Soutenance mémoire
L’utilisation de nouvelles technologies dans l’industrie améliore certes la productivité mais induit une complexité du système industriel. Cette complexité le rend vulnérable aux fautes, ce qui nécessite d’importantes dépenses en termes de sûreté, fiabilité et de disponibilité. Une opération de diagnostic s’avère donc indispensable pour la sûreté de fonctionnement et la disponibilité des systèmes [ASS02]. Les deux fonctions importantes d’un système de diagnostic sont la détection et la localisation des anomalies [ASS02]. S’appuyant sur des outils déjà existants en automatique, la recherche dans le domaine du diagnostic a connu une évolution importante et a donné naissance à plusieurs méthodes permettant de résoudre les problèmes de détection et d’isolation de défauts [JAM03]. Ces méthodes peuvent être classées en deux approches, la première n’utilise pas de modèle mathématique du système et la seconde utilise un modèle mathématique. Le principe général de cette dernière approche consiste à vérifier la consistance des données prélevées en ligne sur l’installation avec un modèle [PAT97]. La qualité du modèle utilisé conditionne les performances du système de surveillance. [DUS04c]. Parfois, la localisation d’un défaut nécessite l’utilisation d’un modèle du système défaillant, mais l’obtention d’un tel modèle est souvent une opération difficile et coûteuse. La phase de détection et de localisation des défauts n’étant pas suffisante pour garantir la sûreté de fonctionnement, une autre phase est nécessaire pour gérer la présence de défauts. Cette phase consiste soit en l’accommodation de défauts ou en la reconfiguration (de la loi de commande, du système ou de l’objectif).
L’analyse structurelle est un outil puissant qui permet de déterminer de nombreuses propriétés du système considéré. Ces propriétés sont obtenues à partir de la seule connaissance de l’existence de liens (contraintes) entre variables sans que les valeurs des paramètres soient nécessairement connues. Ce prétraitement, qui peut être entièrement automatisé de manière efficace même pour les très grands systèmes, permet par exemple de connaître les conditions structurelles d’observabilité ou de commandabilité [DUS04c], les possibilités de détection et de localisation des défaillances [KRY02] ou d’étudier la reconfigurabilité du système en cas de perte de composants [ASS02]. Cette analyse est effectuée lors de la phase de conception et permet de déterminer le nombre et la place des capteurs à implanter afin de respecter le cahier des charges de surveillance. Pour toutes les propriétés structurelles étudiées, les conditions obtenues sont nécessaires mais en général non suffisantes car elles sont indépendantes de la valeur réelle des paramètres. [DUS04c].
Diagnostic et commande tolérante aux fautes : état de l’art et généralités
La conception de systèmes de fonctionnement sûr nécessite d’une part, l’implantation d’un système de diagnostic pour réaliser la détection et la localisation de fautes (fault detection and isolation) ou FDI et d’autre part la mise en œuvre de traitement tolérant aux fautes (fault tolerant control) ou FTC. [ASS02].
Classification des défauts
Trois classes de fautes peuvent être définies [STA01], [BLA03], [OUD08] :
Défauts actionneurs :
Les défauts actionneurs agissent au niveau de la partie opérative du système de commande et détruisent le signal d’entrée (conduisent à une perte partielle ou totale le signal d’entrée). Une partie du système devient non commandable et de nouveaux actionneurs doivent être utilisés. Ces défauts peuvent causer une perte totale ou partielle de l’actionneur. Une perte totale d’un actionneur peut se produire, par exemple, à la suite d’une fracture ou coupure d’un fil électrique reliant l’actionneur au système. Un exemple de perte partielle d’un actionneur est la fuite hydraulique ou pneumatique ou encore la chute de la tension d’alimentation.
Défauts capteurs :
Ils caractérisent une mauvaise image de la grandeur physique à mesurer. Un défaut capteur peut aussi être partiel ou total. Un capteur totalement défectueux donne une information qui ne correspond pas du tout à la vraie valeur de la variable à mesurer. Un défaut capteur partiel produit un signal avec plus au moins d’adéquation avec la valeur vraie de la variable à mesurer. Ceci peut se traduire par une réduction de la valeur affichée par rapport à la valeur vraie, ou de la présence d’un biais ou de bruit accru empêchant une bonne lecture. Une des solutions pour augmenter la tolérance aux défauts capteurs est de dupliquer les capteurs (redondance matérielle). Une vérification est faite sur les valeurs redondantes pour décider si une faute est présente ou non. Cette approche entraîne un coût important en instrumentation mais s’avère extrêmement fiable et simple à implanter. Elle est mise en œuvre essentiellement sur des systèmes à haut risque telles que les centrales nucléaires ou les avions. [OUD08] .
Défauts système :
Ce sont des défauts qui apparaissent dans les composants du système lui même, c’est-à-dire des défauts qui ne peuvent pas être classifiés ni parmi les défauts capteurs, ni parmi les défauts actionneurs. Ils représentent des changements dans les paramètres du système, ce qui induit un changement du comportement dynamique de ce dernier. Si les défauts doivent être classés relativement à leurs effets sur les performances du système, deux types de défauts peuvent être distingués : des défauts additifs et des défauts multiplicatifs. Les défauts additifs influencent la moyenne du signal de sortie du système, alors que les défauts multiplicatifs induisent des changements sur la variance et les corrélations du signal de sortie du système, ainsi que des changements dans la dynamique du système.
Méthodes de diagnostic
La littérature sur la détection et l’isolation de défauts et celle dédiée au diagnostic montre une grande diversité à la fois dans les points de vue et dans les méthodes. Il existe plusieurs façons de catégoriser ces méthodes, mais on les classe généralement en deux groupes : les approches qui n’utilisent pas de modèle mathématique et les approches à base de modèle.
Méthodes sans modèle
Les méthodes sans modèle, comme leur nom l’indique, ne disposent pas de modèle décrivant le comportement nominal et le (s) comportement (s) défaillant (s) [ASS02]. Elles sont divisées en deux catégories : les méthodes utilisant les outils statistiques et les méthodes de reconnaissance des formes. Les outils statistiques établissent des tests sur les signaux d’acquisition et n’assurent que la fonction de détection de la défaillance, tandis que, les techniques de surveillance par reconnaissance de formes sont plus élaborées par rapport aux simples tests statistiques et sont capables de détecter et de diagnostiquer les défaillances.
Détection par outils statistiques
Les outils statistiques de détection de défaillances consistent à supposer que les signaux fournis par des capteurs possèdent certaines propriétés statistiques. On effectue alors quelques tests qui permettent de vérifier si ces propriétés sont présentes dans un échantillon des signaux mesurés de taille n (appelé fenêtre d’observation glissante).
|
Table des matières
Introduction générale
Chapitre I : Diagnostic et commande tolérante aux fautes : état de l’art et généralités
I.1.Introduction
I.2. Classification de défauts
I.2.1. Défauts actionneurs
I.2.2. Défauts capteurs
I.2.3. Défauts sur le système
I.3. Méthodes de diagnostic
I.3.1. Méthodes sans modèle
I.3.1.1. Détection par outils statistiques
I.3.1.2. Diagnostic par reconnaissance de formes
I.3.2. Méthodes avec modèle
I.3.2.1 Approche FDI
I.3.2.2 Approche DX
I.3.2.3. Approche bridge entre FDI et DX
I.4. Classification des méthodes de la commande tolérante aux fautes
I.4.1. Approche passive
I.4.2. Approche active
I.5. Conclusion
Chapitre II : Quelques aspects de l’analyse structurelle
II.1 Introduction
II.2 Modélisation structurelle par un graphe biparti
II.2.1. Exemple illustratif
II.2.2. Modélisation des variables dynamiques et des dérivées
II.2.3. Prise en compte des défaillances
II.3. Outils de l’analyse structurelle utilisés pour le diagnostic et la reconfiguration
II.3.1. Calculabilité
II.3.2. Couplage dans un graphe
II.3.3. Décomposition canonique
II.3.4. Génération de résidus
II.3.5. Ensemble minimal structurellement singulier (MSS)
II.3.6. Ensemble minimal structurellement sur déterminé (MSO)
II.3.7. Tables de signature et d’isolabilité de défauts
II.4 Conclusion
Chapitre III : Algorithme de diagnostic de défauts et placement de capteurs par l’approche structurelle
III.1. Introduction
III.2 Algorithme général de diagnostic de défauts par l’approche structurelle
III.3. Algorithmes de recherche des ensembles MSO
III.3.1. Algorithme basé sur la possibilité de calcul des conflits
III.3.2. Algorithme basé sur la structure minimale des ARR
III.3.3. Algorithme de combinaison des bases MSO
III.3.4. Algorithme basé sur les ensembles sur-déterminés minimaux
III.5. Comparaison entre les algorithmes
III.6. Placement de capteurs par la méthode basée sur la décomposition de DulmageMendelshon
III.6.1. Placement de capteurs : étude de la détectabilité
III.6.2. Placement de capteurs : étude de l’isolabilité
III.7. Exemples explicatifs de l’algorithme général de diagnostic de défauts
III.7.1. Exemple 1
III.7.2.. Exemple 2
III.8. Conclusion
Chapitre IV : Reconfiguration structurelle
IV.1. Introduction
IV.2. Rappel du problème de la commande standard
IV.3. Problème de la commande tolérante aux fautes
IV.4. Algorithme de la reconfiguration structurelle
VI.5. Observabilité et Commandabilité structurelles par graphe biparti
VI.5.1. Observabilité structurelle
VI.5.2. Commandabilité structurelle
VI.6 Exemple illustratif de l’algorithme de la reconfiguration structurelle
VI.7 Conclusion
Conclusion générale
