Cette thèse développe des approches pour le diagnostic et le pronostic de systèmes dynamiques incertains en utilisant la technique de modélisation Bond Graph (BG). Tout d'abord, une représentation par intervalles des incertitudes paramétriques et de mesures est intégrée à un modèle BG-LFT (Linear Fractional Transformation). Une méthode de détection robuste de défaut est développée en utilisant les règles de l'arithmétique d'intervalle pour la génération de seuils robustes et adaptatifs sur les résidus nominaux. La méthode est validée en temps réel sur un système de générateur de vapeur.Deuxièmement, une nouvelle méthodologie de pronostic hybride est développée en utilisant les Relations de Redondance Analytique déduites d'un modèle BG et les Filtres Particulaires. Une estimation de l'état courant du paramètre candidat pour le pronostic est obtenue en termes probabilistes. La prédiction de la durée de vie résiduelle est atteinte en termes probabilistes. Les incertitudes associées aux mesures bruitées, les conditions environnementales, etc. sont gérées efficacement. La méthode est validée en temps réel sur un système mécatronique incertain.Enfin, la méthodologie de pronostic développée est mise en œuvre et validée pour le suivi efficace de la santé d'un sous-système électrochimique d’une pile à combustible à membrane échangeuse de protons (PEMFC) industrielle à l’aide de données de dégradation réelles. / This thesis develops the approaches for diagnostics and prognostics of uncertain dynamic systems in Bond Graph (BG) modeling framework. Firstly, properties of Interval Arithmetic (IA) and BG in Linear Fractional Transformation, are integrated for representation of parametric and measurement uncertainties on an uncertain BG model. Robust fault detection methodology is developed by utilizing the rules of IA for the generation of adaptive interval valued thresholds over the nominal residuals. The method is validated in real time on an uncertain and highly complex steam generator system.Secondly, a novel hybrid prognostic methodology is developed using BG derived Analytical Redundancy Relationships and Particle Filtering algorithms. Estimations of the current state of health of a system parameter and the associated hidden parameters are achieved in probabilistic terms. Prediction of the Remaining Useful Life (RUL) of the system parameter is also achieved in probabilistic terms. The associated uncertainties arising out of noisy measurements, environmental conditions etc. are effectively managed to produce a reliable prediction of RUL with suitable confidence bounds. The method is validated in real time on an uncertain mechatronic system.Thirdly, the prognostic methodology is validated and implemented on the electrical electro-chemical subsystem of an industrial Proton Exchange Membrane Fuel Cell. A BG of the latter is utilized which is suited for diagnostics and prognostics. The hybrid prognostic methodology is validated, involving real degradation data sets.

Im Beitrag wird zunächst die konventionelle auf Signalflüssen basierte Modellbildung mit modernen leistungsflussbasierten Methoden, die auf dem Prinzip von Aktion und Reaktion aufbauen, verglichen. BG (Bond Graph), POG (Power Oriented Graph) und EMR (Energetic Macroscopic representation) sind solche modernen Methoden die den Leistungsaustausch zwischen Teilsystemen als Grundlage für den Modellbildungsansatz nutzen. Diese Werkzeuge erhalten die physikalische Struktur, erlauben es in das dynamische System hineinzuschauen und unterstützen das Verständnis des Leistungsflusses. Unterschiede werden anhand verschiedener Eigenschaften in einer Tabelle angegeben. Nach Erläuterung der Grundlagen zu POG und BG erfolgt die Vorstellung einer Freeware Zusatzbibliothek zur Simulation von Bondgraphen. Spezielle Eigenschaften werden kurz umrissen. Diese Blockbibliothek läuft unter Simulink, besteht aus nur 9 mittels Menü konfigurierbaren Blöcken und realisiert bidirektionale Verbindungen. Die Beispiele Gleichstrommotor, Pulssteller und elastische Welle demonstrieren die Vorteile der leistungsflussorientierten Modellbildung. Zustandsregelung, Energieeffizienz und Simulink LTI Analysewerkzeuge führen in die Anwendung der vorgestellten Simulink Zusatzbibliothek für Bondgraphen ein.:Modellbildung dynamischer Systeme mittels Leistungsfluß 1. Leistungsfluß versus Signalfluß 2. Konjugierte Leistungsvariablen und Kausalität 3. Grundlagen Leistungsfluß orientierter Modellierung 3.1 Definitionen zum POG (Power Oriented Graph) 3.2 Definitionen zu Grundelementen für Bondgraphen (BG) 4. Freeware Bibliothek zur Simulation von Bondgraphen 4.1 Übersicht und Nutzerfreundlichkeit 4.2 Besonderheiten 5. Beispiele 5.1 Gleichstrommotor mit starrer Welle 5.2 Elastische Welle 5.3 Eingangsfilter und Pulssteller 5.4 Vereinfachter Antriebsstrang 6. Anwendung der Simulink Bondgraph Blockbibliothek 6.1 Beispiel elastische Welle 6.2 Zustandsregelung 6.3 Energieeffizienz 6.4 Simulink Analysewerkzeuge 7. Vorteile im Überblick / The paper starts with a comparison of the conventional modelling method based on signal flow and modern power flow oriented modelling methods based on the principle of action and reaction. BG (Bond Graph), POG (Power Oriented Graph) and EMR (Energetic Macroscopic representation) are such modern methods based on the power exchange between partial systems as a key element for the basic modelling approach. These tools preserve the physical structure, enable a view inside dynamical systems and support understanding the power flow. Relationships between these graphical representations will be given. After the explanation of basics for POG and BG an overview and special features of a freeware add-on library for simulation of BGs will be outlined. The block library runs under Simulink, consists of nine menu-driven customised blocks only and realises bidirectional connections. Examples DC motor, chopper and elastic shaft demonstrate the advantages of power flow oriented modelling. State space control, energy efficiency and Simulink LTI analysis tools exemplify the application of the presented Simulink add-on BG library.:Modellbildung dynamischer Systeme mittels Leistungsfluß 1. Leistungsfluß versus Signalfluß 2. Konjugierte Leistungsvariablen und Kausalität 3. Grundlagen Leistungsfluß orientierter Modellierung 3.1 Definitionen zum POG (Power Oriented Graph) 3.2 Definitionen zu Grundelementen für Bondgraphen (BG) 4. Freeware Bibliothek zur Simulation von Bondgraphen 4.1 Übersicht und Nutzerfreundlichkeit 4.2 Besonderheiten 5. Beispiele 5.1 Gleichstrommotor mit starrer Welle 5.2 Elastische Welle 5.3 Eingangsfilter und Pulssteller 5.4 Vereinfachter Antriebsstrang 6. Anwendung der Simulink Bondgraph Blockbibliothek 6.1 Beispiel elastische Welle 6.2 Zustandsregelung 6.3 Energieeffizienz 6.4 Simulink Analysewerkzeuge 7. Vorteile im Überblick