Uma Proposta de Estrutura Variável para o Método IMMF Aplicada ao Problema de Estimação da Condição de Funcionamento de Baterias
Resumo
Os sistemas industriais e seus componentes podem ser caracterizados por diferentes modos de funcionamento e falhas, principalmente porque várias partes podem sofrer com diferentes tipos de deteriorações. Por isso, saber o melhor momento para o início das atividades de manutenção pode prolongar a vida útil dos equipamentos. Para auxiliar a execução de manutenção desses equipamentos, o presente trabalho propõe uma abordagem de estimação da condição de funcionamento, utilizando uma estrutura variável para os filtros de partículas com múltiplos modelos, aplicado à estimação do estado de uma bateria de íon-lítio. Duas abordagens são propostas (IMMA e IMMAND), diferindo na lógica de seleção dos modelos ativos mais prováveis. Para avaliar e validar os resultados obtidos pelas abordagens, são utilizados as métricas RMSE e MAPE, que mostraram boas estimativas dos algoritmos propostos, para a base de dados analisadas e na presença de muitos modelos sem sofrerem grandes interferências da escolha dos limiares.
Referências
Cosme, L. B., Caminhas, W. M., D’Angelo, M. F. S. V., and Palhares, R. M. (2019). A novel fault-prognostic approach based on interacting multiple model filters and fuzzy systems. IEEE Transactions on Industrial Electronics, 66(1):519–528.
Jouin, M., Gouriveau, R., Hissel, D., Péra, M.-C., and Zerhouni, N. (2016). Particle filter-based prognostics: Review, discussion and perspectives. Mechanical Systems and Signal Processing, 72-73:2–31.
Kardec, A. N. J. (2009). Manutenção - função estratégica. 3ª edição. Rio de Janeiro: Qualitymark: Petrobrás, pages 1–440.
Lan, J., Li, X. R., and Mu, C. (2011). Best model augmentation for variable-structure multiple-model estimation. IEEE Transactions on Aerospace and Electronic Systems, 47(3):2008–2025.
Li, X.-R. and Bar-Shalom, Y. (1996). Multiple-model estimation with variable structure. IEEE Transactions on Automatic Control, 41(4):478–493.
Sun, X., Wang, X., and Lin, S. (2020a). Multi-fault diagnosis approach based on updated interacting multiple model for aviation hydraulic actuator. Information, 11:410.
Sun, X., Wang, X., and Lin, S. (2020b). Multi-fault diagnosis approach based on updated interacting multiple model for aviation hydraulic actuator. Information, 11(9):410.
Xu, Z. and Saleh, J. H. (2021). Machine learning for reliability engineering and safety applications: Review of current status and future opportunities. Reliability Engineering System Safety, 211:107530.