Estudio de la implementaci

on de relaciones
de redundancia para detecci
on de fallas ?
J. Villanueva C. Verde

Universidad Nacional Aut

onoma de Mexico, Coyoac
an DF 04510,
Mexico, alonso villa@msn.com

Universidad Nacional Aut

onoma de Mexico, Coyoac
an DF 04510,
Mexico, verde@unam.mx
Resumen: Se presenta un estudio sobre los problemas de la implementacion de las relaciones
de redundancia analticas para el diagnostico de fallas utilizando como ejemplo un modelo no
lineal de un satelite de masa puntual. En particular, la necesidad de requerir derivadas de
se
nales conocidas ya sean entradas y salidas se aborda con dos tecnicas; usando diferenciadores
exactos por modos deslizantes y transformando la relacion redundante basica para obtener
una realizaci
on en variables de estado. Los resultados en simulacion para el caso de estudio
muestran que la implementaci
on del residuo base con diferenciadores va modos deslizantes
genera m
as ruido que cuando se realiza una transformacion del residuo.
Palabras clave: detecci
on de fallas, relaciones analticas redundantes, residuos transformados,
diferenciadores robustos.

1. INTRODUCCION
Los problemas de la detecci
on e identificaci
on, F DI de
fallas han sido atacados por la comunidad de control autom
atico desde los a
nos 80s usando modelos matematicos
y par
ametros estadsticos. En un inicio las soluciones estuvieron fuertemente dominadas por la problem
atica de la
ingeniera aeron
autica, nuclear y petroqumica (Himmelblau, 1978); (Chen, 1996); (Isermann, 2006). Sin embargo,
hoy en da la complejidad y costo de los sistemas hace
indispensable el dotar a estos de m
odulos de diagnostico
de fallas con alta jerarqua que ayuden a los operadores y
reduzcan riesgos y mejoren la integridad de los sistemas.
Cuando no se dispone de modelos matem
aticos de los
procesos a monitorear, el problema ha sido atacado en el
marco de caractersticas de las se
nales medibles asociadas
a las fallas siendo este enfoque ampliamente usado en
ingeniera de procesos (Russell et al., 2000).
La clave para el diagn
ostico de fallas es la generacion de
se
nales llamadas residuos, estas satisfacen la condicion:
r(t) = 0 cuando se est
a en operaci
on normal, y
r(t) 6= 0 al menos en un intervalo de tiempo ante la
ocurrencia de una falla.
Las herramientas m
as usadas para generar los residuos
r(t) con modelos analticos, en el marco de la teora de
sistemas, explotan la informaci
on disponible para evaluar
en tiempo real el residuo y se pueden clasificar en estimadores u observadores (Besancon, 2007), algoritmos de
identificaci
on (Isermann, 2010) y relaciones analticas
de redundancia (Bokor and Szab
o, 2009).
En el caso de considerar modelos lineales tanto en variables de estado como en el dominio de la frecuencia,
las tres herramientas de F DI para generar los residuos y
? Los autores agradecen el apoyo de DGPA-UNAM

el procesamiento para calcularlos estan bien consolidadas

y discutidas en Ding (2003) y Varga (2013). M
as a
un,
existen casos practicos exitosos reportados en Isermann
(2011); sin olvidar que al presentarse una falla el modelo
nominal incremental no siempre es valido para fallas de
considerable magnitud. En cuanto a la implementaci
on de
los algoritmos, las perturbaciones, errores de redondeo y
ruido en mediciones afectan en general el desempe
no de los
detectores y ha motivado la inclusion de umbrales adaptables para robustecer los residuos (Verde et al., 2013). Un
caso crtico es la necesidad de derivar las mediciones, lo
cual amplifica el ruido y no es recomendable.
En el caso de modelos no lineales los observadores han
dominado las soluciones de F DI para generar la se
nal
residuo r(t) con diversas variantes, como son los observadores dise
nados con un enfoque geometrico (De Persis and
Isidori, 2001), los de modos deslizantes (Edwards et al.,
2000), observadores intervalo (Raissi et al., 2010).
Sin embargo, no todos los modelos satisfacen las estructuras requeridas para el dise
no de los observadores y no es
facil en caso de modelos de gran dimension determinar el
conjunto de subsistemas u
tiles para el diagnostico, dado
que no se desea recuperar el estado del sistema, sino
u
nicamente las salidas medibles. Por lo que respecta a la
generacion de los residuos r(t) con relaciones analticas
redundantes para sistemas no lineales, se ha derivado la
expresion generica base en el libro de Blanke et al. (2006)
resultando funcion de derivadas de las se
nales conocidas y
de las fallas mismas. Esta expresion poco se ha analizado
y usado en el caso no lineal principalmente debido a la
necesidad de requerir derivadas de las se
nales conocidas y
poca sistematizacion para generar los residuos. Adem
as,
dado que dichas relaciones dependen de las derivadas de
las fallas, hace difcil la interpretacion de que tipo de
falla y perturbaciones pueden aislarse en un caso pr
actico.

Este hecho es contrario en el caso lineal, el cual se ha

discutido ampliamente inclusive aspectos computacionales
y de implementaci
on. En el trabajo de Varga (2013) se
propone un algoritmo de integraci
on de metodos que da
como resultado un filtro especfico por falla. Una opcion
para determinar mediciones y subsistemas con capacidad
de generar relaciones analticas es usar el An
alisis Estructural (Dustegor et al., 2004), el cual est
a basado en teora
de grafos y que permite agrupar las restricciones del modelo que generar redundancia en el grafo. Una aplicacion
exitosa para determinar el sensor requerido en el caso de
falla en turbina de gas se encuentra reportada en Verde
and S
anchez-Parra (2010).
Recientemente se han propuesto trabajos como el de Krysander et al. (2008) que buscan algoritmos para encontrar
las relaciones analticas redundantes de menor dimension,
debido a la dificultad de manejar sistemas de gran orden
en la implementaci
on de las relaciones analticas redundantes. Frisk (2005) propone eliminar las derivadas en
las relaciones analticas redundantes va transformaciones
para simplificar la implementaci
on de los residuos con
poco ruido y generar una realizaci
on en el espacio de
estados, aunque esta tecnica presenta la desventaja de
que la relaci
on de redundancia tiene que cumplir ciertas
condiciones. Estos enfoques asumen que las fallas son fuertemente detectables, condici
on que no siempre se cumple,
como es el escenario de fallas que causan alteraciones en
los par
ametros de fricci
on. Esta condici
on no se menciona
explcitamente en el trabajo de Frisk.
Por otro lado, Cruz Z. (2010) propone un algoritmo
robusto de diferenciaci
on el cual tiene una convergencia
exacta en tiempo finito a la derivada y corresponde a
una modificaci
on del algoritmo Super-Twisting (AST),
abriendo una opci
on para estudiar las implicaciones de
usarlo en la generaci
on de residuos con relaciones analticas
redundantes. Este hecho motiv
o a hacer un comparacion
entre los residuos que se implementan utilizando una
transformaci
on no lineal disminuyendo el orden de las
derivadas en las relaciones de redundancia analtica y por
otra parte la sustituci
on de las derivadas requeridas en las
relaciones mediante diferenciadores va modos deslizantes.
El objetivo del trabajo es mostrar que la manipulacion de
las variables de una relaci
on de redundancia para evitar el
c
alculo de las derivadas genera residuos con menos ruido,
sin incrementar la complejidad del algoritmo.
Este trabajo est
a organizado de la siguiente forma. La secci
on 2 presenta las herramientas preliminares de F DI que
permiten formular el problema de la implementaci
on de los
residuos va relaciones analticas redundantes ARR, por
sus siglas del ingles (analitical redundancy relation), obtenida a partir de un modelo de estado tomado de Blanke
et al. (2006). La secci
on 3 presenta las dos herramientas
que se desean comparar, por un lado las condiciones y
el procedimiento para transformar las ARR y reducir su
orden y por el otro el algoritmo b
asico del diferenciador
robusto. En la secci
on 4 se describe el modelo de un satelite
con masa puntual tomado de De Persis and Isidori (2001),
incluyendo un controlador estabilizante, adem
as se obtienen los residuos sensibles a fallas utilizando los metodos
antes mencionados. Los resultados en simulaci
on de los
residuos obtenidos con fallas en uno de los actuadores

del satelite se presentan en la seccion 5 y finalmente se

describen las conclusiones del trabajo en la secci
on 6.
2. PRELIMINARES DE FDI
Considere el sistema no lineal
x(t)
= g(x(t), u(t), f (t))

(1)

y(t) = h(x(t), u(t), f (t))

(2)

con el vector de estados x(t) <n , u(t) <m es el

vector de entrada, y(t) <p es el vector de salidas
medidas y f (t) <nf es el vector de fallas, considere
que el vector z(t) <m+p esta formado por variables
exogenas y endogenas medibles provenientes del sistema
(1-2); entonces la ecuacion matricial diferencial
ARR(z, z,
z...) = 0
(3)
se define como una Relaci
on Redundante Analtica,
ARR, para las fallas f (t) si establece la evoluci
on del
vector z cuando el sistema opera de acuerdo con su modelo
nominal y ademas satisface las siguientes condiciones:
Si, para todo vector z consistente con el proceso libre
de fallas, la evaluacion del lado izquierdo de la ec. (3)
es cero.
Si, cuando ocurre una falla fi , la evaluacion del lado
izquierdo de la ec. (3) es diferente de cero al menos
en un intervalo de tiempo [t0 , tf ].
Por tanto, la evaluacion de una ARR base o una combinacion de estas, permite generar una se
nal residuo r(t)
cuando se calcula su lado izquierdo. Si el efecto de la falla
se manifiesta permanentemente en el residuo; es decir en la
ARR se dice que la falla es fuertemente detectable (Chen
and Patton, 1999).
Otra forma para calcular los residuos r(t) para las fallas
f (t) es va un sistema dinamico con una realizaci
on de
estado del tipo
xr (t) = gr (xr (t), z(t))

(4)

r(t) = h(xr (t), z(t))

(5)

tal que
lm r(t) = 0

(6)

cuando el modelo esta libre de fallas y cuando alg

un
elemento de f (t) en (1-2) es diferente de cero
r(t) 6= 0
(7)
al menos en un intervalo de tiempo [t0 , tf ].
La realizacion de (4) y (5) es la mas recomendada desde un
punto de vista numerico para implementar los residuos; sin
embargo, encontrarla no siempre es facil. La metodologa
mas usada para obtener dicha realizacion es con ayuda
de observadores especficos de las salidas y(t) del sistema;
es decir, se usa un modelo en paralelo de la planta con
un termino de correctivo funcion de los errores de las
mediciones. Esto implica, que la estructura del modelo y
las no lineales deben satisfacer las condiciones establecidas
para cada tipo de observador utilizado, sea altas ganancias
(Besancon, 2007), filtro extendido de Kalman (Boutayeb

et al., 1997), observadores por modos deslizantes (Edwards

et al., 2000), por mencionar algunos.
As mismo, tanto la comunidad de control como la de
inteligencia artificial han propuesto diversos metodos para obtener las ARR tratando de generar residuos con
condiciones menos restringidas que las impuestas por los
observadores. En particular, asumiendo que las funciones
involucradas en (1-2) son diferenciables con respecto a sus
argumentos, se puede generar las ARR b
asicas siguiendo
el procedimiento propuesto por Blanke et al. (2006). Para
ello se derivan las salidas tantas veces como sea necesario
para eliminar las variables desconocidas sean estados o
fallas de no interes del sistema. Asumiendo que todas las
funciones son diferenciables con respecto a sus argumentos,
entonces es posible construir la derivada y(t)

de la se
nal
de salida y(t) como se muestra a continuaci
on:
h
h
h
y(t)
=
()x(t)
+
()u(t)
+
()f(t)
(8)
x
u
f
Reemplazando x en la ecuaci
on anterior y derivando de
manera iterativa hasta un orden q y asumiendo que existen
todas las derivadas requeridas se obtiene la siguiente
expresi
on
y (q) (t) = H q (x(t), u(q) (t), f

(q)

(t))

(9)

H q () es el conjunto de ecuaciones formado a partir de la

diferenciaci
on iterativa del vector de salida, el cual tiene
una dimensi
on (q + 1)p, donde las diferentes variables de
las que depende tienen las siguientes dimensiones: x <n ,
(q)
u(q) (t) <(q+1)x m , f (t) <(q+1)x nf . Si la matriz
q
jacobiana H
on (9) es de rango
x asociada a la ecuaci
n, usando el teorema de la funci
on implcita se puede
demostrar que la evoluci
on del estado x es funci
on de las
mediciones, las fallas y las derivadas de ambas, al menos
localmente Isidori (1995), el estado se puede escribir de la
siguiente manera:
(q)

R es una buena herramienta que automatiza la

en M atlab
b
usqueda de las ARR a partir de teora de grafos. Adem
as,
Verde et al. (2013) han propuesto buscar redundancia,
definiendo un grafo redundante por cada medici
on, lo
cual puede en algunos casos simplificar la obtenci
on de
relaciones redundantes para el caso no lineal incluyendo
modelos de sistemas descriptores.

Por otro lado, algunos autores como Frisk (2005) y Krysander et al. (2008) proponen simplificar la generaci
on de
los residuos, una vez que se ha determinado el conjunto de
ecuaciones dado por (12).
DE ARR
3. IMPLEMENTACON
Esta seccion presenta los dos procedimientos que se estudian para generar los residuos a partir de (12); el primero
calcula las derivadas de se
nales requeridas va un algoritmo de modos deslizantes Cruz Z. (2010) y el segundo
transforma la ARR usando la teora de realizaci
on para
generar el residuo.
3.1 Diferenciador robusto
Existen diversas propuestas para estimar la derivada de
una se
nal, uno de los trabajos mas representativos es
R de M atLab
R
el de Levant (2003), inclusive Simulink
tiene una implementacion para calcular la derivada de una
variable. Sin embargo, los resultados no son siempre satisfactorios y los tiempos de la estimacion pueden ser grandes
lo cual afecta la generacion de los residuos. Recientemente
se ha propuesto una diferenciacion robusta con tiempo
finito de convergencia basada en modos deslizantes, por
tanto se propone usar este algoritmo en la implementaci
on
de (12). El algoritmo asume que la se
nal a derivar tiene la
forma
s(t) = s0 (t) + v(t)
(13)

donde el primer termino de la ecuacion es la se

nal base
s0 (t) y el segundo v(t) es un ruido acotado desconocido. La
(q)
donde y m (t) Rm es el vector de mediciones que se construccion del diferenciador parte de la ecuacion auxiliar
x = z0 donde z0 corresponde a la salida del diferenciador
requieren para poder calcular el estado.
buscado, y se dise
na un observador por modos deslizantes
Sustituyendo (10) en (9) se obtiene
donde 0 = z0 s0 representa el error de estimaci
on entre
la se
nal base s(t) y la integral de la salida del diferenciador.
(q)
(q)
(q)
(q)
(q)
(q)
(q)
y (t) = H ((y m (t), u (t), f (t)), u (t), f (t))(11) Aplicando el algoritmo de generalizado modificado de
Se observa que esta relaci
on ARR es una ecuaci
on matri- Super-Twisting, se obtiene
cial y que depende de los vectores conocidos de entrada,
z0 = k1 1 (0 ) + z1
(14)
salida y de las fallas de interes, por lo que es candidata a
generar residuos bases para la pareja (g, h) con
z1 = k2 2 (0 )
(15)
(q)
(q)
(q)
r(t) = y (q) (t) H (q) ((y m (t), u(q) (t), f (t)), u(q) (t), f (t)) (12)
con k1 y k2 ganancias positivas que se dise
nan apropiadamente para garantizar la convergencia del estimador y las
Las ARR en muchas aplicaciones requieren las derivadas funciones discontinuas dadas por
de las variables y el hecho de no existir metodos sistema(1/2)
sign(0 ) + 2 | 0 |(3/2) sign(0 )(16)
tizados para resolver el conjunto de ecuaciones no linea- 1 (0 ) = 1 | 0 |
les resultantes, a pesar de la disponibilidad de lenguajes
simb
olicos ha limitado el uso de las ARR para diagnostico. y
Estos inconvenientes han motivado distintas propuestas
2
3
2 (0 ) = 1 | 0 | +21 2 0 + 22 | 0 |2 sign(0 ) (17)
para manipular las ARR para reducir la cardinalidad de
2
2
las relaciones y el n
umero de derivadas requeridas para
la implementaci
on. Existen otras propuestas para generar con parametros 1 y 2 escalares mayores que cero. Asulas ARR basadas en teora de grafos. El sof tware SA miendo que la norma de la derivada es acotada, es decir
desarrollado por Lorentzen et al. (2003) e implementado |
s(t)| L, se puede demostrar que el error del observador
(q)
x(t) = (y (q)
(t), f
m (t), u

(t))

(10)

0 es exacto uniforme y convergente, asegurando as la

estimaci
on de s0 (t) y de su derivada s 0 (t). Las ganancias
k1 y k2 se seleccionan arbitrariamente de tal forma que
ambas desigualdades
1
k12 (k2 k12 ) > 2 , y k2 >
4
se satisfagan (Moreno, 2009).
Por tanto con ayuda de (14-15) se pueden implementar las
ARRs con el diferenciador dise
nado separadamente para
cada se
nal cuya derivada sea requerida. Es decir, se dise
nan
tantos derivadores por modos deslizantes como derivadas
sean necesarias.
3.2 Realizaci
on de ARR
Frisk (2005) estudi
o de manera formal las propiedades
de una ARR y desarroll
o una metodologa para reducir
el n
umero de derivadas para la evaluaci
on va teora
de realizaci
on cuando la relaci
on redundante involucra
derivadas de primer orden.
Sea una ARR dada por:
c(z, z)
=0

(18)

Existe una realizaci

on en espacio de estados para la ARR
si est
a cumple las siguientes condiciones:
(18) puede ser llevada a la forma:
n
X
c(z, z)
=
gi (z)zi + (z)

x2 (t)
1
x 2 (t) =
x1 (t)x24 (t) 1 2
+ 2 u1 (t)
x1 (t)
x 3 (t) =
x4 (t)
x2 (t)x4 (t)
u2 (t)
f (t)
x 4 (t) =
2
+ 2
+ 2
x1 (t)
x1 (t)
x1 (t)
y1 (t) = x1 (t)
y2 (t) = x3 (t)
y3 (t) = x4 (t)

donde yi son se
nales medibles, ui son entradas conocidas y
representan el empuje radial y angular, i son constantes
conocidas, f la falla que se desea detectar la cual representa una falla en el empuje tangencial, los estados x1 y
x3 representan la posicion del satelite, x2 representa la
velocidad radial y x4 representa la velocidad angular.
Una relacion de redundancia puede ser obtenida mediante
sustitucion directa de yi en la ecuacion de x 4 obteniendo
lo siguiente:
y1 y 3 + 2y 1 y3 2 u2 = 2 f

(19)

Se nota que y1 y 3 +2y 1 y3 2 u2 no es totalmente derivable,

pero si c(y, y)
es multiplicado por y1 se obtiene una nueva
relacion de redundancia dada por

La existencia del potencial esta sujeta a la condici

on:
gi
gj

=0
(21)
zj
zi
Si se cumplen las condiciones anteriores se puede reescribir
la ec. (19) en la forma:
d(z)
c(z, z)
=
+ (z)
(22)
dt
filtrando la ec. (22) por un sistema din
amico no lineal se
tiene:
d(z)
+ (z)
(23)
r + h(r, z) =
dt
donde la ec. (23) puede ser realizada en la forma de espacio
estados.
4. CASO DE ESTUDIO
Se aplicaron las herramientas descritas en las secciones anteriores a un sistema no lineal para comparar el desempe
no
que tienen al generar residuos.
Dado el modelo de un satelite con masa puntual (De Persis
and Isidori, 2001).

(25)

donde
y12 y 3 + 2y 1 y3 y1 =

(20)

(24)

Como se observa de la ecuacion anterior el lado izquierdo

c = y1 y 3 + 2y 1 y3 2 u2 es una relacion de redundancia
dado que cumple con c = 0 cuando hay ausencia de fallas.

c0 (y, y)
= y12 y 3 + 2y 1 y3 y1 u2 y1

i=1

Existe un potencial para el campo vectorial

g(z) = (g1 , ..., gn (z)), tal que:
n
d(z) X
=
gi (z)zi
dt
i=1

x 1 (t) =

d(y3 y12 )
dt

(26)

reescribiendo la ec. (25) y filtrando mediante un sistema

dinamico se tiene
d(y3 y12 )
r + h(r, z) =
u2 y1
(27)
dt
para garantizar la estabilidad de (27) h(r, z) se elige como
r con > 0, entonces la realizacion en espacio de estados
esta dada por:
= w y3 y12 + u2 y1
r=+

y3 y12

(28)
(29)

donde = r y es independiente de las derivadas.

Y RESULTADOS
5. COMPARACION
Para estabilizar el satelite se dise
no un controlador LQR
para el sistema linealizado (Brockett, 1978), el objetivo de
la simulacion es mostrar las diferencias entre los residuos
que se obtienen mediante los metodos descritos en la
seccion anterior. Las referencias impuestas al sistema se
muestran en la Fig. 1 donde la posicion radial es constante
en el valor de ur1 = 1 y la posicion angular es una
trayectoria periodica que toma valores de ur2 = [0, 2], en
todos los experimentos se simula una falla en el actuador
u2 en t = 150[s] que representa una falla en el empuje
tangencial con magnitud dada por 2max|ur2 | y agregando
ruido a las mediciones del 1 % del valor medido.

Figura 1. Se
nales de referencia
Figura 5. Residuo implementado con diferenciador robusto
Simulando las ec. (28) y (29) se obtuvo el residuo mostrado
en la Fig. 6.

Figura 2. Se
nales de control
Las se
nales de control tienen el comportamiento mostrado
en la Fig. 2.
Las salidas medidas del sistema se muestran en la Fig.3.
Figura 6. Residuo implementado mediante realizaci
on
6. CONCLUSIONES

Figura 3. Salidas medidas del sistema no lineal

R para
Utilizando un diferenciador simple de Simulink
implementar la ARR de la ec. (24) se obtiene el residuo
mostrado en la Fig. 4.

El metodo basado en realizacion tiene buen desempe

no
cuando hay presente ruido en las mediciones ya que el
residuo presenta la variacion debida a la falla sin ser
afectado por el ruido, si la ARR cumple las condiciones
para ser llevada a una representacion en espacio de estados
es un metodo recomendable para evitar la perdida de la
capacidad para la identificacion de las fallas; sin embargo,
las condiciones requeridas para poder llevar las ARR a esa
forma son muy restrictivas, por lo que supone un punto
negativo a esta forma de implementacion.
Utilizando un diferenciador simple para implementar la
ARR genero un residuo que impidio la identificaci
on de
la falla, ya que al implementar la ARR de esta manera al
tener ruido en las mediciones se pierde la capacidad para
ver el cambio en el residuo debido a la falla.

Figura 4. Residuo implementado con diferenciador de

R
Simulink
Utilizando el diferenciador robusto para implementar la
ARR de la ec.
y1 y 3 + 2y 1 y3 2 u2 = 2 f
se obtiene el residuo mostrado en la Fig. 5.

(30)

Utilizando el diferenciador robusto se noto una mejora

en el residuo con respecto al diferenciador simple, esto
es de gran importancia ya que demuestra que al utilizar
un algoritmo robusto para el calculo de las derivadas
se mejoran los resultados del residuo obtenido, incluso
cuando hay ruido en las mediciones. El inconveniente del
uso de esta tecnica esta en la parte del dise
no, ya que es
necesario dise
nar tantos diferenciadores como derivadas se
necesiten para implementar las ARR.
La importancia en la forma de implementaci
on de las
ARR se deja claramente expuesta en el caso de estudio,
ya que a partir de la misma ARR se mostraron 3 formas
distintas de implementar dicha relacion obteniendo diferentes resultados, dejando en claro que se necesita una

forma general de implementaci

on para las ARR y que
dicha metodologa sea robusta adem
as de que permita la
adecuada identificaci
on de las fallas que se presenten en el
sistema sin las restricciones que presenta el metodo basado
en realizaci
on.
REFERENCIAS
Besancon, G. (2007). Nonlinear Observers and applications. Springer.
Blanke, M., Kinnaert, M., Lunze, J., and Staroswiecki, M.
(2006). Diagnosis and Fault-Tolerant Control. Springer.
Bokor, J. and Szab
o, Z. (2009). Fault detection and
isolation in nonlinear systems. Annual Reviews in
Control, 33(2), 113 123.
Boutayeb, M., Rafaralahy, H., and Darouach, M. (1997).
Convergence analysis of the extended kalman filter used
as an observer for nonlinear deterministic discrete-time
systems. IEEE Transactions on Automatic Control,
42(4), 581586.
Brockett, R.W. (1978). Finite Dimensional Linear Systems. JOHN WILEY AND SONS, INC. Chemical Eng.
Monograph 8.
Chen, J. (1996). Observer-based fault detection and
isolation: Robustness and applications. Somer school:
Continuous systems supervision, 1, .
Chen, J. and Patton, R.J. (1999). Robust Model-based
Fault Diagnosis for Dynamic Systems. Kluwer Academic publishers.
Cruz Z., E. (2010). Diferenciador robusto exacto y uniforme. In Congreso Anual 2010 de la Asociaci
on de
Mexico de Control Autom
atico, Puerto Vallarta, Jalisco,
Mexico.
De Persis, C. and Isidori, A. (2001). A geometric approach
to nonlinear fault detection and isolation. IEEE Trans.
on AUTOMATIC CONTROL, 46(6), 197206.
Ding, S.X. (2003). Model-based Fault Diagnosis Techniques. Springer.
Dustegor, D., Cocquempot, V., and Staroswiecki, M.
(2004). Structural analysis for residual generation:
towards implementation.
In Control Applications,
2004. Proceedings of the 2004 IEEE International
Conference on, volume 2, 12171222 Vol.2.
doi:
10.1109/CCA.2004.1387539.
Edwards, C., Spurgeon, S.K., and Patton, R.J. (2000).
Sliding mode observers for fault detection and isolation.
Automatica, 36(4), 541 553.
Frisk, E. (2005). Lowering orders of derivatives in non
linear residual generation using realization theory. Automatica.
Himmelblau, D.M. (1978). Fault Detection and Diagnosis
in Chemical and Petrochemical Processes. Elsevier.
Chemical Eng. Monograph 8.
Isermann, R. (2006). Fault-Diagnosis Systems. Springer.
Isermann, R. (2010). Identification of Dinamics Systems.
Springer.
Isermann, R. (2011). Fault Diagnosis Applications: ModelBased Condition Monitoring: Actuators, Drives, Machinery, Plants, Sensors, and Fault-tolerant Systems.
Springer.
Isidori, A. (1995). Nonlinear control systems. SpringerVerlag, New York.
Krysander, M.,
Aslund, J., and Nyberg, M. (2008). An
efficient algorithm for finding minimal over-constrained

sub-systems for model based diagnosis. IEEE Trans.

on Systems, Man and Cybernetics-Part A: Systems and
Humans, 38(1), 197206.
Levant, A. (2003). Higher-order sliding modes, differentiation and output-feedback control. International Journal
of Control, 76(6), 924941.
Lorentzen, T., Blanke, M., and Niemann, H. (2003). Structural analysis. A case study of the Romer satellite. In
M. Staroswiecki (ed.), IFAC Safeprocess03, Washington
DC, volume 1, 187192. IFAC.
Moreno, J.A. (2009). A linear framework for the robust stability analysis of a generalized super-twisting
algorithm. In Electrical Engineering, Computing Science and Automatic Control,CCE,2009 6th International
Conference on, 16. doi:10.1109/ICEEE.2009.5393477.
Raissi, T., Videau, G., and Zolghadri, A. (2010). Interval observer design for consistency checks of nonlinear
continuous-time systems. Automatica.
Russell, E.L., Chiang, L.H., and Braatz, R.D. (2000).
Data-Driven Techniques for Fault Detection and Diagnosis in Chemical Processes. Springer.
Varga, A. (2013). New computational paradigms in solving
fault detection and isolation problems. Annual Reviews
in Control, 37, 2542.
Verde, C. and Sanchez-Parra, M. (2010). Gas Turbine,
chapter Application of Structural Analysis to Improve
Fault Diagnosis in a Gas Turbine, Chapter 10, 126.
Sycom.
Verde, C., Gentil, S., and Morales-M, R. (2013). Monitoreo y Diagn
ostico Autom
atico de Fallas en Sistemas
Din
amicos. Trillas-UNAM.