Diagnostique par Bond Graph.

Diagnostique par Bond graph

Si le contrôle et la régulation industrielle sont largement maîtrisés par le monde industriel, la surveillance en ligne est peu développée. Une ambigüité dans sa définition la réduit souvent à des tâches de suivi de paramètres (dit monitoring) ou de gestion d’alarmes par un seuillage des variables. L’amélioration de la sûreté de fonctionnement des systèmes repose essentiellement sur les algorithmes de détection et d’isolation des défauts en ligne, connus sous l’expression anglaise Fault Detection& Isolation (FDI). Des systèmes de surveillances sont mis en oeuvre dont l’objectif est d’être capable, à tout instant, de fournir l’état de fonctionnement des différents équipements constitutifs d’un processus technologique. Tant au niveau de la détection et de l’isolation des fautes (FDI) qu’au niveau de la tolérance aux fautes (FTC: Fault Tolerant Control), l’opérateur de supervision gère deux types d’information. Le premier concerne la détection et l’isolation de défauts survenus sur l’installation, et le deuxième indique les possibilités de laisser fonctionner ou non le processus. La Figure II.1 résume le principe de la « FDI » et de la « FTC ». Au niveau de la FTC, deux approches sont à distinguer: l’approche passive et l’approche active [8]. L’approche passive est basée sur la commande robuste qui vise à définir pour les systèmes contrôlés en boucle fermée, des régulateurs insensibles aux fautes [9]. Aucune information sur les défaillances fournies par les algorithmes de « FDI » n’est utilisée, ainsi que la structure du système n’est pas modifiée.

Surveillance des systèmes par bond graph

D’un point de vue, d’une représentation par une approche bond graph. On distingue essentiellement deux parties : l’une concerne le transfert de la puissance et de l’énergie « formée par le processus et l’ensemble des actionneurs », alors que la seconde représente les signaux « le système d’information, c’est à dire les capteurs et le système de régulation » [16]. Le modèle bond graph représente la partie énergétique du système. Le processus est modélisé généralement par les éléments bond graph usuels « R, C, I, et les jonctions ». Les actionneurs « source électrique, source thermique, … » sont modélisés par des sources « d’effort ou/et de flux ». Les sources peuvent être simples « Se, Sf» ou modulées « MSe, MSf», c’est-à-dire commandées par un signal externe fourni par un contrôleur ou un opérateur. Les capteurs et le système de commande forment le système d’information. Dans le premier système (énergétique), la puissance échangée est représentée par une demi-flèche (un lien de puissance) traduite par les variables d’effort et de flux. Dans le second système (système d’information) la puissance échangée est négligeable, elle est alors représentée par un lien d’information (flèche) qui est le même utilisé dans les blocs diagrammes classiques. On distingue principalement deux approches bond graph pour la surveillance des processus: l’approche quantitative et l’approche qualitative.

L’approche qualitative pour la surveillance en utilisant le bond graph

Cette approche ne nécessite pas un modèle très précis. Contrairement aux représentations de connaissances conventionnelles permettant de décrire la structure du système et son état par le biais de divers outils (schéma bloc, équations différentielles, …), les bond graphs qualitatifs ne décrivent explicitement que la localisation des composants du système et leurs interconnexions. La surveillance basée sur la modélisation par bond graph qualitatif s’avère plus simple en comparaison avec les méthodes quantitatives car elle ne nécessite pas un modèle précis. [17].

Ces modèles qualitatifs sont construits sans aucune considération des paramètres du système. Ils se basent sur des valeurs qualitatives (à la place des valeurs numériques) définies par l’ensemble {[1] [+] [0] [-] [-1] [?]} représente la qualité de la déviation dans l’espace des mesures par rapport au fonctionnement normal. Les opérateurs sont ainsi qualitatifs, ils peuvent être définis en utilisant les opérateurs des nombres réels : {+, -, x, ÷, =}. On résout alors un système d’équations qualitatives pour déterminer l’origine des défaillances. D’autres études utilisent les graphes causaux temporels pour isoler les pannes en tenant compte de la dynamique d’occurrence de la faute. [17][20]. D’autres utilisent une analyse qualitative des équations d’état linéaires pour déterminer les causes possibles d’une défaillance [18][20]. L’avantage que présente cette approche est qu’elle ne nécessite pas une connaissance profonde de la structure du système ni des grandeurs numériques des paramètres. Toutefois, cette approche devient complexe pour les processus multi – énergie et présente d’autres inconvénients comme la non détection des défaillances des capteurs et la difficulté de déterminer les valeurs limites inférieures et supérieures des déviations.

Rappel du principe de l’identification

Si les paramètres du modèle d’un système ne sont pas connus, ou s’il n’est pas possible d’obtenir le modèle lui-même à partir des lois physiques (complexité, processus en fonctionnement, système en boite noire, …), alors on fait appel à l’identification du système. Il s’agit de trouver le modèle ou fonction de transfert à partir des essais expérimentales entrée/sortie Le modèle recherché, appartenant à une classe de modèles connue, doit avoir un comportement le plus proche possible au comportement réel su système physique. L’identification d’un système consiste à exciter les entrées de ce dernier par des signaux test persistants et, à récupérer ses sorties (graphes, données) Selon la forme des réponses, le type du modèle recherché et la richesse des données, diverses méthodes d’identification existent, dont chacune peut être appliquée dans un cas particulier. En fait, on distingue les méthodes d’identification classiques (Broïda, Strej’c, premier et deuxième ordre, …), et des méthodes d’identification modernes (ARX, …). Dans le cadre de notre projet, nous avons appliqué une méthode d’identification classique pour trouver le modèle du système étudié. Il s’agit de la méthode de Broïda, dont nous présentons par la suite le principe et l’application directe sur le système [23].

Conclusion

Dans ce chapitre nous avons présenté le système sur le quelle nous avons fait l’expérience de la partie pratique le banc de régulation de niveau, ainsi que le rappelle de quelque méthodes d’identification. A la fin nous avons montré la mise en œuvre de l’identification du système en utilisant Matlab et Simulink et nous avons présenté les résultats de simulation. Notre but était d’avoir un model réel, le modéliser et générer les courbe de son fonctionnement normale et avec les défaut par bond graph pour ensuite les comparer au réponse obtenu par le système réel. Nous avons eu des difficultés pour parvenir a nos fins presque le logicielle qui gère les bonds graph (Symbols Shakti) n’est en version complète, donc on n’a pas pu avoir les courbes du système simulé pour la comparaison avec le système réel.

Table des matières

Introduction Générale
Chapitre I : Approche Bond Graph.
I.1 Introduction
I.2 Représentation du langage
I.2.1 Notion de puissance et notations
I.2.2 Variables utilisées
I.2.2.1 Variables de puissance
I.2.2.2 Variables d’énergie
I.2.3 Éléments Bond Graph
I.2.3.1 Les éléments passifs
I.2.3.2 Les éléments actifs
I.2.3.3. Les éléments de jonction
I.3 Procédures de construction de modèles bond graph
I.4 Notion de causalité
I.5 Chemin causal
I.5.1 Longueur d’un chemin causal
I.5.2 Gain d’un chemin causal
I.5.3 Gain d’une boucle causale
I.6 Matrice de transfert
I.6.1 Règle de MASSON
I.6.2 Équations d’état d’un modèle Bond graph
I.7 Conclusion
Chapitre II : Diagnostique par Bond Graph.
II.1 Introduction
II.2. Définitions et terminologies
II.3 Surveillance des systèmes par bond graph
II.3.1. L’approche qualitative pour la surveillance en utilisant le bond graph
II.3.2 L’approche quantitative pour la surveillance en utilisant le bond graph
II.4 Matrice de signature des défaillances
II.5 Conclusion
Chapitre III : Symbols Shakti.
III.1 Introduction
III.1 Caractéristiques principales du logiciel Symbols
III.3 Symbols
III.4 Modules du symbols Shakti
III.4.1 Le module BondPad (constructeur de modèles graphiques)
III.4.2. Le module du simulateur (interface de simulation)
III.4.3 Le module de commande « Controls »
III.4.4 Le module « FDIPad »
III.5 Création et Incorporation des Capsules sous Symbols
III.5.1. Caractéristiques des capsules
III.6 Conclusion
Chapitre IV : Modélisation, Identification et détection de défauts du système.
IV.1 Introduction
IV.2 Présentation du système physique
IV.3 Modélisation du systéme
IV.3.1 Modélisation par les lois physiques
IV.3.2 Modélisation par bond graph
IV.3.3 Utilisation des bonds graph pour la modélisation
IV.4 Identification du systéme
IV.4.1 Rappel du principe de l’identification
IV.4.2 Rappel su quelques méthodes d’identification classiques
IV.4.2.1 La méthode de Strejc
IV.4.2.2 La méthode de Broida
IV.4.2.3 Identification du système par la méthode de Broida
IV.5 Détection des défauts par bond graph
IV.6 Conclusion
Conclusion générale
Bibliographie

Télécharger le rapport complet