In smart industrial systems, in many cases, a fault can be captured as an event to represent the distinct nature of subsequent changes. Event-based fault diagnosis techniques are capable model-based methods for diagnosing faults from a sequence of observable events executed by the system under diagnosis. Most event-based diagnosis techniques rely on perfect observations of observable events. However, in practice, it is common to miss an observable event due to a problem in sensor-readings or communication / transmission channels. This paper develops a fault diagnosis tool, referred to as diagnoser, which can robustly detect, locate, and isolate occurred faults. The developed diagnoser is resilient against missed observations. A missed observation is detected from its successive sequence of events. Upon detecting a missed observation, the developed diagnoser automatically resets and then, asynchronously resumes the diagnosis process. This is achieved solely based on post-reset / activation observations and without interrupting the performance of the system under diagnosis. New concepts of asynchronous detectability and asynchronous diagnosability are introduced. It is shown that if asynchronous detectability and asynchronous diagnosability hold, the proposed diagnoser is capable of diagnosing occurred faults under imperfect observations. The proposed technique is applied to diagnose faults in a manufacturing process. Illustrative examples are provided to explain the details of the proposed algorithm. The result paves the way towards fostering resilient cyber-physical systems in Industry 4.0 context.

中文翻译：

---

在不完美的观察下进行弹性故障诊断–工业4.0时代的需求

在智能工业系统中，在许多情况下，可以将故障捕获为事件，以表示后续更改的独特性质。基于事件的故障诊断技术是基于模型的功能强大的方法，可根据诊断中的系统执行的一系列可观察事件来诊断故障。大多数基于事件的诊断技术都依赖于可观察事件的完美观察。但是，实际上，由于传感器读数或通信/传输通道存在问题，通常会错过可观察的事件。本文开发了一种故障诊断工具，称为诊断程序，可以可靠地检测，定位和隔离发生的故障。发达的诊断员可以抵抗遗漏的观察结果。从其连续的事件序列中检测到错过的观察。在检测到错过的观察时，开发的诊断程序将自动重置，然后异步恢复诊断过程。仅根据复位/激活后的观察结果即可实现此目的，而不会中断正在诊断的系统的性能。引入了异步可检测性和异步可诊断性的新概念。结果表明，如果异步检测能力和异步诊断能力保持不变，那么所提出的诊断程序就能够在不完善的观测条件下诊断发生的故障。所提出的技术被应用于诊断制造过程中的故障。提供了说明性示例以解释所提出算法的细节。结果为在工业4.0环境中建立弹性的物理网络系统铺平了道路。异步恢复诊断过程。仅根据复位/激活后的观察结果即可实现此目的，而不会中断正在诊断的系统的性能。引入了异步可检测性和异步可诊断性的新概念。结果表明，如果异步检测能力和异步诊断能力保持不变，那么所提出的诊断程序就能够在不完善的观测条件下诊断发生的故障。所提出的技术被应用于诊断制造过程中的故障。提供了说明性示例以解释所提出算法的细节。结果为在工业4.0环境中建立弹性的物理网络系统铺平了道路。异步恢复诊断过程。仅根据复位/激活后的观察结果即可实现此目的，而不会中断正在诊断的系统的性能。引入了异步可检测性和异步可诊断性的新概念。结果表明，如果异步检测能力和异步诊断能力保持不变，则所提出的诊断程序能够诊断在观察结果不完善的情况下发生的故障。所提出的技术被应用于诊断制造过程中的故障。提供了说明性示例来解释所提出算法的细节。结果为在工业4.0环境中建立弹性的物理网络系统铺平了道路。仅根据复位/激活后的观察结果即可实现此目的，而不会中断正在诊断的系统的性能。引入了异步可检测性和异步可诊断性的新概念。结果表明，如果异步检测能力和异步诊断能力保持不变，则所提出的诊断程序能够诊断在观察结果不完善的情况下发生的故障。所提出的技术被应用于诊断制造过程中的故障。提供了说明性示例以解释所提出算法的细节。结果为在工业4.0环境中建立弹性的物理网络系统铺平了道路。仅根据复位/激活后的观察结果即可实现此目的，而不会中断正在诊断的系统的性能。引入了异步可检测性和异步可诊断性的新概念。结果表明，如果异步检测能力和异步诊断能力保持不变，则所提出的诊断程序能够诊断在观察结果不完善的情况下发生的故障。所提出的技术被应用于诊断制造过程中的故障。提供了说明性示例以解释所提出算法的细节。结果为在工业4.0环境中建立弹性的物理网络系统铺平了道路。结果表明，如果异步检测能力和异步诊断能力保持不变，则所提出的诊断程序能够诊断在观察结果不完善的情况下发生的故障。所提出的技术被应用于诊断制造过程中的故障。提供了说明性示例以解释所提出算法的细节。结果为在工业4.0环境中建立弹性的物理网络系统铺平了道路。结果表明，如果异步检测能力和异步诊断能力保持不变，则所提出的诊断程序能够诊断在观察结果不完善的情况下发生的故障。所提出的技术被应用于诊断制造过程中的故障。提供了说明性示例来解释所提出算法的细节。结果为在工业4.0环境中建立弹性的物理网络系统铺平了道路。