repository
무인 ATV의 종 방향 제어를 위한 CAN 기반 분산형 시스템의 고장감지 및 진단
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | 홍석교, 좌동경, 송봉섭 | - |
| dc.contributor.author | 김순태 | - |
| dc.date.accessioned | 2018-11-08T07:17:16Z | - |
| dc.date.available | 2018-11-08T07:17:16Z | - |
| dc.date.issued | 2008-08 | - |
| dc.identifier.other | 9323 | - |
| dc.identifier.uri | https://dspace.ajou.ac.kr/handle/2018.oak/5551 | - |
| dc.description | 학위논문(석사)--아주대학교 일반대학원 :전자공학과,2008. 8 | - |
| dc.description.abstract | 본 논문에서는 무인 지능형 차량 시스템 개발에 있어 가장 중요한 요소인 안전성과 신뢰성 확보를 위하여 시스템에 예기치 않은 오류가 발생하였을 때 이를 감지하고 진단하는 방법에 관하여 논의한다. ATV를 이용하여 종 방향 주행을 제어하기 위한 분산형 시스템을 구축하였고, 여기서 발생할 수 있는 하드웨어 상의 오류를 판단하고 검출하는 알고리즘을 시스템의 특성에 따라 설계하여 직접 적용하였다. 즉 다 개체의 DSP와 CAN을 이용하여 각 하드웨어와 이에 관계된 연산을 분산시켜 효율성을 강조하였고, 이러한 시스템 구조에 적합한 고장 감지와 진단 알고리즘을 제시하였다. 먼저 각 하드웨어의 독립적인 모델에 근거하여 하드웨어가 연결된 개별 DSP에서 직접 고장을 진단하는 Decentralized FDD (DFDD)와, 전체 종 방향 제어모델에 근거하여 각 하드웨어의 동시적인 상태를 추정하여 종 방향 제어기가 설계된 DSP에서 고장을 진단하는 Centralized FDD (CFDD)로 각각 정의하고 구분하였다. 또한 두 가지 기법을 통합하여 최종적으로 고장을 진단하고 분류하는 Integrated FDD (IFDD) 알고리즘을 제시하여 고장의 오감지 (false alarm)를 방지할 수 있는 강인성을 확보하고, 발생된 고장에 대하여 더욱 세부적으로 분류할 수 있도록 하였다. 논의된 알고리즘의 타당성과 효용성을 검증하기 위하여 실제 실험을 통하여 성능을 분석한다. | - |
| dc.description.tableofcontents | 1. 서론 = 1 1.1연구 배경 = 1 1.2연구 내용 = 3 2. 시스템 구성 = 5 2.1 분산형 하드웨어 구성 = 5 2.2 FDD의 대상 = 8 2.3 FDD 방법의 분류 = 9 3. 고장감지와 진단 알고리즘 = 13 3.1 Decentralized FDD 알고리즘 = 13 3.1.1 고장감지를 위한 레지듀얼의 정의 = 13 3.1.2 고장감지를 위한 레지듀얼의 한계값 설정 = 19 3.2 Centralized FDD 알고리즘 = 21 3.2.1 종 방향 제어기 설계 = 21 3.2.2 고장감지를 위한 레지듀얼의 정의 = 23 3.2.3 고장감지를 위한 레지듀얼 처리기 = 24 3.3 Integrated FDD 알고리즘 = 25 4. 실험 결과 = 31 4.1 Decentralized FDD 알고리즘의 검증 = 31 4.2 Centralized FDD 알고리즘의 검증 = 33 4.3 Integrated FDD 알고리즘의 효용성 검증 = 34 5. 결론 = 38 6. 참고 문헌 = 39 | - |
| dc.language.iso | kor | - |
| dc.publisher | The Graduate School, Ajou University | - |
| dc.rights | 아주대학교 논문은 저작권에 의해 보호받습니다. | - |
| dc.title | 무인 ATV의 종 방향 제어를 위한 CAN 기반 분산형 시스템의 고장감지 및 진단 | - |
| dc.title.alternative | Kim, Soon tae | - |
| dc.type | Thesis | - |
| dc.contributor.affiliation | 아주대학교 일반대학원 | - |
| dc.contributor.alternativeName | Kim, Soon tae | - |
| dc.contributor.department | 일반대학원 전자공학과 | - |
| dc.date.awarded | 2008. 8 | - |
| dc.description.degree | Master | - |
| dc.identifier.localId | 567207 | - |
| dc.identifier.url | http://dcoll.ajou.ac.kr:9080/dcollection/jsp/common/DcLoOrgPer.jsp?sItemId=000000009323 | - |
| dc.subject.keyword | fault detection | - |
| dc.subject.keyword | fault diagnosis | - |
| dc.subject.keyword | CAN | - |
| dc.subject.keyword | distributed system | - |
| dc.subject.keyword | ATV | - |
| dc.description.alternativeAbstract | This paper presents the fault detection and diagnosis (FDD) algorithm to enhance reliability of a longitudinal controller for an autonomous All-Terrain Vehicle (ATV). The FDD is designed to monitor and identify faults which may occur in distributed hardware used for longitudinal control, e.g., DSPs, CAN, sensors, and actuators. The proposed FDD is an integrated approach of decentralized and centralized FDD. While the former is processed in a DSP and suitable to detect faults in a single hardware, it is sensitive to noise and disturbance. On the other hand, the latter is performed via communication and it detects and diagnoses faults through analyzing concurrent performances of multiple hardware modules, but it is limited to isolate faults specifically in terms of components in the single hardware. To compensate for disadvantages of each FDD approach, two layered structure including both decentralized and centralized FDD is proposed and it allows us to make more robust fault detection and more specific fault isolation. The effectiveness of the proposed method will be validated experimentally. | - |
- Appears in Collections:
- Graduate School of Ajou University > Department of Electronic Engineering > 3. Theses(Master)
- Files in This Item:
- There are no files associated with this item.
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
-
- License
- STATISTICS
- Total Visit :3,730,467
- Total Download :1,818
- Today View :8,125
