯誤偵測在系統運作 1 秒後啟動。當錯誤偵測系統中的運動學模 型機率大於0.75 後,便啟動錯誤判別系統;而當錯誤判別系統內的任一模型機率大

0.75,即判別系統發生該模型的錯誤種類。

透過表 8 的 6 種不同錯誤形式的實驗可看出,錯誤判別系統能夠有效的判斷出 系統是否有錯誤發生,對於致動器突然靜止的錯誤,都能在0.15 秒內判斷出來,對 於較不明顯的錯誤或漸進衰減的錯誤,過了暫態反應期後也都能夠正確指出錯誤的 種類。

錯誤判別實驗

1:大軸發生卡住錯誤(Type 1)

軌跡1,使用僅需位置回授控制器,多模型演算法為 GPB-2,大軸致動器於 10 秒時發生錯誤,小軸致動器正常運作。

由圖 58 可看出從大軸發生錯誤到錯誤判別系統判斷出大軸出錯僅使用了 0.08 秒。

  圖 57 實驗 4 的角度、角速度估測及輸出電壓

 

 

圖 58實驗4 各軸發生錯誤之機率估測  

 

錯誤判別實驗

2:大軸發生錯誤(Type 1)

軌跡1,使用僅需位置回授控制器,多模型演算法為 IMM,大軸致動器於 8 秒 時發生錯誤,小軸致動器正常運作。

由圖 60 可看出從大軸發生錯誤到錯誤判別系統判斷出大軸出錯使用了 0.12 秒,

略遜於GPB-2,原因在於 IMM 演算法只通過一次的濾波器,在估測效果上會比 GPB-2 差一些。

  圖 59 實驗 5 的角度、角速度估測及輸出電壓

 

  圖 60 實驗 5 各軸發生錯誤之機率估測

錯誤判別實驗

3:兩軸同時發生錯誤(Type 3)

軌跡1,使用僅需位置回授控制器,多模型演算法為 GPB-2,大軸與小軸致動器 同時於7.2 秒時發生錯誤。由圖  62 可看出從兩軸同時發生錯誤到錯誤判別系統判斷 出兩軸皆出錯僅使用了0.08 秒。

  圖 61 實驗 6 的角度、角速度估測及輸出電壓

  圖 62 實驗 6 各軸發生錯誤之機率估測

   

錯誤判別實驗

4:兩軸先後發生錯誤(Type 4)

軌跡1,使用僅需位置回授控制器,多模型演算法為 GPB-2,大軸於 7 秒時先發 生錯誤,小軸致動器接著於13.5 秒時也發生錯誤。由圖 64 可看出大軸在發生錯誤

後,過了0.08 秒被偵測出大軸發生錯誤;接著小軸發生錯誤後,過了 0.11 秒被偵測

出兩軸皆發生錯誤。

  圖 63 實驗 7 的角度、角速度估測及輸出電壓

 

圖 64 實驗 7 各軸發生錯誤之機率估測  

錯誤判別實驗

6:致動器輸出功率突然降低(Type 5)

軌跡1,使用僅需位置回授控制器,多模型演算法為 GPB-2,大軸於 8 秒後致動 器發生輸出功率瞬間降低,僅剩原來之40%,小軸致動器正常運作。由圖 66 可看出 大軸在發生輸出功率僅剩40%的錯誤後,過了 0.37 秒被偵測出大軸發生錯誤。判別 出大軸發生錯誤的時間較卡住錯誤長,原因在於控制器依然能夠及時反應,計算出 相應需要增加的命令電壓,使得角度追蹤誤差還能在一定的誤差範圍之下,可以從 圖  66 看出。因此,0.37 秒屬於還能夠被接受的範圍之內。

  圖 65 實驗 8 的角度、角速度估測及輸出電壓

  圖 66 實驗 8 各軸發生錯誤之機率估測

 

實驗

9:致動器輸出功率漸進衰減(Type 6)

軌跡1,使用僅需位置回授控制器,多模型演算法為 GPB-2,大軸正常運作,小 軸致動器於7 秒後致動器發生(輸出功率×e0.0015( - )T t0 )的指數衰減。根據圖  66 的結果 可看出,輸出功率大約衰減至58%以下後,才完全被判定是小軸發生錯誤後,在完 全確定錯誤種類前,有一段不確定期,因此系統若要增加此類的錯誤,必須提高錯 誤種類的機率臨界值,並且要機率值維持一段時間後才能確定錯誤種類,也就是說,

錯誤判別的強健性及偵測速度必須有所取捨才行。

  圖 67 實驗 9 的角度、角速度估測及輸出電壓

 

  圖 68 實驗 9 各軸發生錯誤之機率估測及衰減曲線

   

錯誤偵測實驗

第六章 結論及未來工作

濾波器消除速度資訊,搭配Lyapunov 及 KYP Lemma[5]所設計的非線性控制器,便 可得到一個只需要角度回授資訊,並具有良好性能的控制器。從實驗結果可以看出,

相關文件