Des systèmes mécaniques aux systèmes technologiques pilotés

Télécharger le fichier pdf d’un mémoire de fin d’études

Les concepts fondamentaux du diagnostic

Comme nous l’avons signifié au début de ce chapitre, le diagnostic a pour objectif l’identification du ou des défauts probables d’un système à partir de l’étude de leurs effets occasionnés. Le cas idéal serait bien sûr, comme l’indique [PM01], qu’il existe une correspondance biunivoque (i.e. : une relation bijective) entre les défauts potentiels du système et les effets occasionnés par ces défauts : c’est-à-dire qu’à chaque défaut serait associée une unique liste d’effets et réciproquement qu’à chaque liste d’effets serait associé un unique défaut. Il serait ainsi facile d’obtenir le défaut apparu suite à l’étude des effets occasionnés. Cela n’est néanmoins pas le cas en pratique car plusieurs défauts distincts occasionnent généralement des effets similaires voire identiques.
Le diagnostic est donc une procédure consistant à détecter et localiser un composant ou un élément en défaut d’un système. La détection désigne la capacité du diagnostiqueur à mettre en évidence l’apparition d’un ou plusieurs défauts, et la localisation désigne la capacité à être de plus capable de préciser la nature du ou des défauts apparus. La structure générale d’une procédure de diagnostic est représentée par la figure 1.1 suivante de la page 21 où le diagnostiqueur est alimenté par toute la connaissance disponible sur le système : les mesures des variables et toute autre information pouvant être utile pour le diagnostic (un modèle par exemple). Ce diagnostiqueur traite cette connaissance et produit un « diagnostic » qui est une liste de défauts possibles pouvant affecter le système au cours du temps. Remarquons bien que même en fonctionnement normal du système, le diagnostiqueur « diagnostique » que le système fonctionne normalement.

Les exigences liées au diagnostic

Nous allons répertorier un ensemble d’exigences bien établies dans les travaux de diagnostic (voir par exemple [VRYK03]) et importantes à prendre en compte lors de la conception et le développement d’un diagnostiqueur. Remarquons cependant que ces exigences, à la base élaborées pour permettre la comparaison entre diagnostiqueurs conçus suivant différentes méthodologies de diagnostic, ne satisfe-ront généralement pas toutes ces exigences inventoriées. Par ailleurs, il est important de comprendre qu’un diagnostiqueur est au préalable basé sur une connaissance des défauts potentiels à prendre en compte. Quelle que soit la méthodologie de diagnostic adoptée, il est avant tout important de répertorier les défauts à traiter (ce que nous présenterons au chapitre 3 sur la typologie des défauts). Ces défauts pouvant être divers et variés, autant leurs formes que leurs apparitions ou leurs localisations, il est donc important de pouvoir déterminer leurs caractéristiques principales suivant la méthodologie choisie, et donc suivant l’algorithme de traitement utilisé par la méthodologie. Comme indiqué par [VRYK03], remarquons néanmoins un compromis entre la complétude et la finesse de caractérisation de cet ensemble de défauts hypothétiques répertoriés : c’est-à-dire le compromis entre le fait que cet ensemble soit d’une part complet (i.e. : permettant de diagnostiquer sans ambiguïté tout comportement anormal) et qu’il soit d’autre part « fin » dans la représentation des différents défauts (i.e. : dans leurs caractérisations). Suivant la méthodologie choisie ainsi que l’implantation du diagnostiqueur, les capacités de stockage et de calcul pourront être plus ou moins limitées. La définition d’un ensemble complet de défauts potentiels se fera nécessairement au détriment de la résolution de cet ensemble.

Exigences fonctionnelles

Les exigences fonctionnelles d’un diagnostiqueur doivent rendre compte de son fonctionnement attendu sans prendre nécessairement en compte les solutions techniques.
Rapidité du diagnostic Suite à l’occurrence d’un défaut, le temps nécessaire à sa détection et son isolation doit être rapide. Le diagnostiqueur doit donc rapidement fournir un résultat afin de prendre les décisions adéquates avant l’apparition d’effets néfastes sur le système et/ou son environnement. Cette rapidité doit, bien entendu, être mise en relation avec la sévérité du défaut et la dynamique de ses conséquences. Remarquons néanmoins que cette performance de rapidité de diagnostic peut impacter le maintien des performances du système. En effet, un diagnostiqueur conçu dans le but d’être rapide sera très certainement sensible aux bruits ou perturbations furtives (courtes et temporaires), ce qui impliquera une augmentation potentielle des fausses alarmes en fonctionnement normal et impactera ainsi les performances du système.
Discernement entre les défauts Le diagnostiqueur doit être capable de faire la différence entre plusieurs défauts. Il s’agit donc de la fiabilité de la partie isolation du diagnostic. Notons que dans le cas idéal d’absence de bruit et d’incertitudes de modélisation, cela signifie que la réponse du diagnostiqueur à un défaut est « orthogonale » aux défauts qui ne sont pas apparus. Cette exigence nécessite cependant une grande précision dans la définition des caractéristiques des défauts (lors de la phase de conception) et entraîne par conséquent une fragilité face aux incertitudes de modélisation du système et des défauts.
Identification de défauts multiples Il s’agit de la capacité du diagnostiqueur à identifier plu-sieurs défauts survenus simultanément ou dans une fenêtre temporelle très courte. La difficulté de cette « simultanéité » provient d’une part de l’interaction entre les conséquences des différents défauts apparus, et d’autre part de l’important volume de calcul nécessaire à une détection multiple.

Les méthodes de diagnostic à base de modèles

Les méthodes de diagnostic à base de modèles consistent à comparer le comportement réellement observé du système à un comportement prédit, issu d’un modèle de fonctionnement de ce système. Ces méthodes furent développées dès le début des années 70 avec [MP71], [CFW75] ainsi que [Wil76]. Fortement intense durant les années 80 et 90, dont les principaux travaux de référence du domaine sont [PFC89], [BN93], [Ger98] ainsi que [CP99], le diagnostic à base de modèles est toujours un domaine de recherche en expansion de nos jours. Les modèles utilisés par ces méthodes peuvent être de deux types : les modèles quantitatifs et les modèles qualitatifs.

Le diagnostic à base de modèles quantitatifs

Ce sont les méthodes utilisées par la communauté de l’automatique et plus connues sous le terme de Model-Based Fault Detection and Isolation (dont l’acronyme est FDI). L’utilisation d’un modèle de bon fonctionnement du système permet d’engendrer des incompatibilités entre le comportement réel du système et celui prédit par le modèle. Ces incompatibilités, appelées indicateurs de défauts ou résidus, sont générées à partir des mesures effectuées sur les variables connues du système (i.e. : ses entrées et ses sorties) et de calculs fondés sur le modèle du système. Ces résidus, notés ri, sont des signaux devant refléter la cohérence des données mesurées du système par rapport au modèle de fonctionnement. L’objectif d’un résidu ri est d’être sensible aux défauts : c’est-à-dire qu’il doit refléter l’éventuelle présence d’un défaut. Cela signifie donc qu’un résidu est en général proche d’une valeur de référence si aucun défaut n’affecte le système, et qu’il est dévié vers une valeur différente de celle qu’il avait lors du fonctionnement normal dès qu’un défaut apparaît. Ce sont ces résidus qui sont ensuite évalués pour réaliser les différentes fonctions du diagnostic.
Comme le montre la figure 1.2 suivante de la page 25, ces méthodes de diagnostic nécessitent deux étapes :
– La première étape génère les résidus ri à partir des mesures effectuées sur les variables connues du système (i.e. : ses variables d’entrées et de sorties).
– La seconde étape est une règle de décision pour le diagnostic basée sur ces résidus ri générés. Plusieurs méthodes de génération de résidus existent et nous allons présenter les plus fréquemment utilisées.

Les méthodes de diagnostic à base de données

Contrairement aux méthodes à base de modèles, celles à base de données reposent sur un nombre important de données qui sont supposées représenter convenablement le système. Les seules informa-tions disponibles sont les signaux issus des capteurs du système, ce qui implique que ces approches présupposent donc que ce système puisse être complètement décrit par ses observations passées et pré-sentes. L’objectif de ces approches est alors de construire un modèle ajusté sur les données collectées, et la principale difficulté va donc être de définir non seulement la structure appropriée du modèle, mais aussi le calage approprié entre ce modèle et le système.

La reconnaissance de formes

L’objectif de la reconnaissance de formes est de classifier des objets, nommés des formes et qui sont représentées par des données, dans des classes prédéterminées en les comparant à des prototypes. Cette méthode repose donc sur une description complète de ces formes et de chacune des différentes classes prototypes. Un problème de diagnostic peut ainsi se définir comme un problème de reconnaissance de formes où les classes sont les modes de fonctionnement du système (nominal ou sous la présence de défauts) et les formes sont représentées par les observations du système ([Dub90]).
Un système de diagnostic conçu suivant une approche par reconnaissance de formes comporte en principe deux étapes. La première, dite étape d’apprentissage, consiste à définir les différentes observations constituant la forme et les classes connues du système, puis à construire une règle de décision précisant les frontières entre ces classes. La seconde étape, dite de décision, consiste à décider si des observations appartiennent à une des différentes classes : c’est-à-dire de rechercher les prototypes des différentes classes équivalents à ces observations.
Différentes approches peuvent être utilisées lors de l’étape d’apprentissage : les réseaux de neurones, les réseaux bayésiens, ou encore la logique floue.

Les systèmes experts

Les systèmes experts sont utilisés dans des applications où l’expertise humaine y est importante et le développement de modèles y est faible. Ce sont des systèmes à base de règles du type « si » « et » « ou » « alors » qui utilisent une information heuristique pour lier les symptômes aux défauts, établissant ainsi des associations empiriques entre effets et causes des défauts ([Far89]). Ces associations sont généralement fondées sur l’expérience de spécialistes, dits experts, plutôt que sur une connaissance de la structure et/ou du comportement du système. Leur fonctionnalité est de trouver la cause de ce qui a été observé en parcourant, par un raisonnement abductif, les règles préalablement établies.

Diagnosticabilité dans le cas continu

Dans le cas des systèmes continus, un nombre important de travaux ont étudié la diagnosticabilité par une approche de placements de capteurs ([CPR00], [SRB+ 02] et [DS03] pour la communauté DX et [Car99], [LMR97], [GLR00] et [KN02] pour la communauté FDI).
L’idée principale, explicitée dans [TMEO06], suit une approche familière à la communauté FDI qui est l’analyse structurelle. Cette idée, préalablement introduite dans [CS97]), consiste à utiliser un modèle comportemental du système et d’analyser, de manière exhaustive, les relations de redondance analytique introduites par les capteurs (réels et hypothétiques en supposant que toutes les variables du système sont mesurées) puis de construire une matrice de signature de défauts hypothétiques. L’étude de la diagnosticabilité se base ainsi sur une étude de matrice.

Diagnosticabilité dans le cas hybride

Dans le cas des systèmes hybrides, quelques travaux ont formalisé cette notion ([WN96], [BDTM02] et [BTM03]).
Notons que [DBDGD07a] et [DBDGD07b] traitent le cas où le système hybride est abstrait par un automate temporisé. La notion de diagnosticabilité définie correspond donc, en substance, à la notion de diagnosticabilité discrète.
Une approche clairement identifiée dans [BOTM08] consiste à coupler, en deux temps, les tech-niques d’étude de la diagnosticabilité dans les cas continu et discret. La première phase constiste à étudier la diagnosticabilité dans le système multimode sous-jacent (chaque état discret du système constitue un mode de fonctionnement) : il s’agit de garantir qu’il est possible d’identifier et de discri-miner, sans ambiguïté, chaque mode à partir des observations. La seconde phase consiste à étudier la diagnosticabilité de chacun des sous-systèmes continus (pour chacun des modes de fonctionnement) suivant l’approche d’étude de la diagnosticabilité dans le cas continu, mais en introduisant en sup-plément une notion d’indicateur de consistance pour chaque autre mode du système. Finalement la notion de diagnosticabilité du système hybride est donnée en couplant les deux définitions.

Introduction aux systèmes technologiques pilotés

Dans cette partie, nous introduisons les notions utiles permettant de présenter ce qu’est un système technologique piloté. Nous entrerons ensuite plus en détail dans l’architecture de ce type de système.

Des systèmes mécaniques aux systèmes technologiques pilotés

En partant d’une notion générale de système, nous nous orienterons vers les systèmes que nous souhaitons traiter : les systèmes technologiques pilotés, en faisant le lien entre les systèmes mécaniques et l’intégration de composants électroniques et informatiques permettant de définir les systèmes mé-catroniques. Nous verrons que ce que nous allons considérer comme système technologique piloté n’est tout simplement qu’un système mécatronique dans lequel nous distinguons particulièrement la partie pilotage de la partie opérante.

La terminologie liée aux systèmes

D’une manière générale, un système est un regroupement d’éléments en interaction et organisés dans un environnement avec lequel il interagit pour réaliser une fonction qui lui est attribuée ([dR75]). Cette définition générale est utilisée par de nombreuses disciplines scientifiques telles que, entre autres, les sciences de l’ingénieur, les sciences physiques ou encore les sciences économiques et sociales. Dans notre approche orientée pour les systèmes habituellement étudiés en ingénierie, nous allons considérer les deux définitions suivantes :
– Selon [BJL+90], un système est un objet physique ou un ensemble de phénomènes qui comportent des relations de cause à effet.
– Selon [Ise05], un système mécatronique (ou mechatronic system en anglais) résulte de la concep-tion et de l’intégration simultanées de composants mécaniques, électroniques et informatiques (dans le sens traitement de l’information). Cette intégration, qui se fait entre des composants physiques (la partie « matériel », hardware en anglais) et des fonctions de contrôle et transmis-sion de l’information (la partie « logiciel », software en anglais), est orientée vers la recherche de l’équilibre optimal entre la structure mécanique élémentaire, l’implantation de capteurs et d’ac-tionneurs, ainsi que le contrôle automatique de l’information. Des effets synergiques, résultant de fonctionnalités améliorées et de solutions innovantes, sont par ailleurs créés.
Ces deux définitions sont, de notre point de vue, équivalentes dans le sens où elles traitent des mêmes catégories de systèmes. Cependant, la première est moins restrictive dans le sens où les systèmes purement mécaniques (un réservoir ou une résistance de chauffe par exemple) rentrent dans le cadre de cette définition. Ainsi le point essentiel d’un système mécatronique est la combinaison appropriée de processus mécaniques, électroniques et informatiques (dans le sens technologie de l’information) s’influançant mutuellement les uns des autres. La figure 2.1 ci-dessous, inspirée de [Ise05], reprend les interactions entre ces différents domaines, avec leurs différentes disciplines potentiellement utilisées, permettant de définir la mécatronique.

Table des matières

Introduction générale
1 Les méthodologies de diagnostic 
1.1 Préliminaires
1.1.1 La maintenance des systèmes industriels
1.1.2 Les concepts fondamentaux du diagnostic
1.1.3 Les exigences liées au diagnostic
1.2 Les méthodologies de diagnostic
1.2.1 Les méthodes de diagnostic à base de modèles
1.2.2 Les méthodes de diagnostic à base de données
1.3 La notion de diagnosticabilité
1.3.1 Diagnosticabilité dans le cas discret
1.3.2 Diagnosticabilité dans le cas continu
1.3.3 Diagnosticabilité dans le cas hybride
1.3.4 Étude de la diagnosticabilité
1.4 Conclusion sur les méthodologies de diagnostic
2 Les systèmes technologiques pilotés 
2.1 Introduction aux systèmes technologiques pilotés
2.1.1 Des systèmes mécaniques aux systèmes technologiques pilotés
2.1.2 Les systèmes technologiques pilotés
2.2 Représentation d’un système piloté
2.2.1 Préliminaires
2.2.2 Modélisation du système piloté simple
2.2.3 Modélisation du système piloté complet
2.3 Le cas d’étude
2.3.1 Une pile à combustible
2.3.2 Le système pile à combustible étudié
2.3.3 La ligne d’air du système pile à combustible
2.4 Conclusion sur les systèmes technologiques pilotés
3 La typologie des défauts 
3.1 Préliminaires
3.1.1 Notions de défaut, dysfonctionnement et panne
3.1.2 Les différents niveaux de modélisation de défauts
3.1.3 Le diagnostic dans le cycle de vie d’un système
3.1.4 Défauts logiciels et défauts matériels
3.2 Identification des défauts
3.2.1 La sûreté de fonctionnement
3.2.2 Défauts potentiels identifiés
3.3 Caractéristiques des défauts
3.3.1 La localisation des défauts
3.3.2 Le comportement des défauts
3.3.3 Conclusion sur les caractéristiques des défauts
3.4 Construction du modèle de défauts
3.4.1 Modélisation du comportement d’un défaut
3.4.2 Modélisation de l’effet d’un défaut
3.5 Bibliothèque de défauts
3.5.1 Composants de la librairie
3.5.2 Intégrations types des composants de la librairie
3.6 Application sur le cas d’étude
3.6.1 Identification des défauts
3.6.2 Défauts liés au compresseur
3.6.3 Défauts liés à l’électrovanne
3.6.4 Fuite d’air dans la tuyauterie
3.6.5 Défauts liés aux capteurs
3.6.6 Défauts considérés par le diagnostiqueur
3.7 Conclusion sur la typologie des défauts
4 L’étude de la diagnosticabilité du système 
4.1 Préliminaires
4.1.1 Notations diverses
4.1.2 Contraintes industrielles
4.1.3 Description intuitive de la diagnosticabilité du système
4.2 Comportements observables du système
4.2.1 Ensemble des instructions de l’opérateur
4.2.2 Occurrences des défauts
4.2.3 Comportements du système
4.2.4 Comportements observables du système
4.3 Diagnosticabilité du système
4.3.1 La notion de diagnosticabilité des défauts
4.3.2 Les notions d’éligibilité, de détectabilité et d’isolabilité
4.3.3 Rapport entre les différentes notions
4.3.4 Retour sur la diagnosticabilité des défauts faiblement progressifs
4.4 Caractérisation de défauts
4.4.1 La caractérisation parfaite
4.4.2 La caractérisation par formules temporelles
4.5 Application sur le cas d’étude
4.5.1 Préliminaires
4.5.2 Comportements observables de la ligne d’air
4.5.3 Étude de la diagnosticabilité de la ligne d’air
4.6 Conclusion sur l’étude de la diagnosticabilité
5 La génération du diagnostiqueur du système 
5.1 Fonctionnement d’un diagnostiqueur
5.1.1 Fonctionnement intuitif d’un diagnostiqueur
5.1.2 Correction et complétude entre l’étude de la diagnosticabilité et le passage au diagnostiqueur
5.1.3 Formalisation du fonctionnement d’un diagnostiqueur issu de l’étude de la diagnosticabilité
5.1.4 Implantation d’un diagnostiqueur
5.2 Complexité de fonctionnement d’un diagnostiqueur
5.2.1 La complexité en temps de calcul et en espace mémoire
5.2.2 La complexité dans le pire des cas
5.2.3 Complexité relativement à une caractérisation de défauts
5.3 Application sur le cas d’étude
5.3.1 Rappels des variables, paramètres et défauts diagnosticables de la ligne d’air
5.3.2 Résultats de complexité en espace suivant la caractérisation parfaite
5.3.3 Résultats de complexité suivant la caractérisation par formules temporelles
5.3.4 Génération d’un diagnostiqueur suivant la caractérisation par formules temporelles
5.3.5 Tests du diagnostiqueur de la ligne d’air
5.4 Conclusion sur la génération du diagnostiqueur
Conclusion générale et perspectives 
Références bibliographiques 

Télécharger le rapport complet