Diagnostics for control systems

Abstract

IV OZST Yapay zeka teknikleri endüstriyel kontrol sistemlerinin onarımında gün geçtikçe daha fazla önem kazanmaktadır. Kontrol sistemlerinin artan karmaşıklıkları ve verimli onarım yapabilecek eleman bulabilmenin zorluğu, araştırmacıları uzman sistemleri bu alanda kullanmaya zorlamıştır. Bu tez, geri beslemesi olmayan kontrol sistemlerinin onarım servisinde kullanılabilecek bir akıllı rehber tasarlama amacı ile hazırlanmıştır. Ana fikir, sistemin bağlantı bilgisini ve kontrol elemanlarının hata olasılıklarını kullanarak, teknisyene rehberlik etmek ve sonuçta sistem elemanlarının çalışma prensiplerini tanımlayan kuralları kullanarak hatalı kısmı tespit etmektir. Hata takip yöntemi olarak olasılık ve nedensel yaklaşım ların bir karışımı kullanılmış ve bu yaklaşımları tercih ne denleri açıklanmıştır.

11.1 ABSTRACT In recent years, AI techniques have gained great importance in the field of diagnosing industrial control systems. The increasing complexity of the control systems and the difficulty of finding expert technicians to do effective troubleshooting had forced the researchers to use expert systems in this area. This thesis is prepared to design an intelligent guide that is capable of troubleshooting control systems without feedback loops. The main idea is to use the connectivity knowledge of the system and fault probabilities of the components to guide the technician in troubleshooting and finally to use the causal rules that describe the behaviours of the components to detect the faulty part. A mixture of probabilistic and causal approaches is used in diagnosis procedure and it is also explained why they are chosen instead of other approaches.