DETECO DE FALHAS EM UM PROCESSO INDUSTRIAL VIA OBSERVADOR DE LUENBERGER E LGICA FUZZY

TATIANE P. CHAGAS, CELSO J. MUNARO, ALESSADRO MATTEDI

Departamento de Engenharia Eltrica, Universidade Federal do Esprito Santo
Av. Fernando Ferrari, 514 CEP:29.075-910, Vitria, ES - Brasil
E-mails: thatypoli@gmail.com, munaro@ele.ufes.br,alessandro@ele.ufes.br
Abstract In this paper, a fault detection system based on analytical redundancy is applied to an industrial plant. Luenberger
observer is used to produce residues that feed a fuzzy module for fault detection and isolation. Four different faults in sensors and
actuators are diagnosed via proposed system. Fault values are recovered and robustness to noisy measurements are also met. The
uselfulness of the proposed strategy is illustrated through its application to an industrial plant.
Keywords fault diagnosis, state observer, fuzzy logic
Resumo Este artigo prope e aplica um sistema de deteco de falhas baseado em redundncia analtica a uma planta
industrial. Um observador de Luenberger utilizado para gerar os resduos que alimentam um sistema fuzzy para deteco e
isolao das falhas. O sistema proposto permite diagnosticar quatro falhas em sensores e atuadores, alm de recuperar o valor das
falhas e introduzir robustez rudos nas medidas. A proposta ilustrada atravs de sua aplicao a uma industrial.
Palavras-chave Diagnstico de falhas, observador de estados, lgica fuzzy

Introduo

A deteco e isolao de falhas em plantas

industriais um tema de grande interesse. A
deteco prematura de falhas evita a deteriorao do
produto, a degradao do desempenho do sistema,
danos aos equipamentos, danos sade e vida
humana. Diagnosticar com rapidez e confiana as
falhas detectadas facilita a tomada de deciso e as
aes corretivas, minimizando o tempo de
manuteno, aumentando a segurana da operao da
planta, reduzindo assim, os custos industriais.
Mtodos usuais para deteco e diagnstico de
falhas envolvem a verificao dos limites de
variveis ou utilizao de redundncia de sensores
(redundncia de hardware). Mtodos mais
avanados so desenvolvidos, como mtodos
baseados em modelos qualitativos, modelos
quantitativos e dados em processos histricos. Dentre
essas abordagens est o mtodo de redundncia
analtica (Chen e Patton, 1999, Chow e Willsky,
1994),
no
qual
inconsistncias
entre
o
comportamento atual e esperado do sistema so
obtidas utilizando modelos matemticos que
relacionam estados, entradas e sadas desse sistema.
Essas inconsistncias, denominadas resduos, podem
ser utilizadas para detectar e isolar as falhas. As
abordagens mais freqentes para gerao de
resduos, incluem observadores e filtros de Kalman
(Frank, 1990; Chen e Patton, 1999), equaes de
paridade (Chow e Willskjy, 1994; Gertler, 1998) e
estimao de parmetros (Isermann, 1997).
Aliadas s tcnicas de gerao de resduos,
encontram-se os mtodos de deteco e isolao de
falhas, tais como: diagnstico baseado em rvore de
sintomas-falhas (Isermann, 1997), sistemas de
diagnstico
neuro-fuzzy
(Isermann,
1996),

diagnstico de falha baseado em lgica fuzzy (

Miguel e Blquez, 2005), observador estocstico
(Lunze el al, 2004), filtros de Kalman (Quirino e
Bottura, 2003).
Algoritmos fuzzy vm sendo empregados com
sucesso para diagnstico de falhas em processos
industriais (Toscano e Lyonet, 2002), motores DC
(Miguel e Blzquez, 2005), transformadores (Lima et
al, 2004) e plantas de tratamento de esgoto (Borges
el al, 2005).
Os mtodos de diagnstico de falhas devem
apresentar algumas caractersticas tais como: rpida
deteco e correto isolamento da falha, robustez a
incertezas dos modelos dos sistemas, rudos,
perturbaes, alm de detectar mltiplas falhas.
Esse artigo prope um sistema de deteco e
isolao de falhas utilizando observador de
Luenberger linear para gerao de resduos e lgica
fuzzy para a isolao e diagnstico das falhas,
aplicado a um processo industrial, baseando-se em
resultados de Tarantino, 2000, porm modelando de
forma mais simplificada as falhas, recuperando seu
valor e introduzindo robustez a rudos de medio.
Na seco 2 apresentada a planta industrial e sua
modelagem matemtica. Na seco 3 descreve-se as
falhas simuladas, a metodologia adotada para
gerao de resduos, os resduos gerados pelas falhas
e o sistema de diagnstico fuzzy. Na seco 4
descreve-se os resultados apresentados pelo FDI
implementado para as falhas descritas na seco 3.
Finalmente as concluses so apresentadas na seco
5.
2 Modelo Industrial
Na figura 1 mostrada a planta industrial para a
qual foi desenvolvido o sistema FDI apresentado
neste artigo.

A planta composta por duas vlvulas que

controlam a vazo de gua com temperaturas
constantes: uma vlvula de gua fria (W1), uma
vlvula de gua quente (W2) e uma terceira vlvula,
cuja finalidade controlar o nvel de gua no
reservatrio. A temperatura T3 ajustada por um
controlador PI, que atua na abertura das vlvulas W1
e W2. Para o controle da planta, so utilizados dois
sensores: um sensor de temperatura (TT), que mede a
temperatura T3 e um sensor de vazo (FT), que mede
a vazo na vlvula W2.

Figura 1 Planta de nvel e temperatura

Os estudos desenvolvidos na planta industrial

acima foram realizados considerando que a mesma
estivesse funcionando no ponto de operao definido
por
_

W1 = 12 lb / min, W 2 = 8lb / min

_

W3 = 12lb / min, H = 4.77 ft

_

T1 = 6 . 55 F , T 2 = 10 F , T3 = 7 . 94 F

As equaes (1) a (6) descrevem o modelo

matemtico no linear da planta em estudo
(Tarantino, 2000), incluindo o comportamento dos
atuadores e do controlador PI projetado para
controlar a temperatura do tanque,

T3 (t ) = 0.0065 W1 (t ) + 0.0124W2 (t )

(1)
0.00111 W1 (t ) T3 (t ) 0.00111 W2 (t ) T3 (t )

W 2 (t ) = 1.375 W2 (t ) + 5.5 u (t )

W1 = 0.8 W1 4.8 u + 19.2

y1 (t ) = T3 (t )

(3)
(4)

y 2 (t ) = W 2 (t )

(2)

(5)
_

u (t ) = Kp T3 ( t ) + Ki(T3 (t ) T3 )
(6)
Linearizando o modelo em torno do ponto de
operao, vem

x(t ) = Ax(t ) + Bu (t )
y (t ) = Cxt (t )

(7)
(8)

onde A = [-0.0222 0.00358 -0.00231; 0 -1.375 0; 0

0 -0.8], B = [0; 5.5; -4.8] e C = [1 0 0 ; 0 1 0].

3 Diagnstico de Falhas Baseado em Modelo

O diagnstico de falhas baseado em modelo

feito comparando o comportamento real da planta
industrial com seu modelo matemtico, atravs da
gerao de resduos e suas anlises (Chen e Patton,
1999). A existncia de resduo um indicador de
falha e reflete a situao do sistema monitorado.
A maior vantagem de um sistema FDI baseado
em modelo a no adio de novos hardwares para a
sua implementao, necessitando apenas das
informaes dos valores das entradas e sadas,
podendo ser implementado no prprio software que
controla o processo.
Os sistemas FDI baseados em modelo so
compostos de dois mdulos: gerador de resduos e
sistema de diagnstico de falhas. O gerador de
resduo responsvel por gerar valores que medem a
inconsistncia entre as variveis da atual planta e o
modelo matemtico que a descreve. Eles so
idealmente zeros, mas podem se tornar diferentes de
zero na presena de falhas, distrbios, rudos ou
dinmicas no modeladas. O mdulo de diagnstico
de falhas responsvel por decidir se o resduo
implica em uma falha, determinando o tipo de falha
com o maior nmero de detalhes possvel, como
dimenso, localizao e tempo de ocorrncia.
O FDI proposto neste artigo utiliza um
observador linear de estados para estimar as sadas
da planta. A comparao entre as medidas fornecidas
pelos sensores de temperatura e de vazo e os valores
estimados pelo observador gera os resduos
utilizados para detectar se h ou no presena de
falhas. O mdulo de diagnstico de falhas foi
implementado via lgica fuzzy.
3.1 - Observador de Estados
O observador de estados tem a finalidade de
estimar os valores das sadas T3 (temperatura) e W2
(vazo de gua quente). A comparao entre os
valores estimados e a sada do processo, fornecida
pelos sensores, gera os resduos. Esses resduos so
dados pela diferena entre a sada do processo (y) e a
sada estimada do processo ( y ).
A equao do observador dada por
(9)
x = ( A LC ) x + Bu + Ly

y = C x
(10)
com o erro dado por
^

e = y y;
(11)
Para que o erro de estimao tenda a zero
necessrio que a matriz (A-LC) tenha seus
autovalores com a parte real negativa, tendo sido
escolhida
L = [2.1778 0.0036; 0 -0.875; 103.8961 0].
Para situaes normais de funcionamento, o
observador estima os valores medidos pelos sensores
de temperatura e vazo. Nessa situao os resduos
gerados so iguais a zero.

A ocorrncia de uma falha faz com que o

observador
estime
valores
diferentes
dos
apresentados pelos sensores, gerando resduos.
Cada falha gera resduos de valores e
comportamentos
diferentes.
Essa
diferena
representa a assinatura da falha, o que permite que a
falha seja isolada e identificada.
3.2 - Descrio das Falhas
Com o modelo matemtico do processo
possvel simular algumas falhas que podem ocorrer
durante o funcionamento da planta. Para o
desenvolvimento deste trabalho selecionamos dois
tipos de falhas: falha nos sensores e falha nos
atuadores. A seguir so apresentadas as falhas
simuladas e os resduos gerados.

Figura 2 Resduos devido a um entupimento de 40% na vlvula

W1

3.2.1 Falha nos Atuadores

As vazo nas vlvulas de gua quente e fria
podem ser modeladas pelas equaes diferenciais (2)
e (3), re-escritas abaixo,

W (t ) M
W2 (t ) = 2 + ut 2 u (t )
(12)
Tv 2
Tv 2

W1 (t ) M ut1
+
(u max u (t ))
(13)
Tv1
Tv1
As constantes Mut1 e Mut2 so os coeficientes de
fluxo das vlvulas e relacionam a vazo com o sinal
aplicado. Para simular entupimentos nas vlvulas W1
e W2, essas constantes podem ser alteradas, variando
assim o valor da vazo para um mesmo sinal de
controle.
O resduo rT3 a diferena entre o valor do
sensor de temperatura T3 e a temperatura estimada
pelo observador de estados T3_est e o resduo rW2 a
diferena entre o valor do sensor de vazo W2 e a
vazo W2 estimada pelo observador de estados
W2_est. Alm dos resduos tambm foi utilizada a
variao da ao de controle du para caracterizar a
falha.
Um entupimento de 40% na vlvula W1, no
instante 400s, gera os resduos apresentados na
figura 2. Nesse instante ocorre uma diminuio da
vazo de gua fria, gerando uma ao de controle
para diminuir a vazo de gua quente e manter
constante a temperatura T3. Essa falha no gera
resduos rT3 e rW2 .
A figura 3 apresenta os resduos gerados pela
simulao de uma falha de entupimento de 25% na
vlvula W2. No instante da falha, 400s, ocorre uma
diminuio na vlvula de gua quente, gerando uma
ao de controle para reduzir a vazo da entrada de
gua fria, de forma a manter a temperatura T3.
Observa-se que gerado um resduo apenas em rW2.

W1 (t ) =

Figura 3 Resduos devido a um entupimento de 25% na vlvula

W2

3.2.2 Falha nos Sensores

Os sensores de vazo e temperatura podem
sofrer variaes nos valores medidos causados por
descalibrao, rudos, falha na transmisso dos
valores ou off-set na medida do sensor.
Na figura 4 so apresentados os resduos
gerados pela transmisso de um off-set positivo de
2F na leitura do sensor de temperatura (TT). Neste
caso, o sistema de controle considera que a
temperatura est 2F acima do valor desejado,
reduzindo a vazo de gua quente e aumentando a
vazo de gua fria. Com isso, a temperatura se
equilibra 2F abaixo do valor desejado. Isso resulta
em um resduo rT3 e uma ao de controle para
modificar a vazo das vlvulas. O resduo rW2 no
sofre alterao.
Um off-set negativo de 3.5 lb/min no sensor da
vazo (FT) de gua quente gera os resduos
apresentados na figura 5. Observe que o off-set no
transmissor de vazo levou a uma medio errada da
vazo da vlvula W2, entretanto essa medio no
leva a nenhuma ao de controle, pois o controle

feito apenas com a informao da temperatura T3.

Essa falha gera apenas o resduo rW2.

Foram construdos quatro blocos fuzzy para

diagnosticar as respectivas falhas. Todos eles
recebem do gerador de resduo os valores de rW2 e
rT3, alm da variao da ao de controle du,
conforme a figura 6.

Figura 4 Resduos devido a um off- set no sensor de temperatura

Figura 6 Sistema de diagnstico fuzzy

Figura 5 Resduos devido a um off-set no sensor de vazo

Esses resduos sero utilizados na seco 4 para

detectar e isolar as falhas simuladas.
3.3 - Isolao das Falhas
Para a construo do mdulo de diagnstico de
falhas, utilizou-se um sistema fuzzy do tipo TakagiSugeno (TS) ( Takagi e Sugeno, 1985), com a
finalidade de detectar se ocorreu ou no uma falha, o
qual permite isolar e recuperar o valor dessa falha.
Para a construo dos mdulos de diagnsticos
foram coletados, do sistema simulado, conjuntos de
dados para cada uma das falhas estudas neste artigo.
Aps obter os dados, foi necessrio identificar
grupos de dados de mesmo comportamento e para
isso utilizou-se o mtodo de agrupamento subtrativo
proposto por Chiu (1994). O processo de
agrupamento consiste em identificar, em um
conjunto de dados de entrada e sada, grupos cujos
dados ilustrem regies com contorno razoavelmente
delineado, gerando um conjunto de regras que
fornece
uma
representao
concisa
do
comportamento do sistema.
A ferramenta ANFIS, do toolbox fuzzy do
Matlab foi utilizada para realizar o agrupamento
dos dados e para se obter o modelo fuzzy que
identifica as falhas.

O bloco DIAG1 detecta falha de entupimento na

vlvula W1 de gua fria, recuperando o grau de
entupimento da mesma. O bloco DIAG2 detecta
falha de entupimento na vlvula W2 de gua quente,
recuperando o grau de entupimento da mesma. O
bloco DIAG3 detecta falha de off-set no sensor de
temperatura TT, registrando o valor do off-set
detectado. O bloco DIAG4 detecta falha de off-set no
sensor de vazo FT, registrando o valor do off-set
detectado.
A principal caracterstica de um modelo fuzzy
TS expressar a dinmica local de cada regra por um
modelo linear, sendo descrito por regras nebulosas
SE-ENTO que representam relaes de entrada e
sada lineares do sistema.
As tabelas de 1 a 4 apresentam os parmetros
dos modelos Takagi-Sugeno de cada um dos blocos
de diagnstico. Nessas tabelas so apresentados dois
tipos de funes de pertinncias: tipo triangular e
tipo gaussiana. Para as funes de pertinncia tipo
gaussiana so apresentados o centro de cada uma (
em cada linha da tabela) e o desvio padro (). Para
as funes de pertinncia tipo triangular so
apresentados o centro do tringulo issceles (em
cada linha) e a largura de sua base (conjunto fuzzy
normal).
Tabela 1- Parmetros do modelo fuzzy TS do DIAG1
Regra

1
2
3

rT3
L=0.2
0
0
0

rw2
L=0.002
0
0
0

du
=0.266
-1.288
-0.105
-0.7

Sada
=-48.07du+16.95
=102.1du+0.0281
=-72.87du-2.291

Tabela 2 Parmetros do modelo fuzzy TS do DIAG2

rT3
L=0.002
0

Regra

Du
rW2
=7.81 =0.3335
-28.88
1.315
-14.5

0.105

Sada
= -1.944rW2 1.525du + 25.26
= -7.523rW2 -

-2.3

0.67

77.87du + 0.2006
= 1.082rW2 +
83.13du + 9.207

Tabela 3 Parmetros do modelo fuzzy TS do DIAG3

rT3
=4.182
0

rW2
L=0.002
0

7.95

Du
=5.1
-1.82e5
2.87

-7.843

-13.3

Regra

Sada
=-1.029rT3+
0.0087du-0.04045
=-0.9619rT3 0.1674du+ 0.3195
=-0.9821rT30.0179du+ 0.0599

Na figura 8 apresentado o diagnstico para a

simulao de falha de entupimento de 25% na
vlvula de gua quente, W2, cujos resduos foram
mostrados na figura 4.
No instante 400s, o mdulo DIAG2 detecta a
falha e informa um valor aproximado para a mesma.
Aps 150s, o grau do entupimento informado. Os
outros mdulos DIAG1, DIAG3 e DIAG4 no
registram a ocorrncia da falha.

Tabela 4 Parmetros do modelo fuzzy TS do DIAG4

rT3
L=0.04
0

rW2
=6.187
2.75e-4

Du
L=0.002
0

14

-13.5

Regra

Sada
=0.5427rW2 +
0.02808
=0.5573rW2 +
0.2435
= 0.5522rW2 0.4192

A escolha de conjuntos fuzzy triangulares para

os resduos, permite que os sensores apresentem
rudos em seus sinais, sem que isso acarrete alarmes
falsos.

Figura 8 Falha de entupimento de 25% na vlvula W2

Uma falha de off-set no sensor de temperatura

TT de 2F, gera a tela de diagnstico apresentada na
figura 9. A falha detectada pelo mdulo DIAG3 no
instante em que ocorre, sendo recuperado o valor de
off-set emitido pelo sensor de temperatura. Os outros
mdulos no registram diagnsticos, de forma que
no so gerados alarmes falsos.

4 Resultados Obtidos

Com o modelo do processo e com o Sistema de

Deteco e Falhas implementado, possvel simular
a planta de nvel e temperatura com o FDI on-line.
Durante a simulao do funcionamento da planta, o
FDI recebe a cada 10 segundos os resduos gerados
pelo observador e detecta se ocorreu uma falha.
Os resultados do FDI so apresentados em
quatro grficos, que registram a ocorrncia de falhas
com seus respectivos valores. Os grficos
apresentam as falhas de entupimento na vlvula W1 e
na vlvula W2, off-set no sensor de temperatura TT e
no sensor de vazo FT.
Ao simularmos uma falha de entupimento de
40% na vlvula de vazo de gua fria, W1, cujos
resduos foram mostrados na figura 3, o mdulo
DIAG1 detecta a falha no instante em que ela ocorre
e recupera o grau do entupimento 200s aps, quando
o sistema entra novamente em regime. A figura 7
apresenta apenas a tela referente a esse diagnstico,
uma vez que os demais mdulos de diagnstico
apresentaram valores nulos.

Figura 7 Falha de entupimento de 40% na vlvula W1

Figura 9 Falha de off- set de 2F no sensor de temperatura TT

Uma falha de off- set no sensor de vazo FT de

-3.5 lb/min, gera a tela de diagnstico apresentadas
pela figura 10. O mdulo DIAG4 detecta a falha no
instante em que ela ocorre, alm de recuperar o valor
do off-set do sensor de vazo. Tambm neste caso os
outros mdulos no registram a ocorrncia de falhas.

Figura 10 Falha de off set de -3.5F no sensor de vazo FT

Observa-se que apesar do controlador atuar

compensando a falha (du), minimizando seu efeito na
varivel controlada T3, a mesma corretamente
detectada e recuperada.
Na figura 11 apresentado o resultado do
diagnstico para o caso da presena de um rudo de
10% na medida do sensor de temperatura. Pode-se
observar que existe um valor presente na tela de
diagnstico que caracteriza a existncia de um rudo,

entretanto no caracteriza uma falha devido a um offset.

Figura 11 Rudo de 10% no sensor de temperatura

Na figura 12 apresentado o resultado do

diagnstico para um rudo de 10% na leitura do
sensor de vazo. Esse resultado apresenta a
existncia de um rudo na vazo, mas no caracteriza
uma falha devido a um off-set.

Figura 12 Rudo de 10% no sensor de vazo

Na estratgia proposta, a robustez a rudos

alcanada naturalmente via escolha adequada das
funes de pertinncia dos mdulos de diagnstico.
4 Concluso

Uma metodologia de isolao e deteco de

falhas baseada em modelos e lgica fuzzy foi
proposta e aplicada a um processo industrial. As
falhas em atuadores e sensores foram detectadas,
isoladas e tiveram seus valores recuperados.
Os mdulos de diagnstico apresentaram
seletividade detectando somente as falhas para as
quais foram projetados, alm de apresentarem
robustez a rudos nas medidas dos sensores. A
metodologia aplicvel a processos industriais
similares, no quais o modelo da planta esteja
disponvel.
Agradecimentos

Os autores agradecem a CAPES pelo apoio

financeiro.
Referncias Bibliogrficas

Borges, R.M., Munaro, C.J.,Mattedi, A.e Gonalves,

R.F.(2005). A Fuzzy Logic Based Modular
Diagnosis System for UASB Reactors Treating
Wastewater. IWA 2005, Punta del Este, Uruguai.
Chang, S.Y., Lin, C. R. e Chang, C.T.(2002). A fuzzy
diagnostic approach using dynamic fault trees.

Chemical Engineering Science, v.57, p.29712985.

Chen, J. e Patton, R. J.(1999). Robust model-based
fault
diagnosis
for
dynamic systems.
Massachusetts: Klunwer Academic Publisshers.
Chiu, S.L.(1994). A Cluster Estimation Method with
Extension to Fuzzy Model Identification.
Proceeding of Third IEEE International
Conference on Fuzzy Systems. Orlando, p.12401245.
Chow, E.Y., Willsky, A. S.(1994). Analytical
redundancy and the design of robust failure
detections systems. IEEE Transaction on
Automatic Control, .29 (7), p.603-614.
Frank, P. M.(1990). Fault diagnosis in dynamic
systems using analytical and knowlegde
redundancy a survey and some new results.
Automatica 26 (3),p.459-474.
Gertler, J.J.(1998). A survey of model-based failure
detection and isolation im complex plants. IEEE
Control Systems Magazine v.8 (6), p.3-11.
Iserman, R. e Ayoubi, M.(1996). Neuro-fuzzy system
for diagnosis.
Fuzzy Sets and Systems.
Darmastard, Alemanha. v.89, p.289-307.
Iserman, R.(1997). Fault diagnosis of machines via
parameter estimation and knowledge processingtutorial paper. Automatica. v.29,p.815-835.
Lima,S.E.U.,Almeida, O.M., Reis, L.L.N.(2004).
Diagnstico de falhas incipientes em
transformadores de potncia imersos em leo
utilizando sistemas nebulosos, CBA,Gramado,
RS.
Lunze, J., Steffen, T. e Riedel, U. (2004). Fault
diagnosis of dynamical systems based on stateset observers. Institute of Automation and
Process Control. Bochum, Alemanha.
Miguel, L.J., Blzquez, L.F. (2005). Fuzzy logicbased decision-making for fault diagnosis in a
DC motor. Engineering Applications of
Artificial Intelligence. v.18, p.423-450.
Quirino, R. B, Bottura, C. P. (2003). A method for
composite fault detection and isolation using
overlapping decomposition. Revista Controle &
Automao,v.14,n3.
Tarantino, R.,Szigeti, F. e Morles, E. C. (2000).
Generalized
Luenberger
observer-based
faultdetection filter design: an industrial
application. Control Engineering Pratice.v.8,p.
665-671.
Takagi, T. e Sugeno, M. (1985). Fuzzy Identification
of Systems and Its Applications to Modeling and
Control, IEEE Trans. and System, Man and
Cybertnetics, v.15,n.1,p.116-132.
Toscano, R., Lyonnet, P. (2002). Parameterization of
a fuzzy classifier for the diagnosis of industrial
process. Reliability Engennering & System
Safety. v.77,p.267-279.