Le diagnostic des systèmes automatiques consiste à remonter des symptômes perçus vers les causes. Les méthodes de diagnostic à base de modèle utilisent un modèle mathématique explicite du processus. Les synthèses modernes de génération de résidus demandent une connaissance très fine du système à commander ou à diagnostiquer. L'écriture des modèles les plus précis demande une compréhension en détail des mécanismes et utilise les lois de la Physique. Les modèles obtenus de cette façon font intervenir des paramètres physiques qui, par définition, sont mesurables par des expériences non nécessairement en rapport avec la façon d'utiliser le système. Cependant, dans certains cas pratiques, ces paramètres ne peuvent pas être évalués a priori. Par ailleurs, la fiabilité donnée par les modèles de connaissance est en général accompagnée par l'inconvénient d'une trop grande complexité. Ce travail contribue à développer une nouvelle approche algébrique et déterministe de diagnostic qui ne suppose pas l'existence a priori d'un modèle explicite du système et qui présente un nouveau point de vue basé sur la théorie des distributions et l'analyse du pseudospectre de faisceaux de matrices. Notre démarche s'inspire de certains outils et développements de la théorie de l'estimation algébrique courants en automatique mais très peu usuels en traitement du signal. Le principal atout de cette approche est qu'il est possible, sous certaines hypothèses, de détecter, localiser et identifier les défauts à l'aide des seules mesures de la commande et de la sortie sans avoir à identifier les paramètres du modèle / The fault diagnosis in automatic systems is to trace perceived symptoms to causes. Most of model-based methods are based on the concept of analytical redundancy. The analytical redundancy relations are equations derived from an analytical model, which admits as input only the measured variables. Other classes of model-based methods are based directly on the parameter estimate. The modern syntheses of residuals generation require very detailed knowledge of system to control or to diagnose. Writing the most accurate models require a deep understanding of mechanisms and uses law of physics. The models obtained this way are called knowledge-based models. They involve physical parameters which, by definition, are measurable by experiments which are not necessarily related to how to use the system. However, in some practical cases, these parameters can be evaluated a priori. Moreover, the reliability provided by the knowledge-based models is usually accompanied by the disadvantage of excessive complexity. These models may not be used in practice and we must often reduce the complexity. This work contributes to develop a new algebraic and deterministic approach of fault diagnosis, which is not based on an a priori explicit model of the process and presents a new perspective based on the theory of distributions and the pseudospectra analysis of matrix pencils. Our approach is based on certain tools and developments in the theory of algebraic estimation usual in automatic community but very unconventional in signal processing

Ce travail contribue à développer une nouvelle approche algébrique et déterministe de diagnostic qui ne nécessite pas la connaissance a priori d'un modèle explicite du système. Il présente un nouveau point de vue basé sur la théorie des distributions et l'analyse du pseudospectre de faisceaux de matrices. Notre démarche s'inspire de certains outils et développements de la théorie de l'estimation algébrique courants en automatique et traitement du signal. Le principal atout de cette approche est qu'il est possible, sous certaines hypothèses, de détecter, localiser et identifier les défauts à l'aide des seules mesures de la commande et de la sortie sans avoir à estimer les paramètres du modèle. Nous considérons que les défauts actionneur et capteur sont modélisés par des signaux structurés. La méthode exploite le fait qu'un signal structuré satisfait une équation différentielle. La prise de décision est entièrement fondée sur l'évolution temporelle des estimations de certaines caractéristiques constantes des défauts. L'efficacité de l'approche présentée est illustrée au travers d'exemples académiques.

La surveillance et l'amélioration des modes de fonctionnement des systèmes propulsifs des lanceurs représentent des défis majeurs de l'industrie aérospatiale. En effet, une défaillance ou un dysfonctionnement du système propulsif peut avoir un impact significatif pour les clients institutionnels ou privés et entraîner des catastrophes environnementales ou humaines. Des systèmes de gestion de la santé (HMS) pour les moteurs fusée à ergols liquides (LPREs), ont été mis au point pour tenir compte des défis actuels en abordant les questions de sureté et de fiabilité. Leur objectif initial est de détecter les pannes ou dysfonctionnements, de les localiser et de prendre une décision à l’aide de Redlines et de systèmes experts. Cependant, ces méthodes peuvent induire de fausses alarmes ou des non-détections de pannes pouvant être critiques pour la sécurité et la fiabilité des opérations. Ainsi, les travaux actuels visent à éliminer certaines pannes critiques, mais aussi diminuer les arrêts intempestifs. Les données disponibles étant limitées, des méthodes à base de modèles sont essentiellement utilisées. La première tâche consiste à détecter les défaillances de composants et/ou d'instruments à l'aide de méthodes de détection et de localisation de fautes (FDI). Si la faute est considérée comme mineure, des actions de « non-arrêt » sont définies pour maintenir les performances de l'ensemble du système à un niveau proche de celles souhaitées et préserver les conditions de stabilité. Il est donc nécessaire d’effectuer une reconfiguration robuste (incertitudes, perturbations inconnues) du moteur. Les saturations en entrée doivent également être prises en compte dans la conception de la loi de commande, les signaux de commande étant limités en raison des caractéristiques ou performances des actionneurs physiques. Les trois objectifs de cette thèse sont donc : la modélisation des différents sous-systèmes principaux d’un LPRE, le développement d’algorithmes de FDI sur la base des modèles établis et la définition d’un système de reconfiguration du moteur en temps réel pour compenser certains types de pannes. Le système de FDI et Reconfiguration (FDIR) développé sur la base de ces trois objectifs a ensuite été validé à l’aide de simulations avec CARINS (CNES) et du banc d’essai MASCOTTE (CNES/ONERA). / Monitoring and improving the operating modes of launcher propulsion systems are major challenges in the aerospace industry. A failure or malfunction of the propulsion system can have a significant impact for institutional or private customers and results in environmental or human catastrophes. Health Management Systems (HMS) for liquid propellant rocket engines (LPREs), have been developed to take into account the current challenges by addressing safety and reliability issues. Their objective was initially to detect failures or malfunctions, isolate them and take a decision using Redlines and Expert Systems. However, those methods can induce false alarms or undetected failures that can be critical for the operation safety and reliability. Hence, current works aim at eliminating some catastrophic failures but also to mitigate benign shutdowns to non-shutdown actions. Since databases are not always sufficient to use efficiently data-based analysis methods, model-based methods are essentially used. The first task is to detect component and / or instrument failures with Fault Detection and Isolation (FDI) approaches. If the failure is minor, non-shutdown actions must be defined to maintain the overall system current performances close to the desirable ones and preserve stability conditions. For this reason, it is required to perform a robust (uncertainties, unknown disturbances) reconfiguration of the engine. Input saturation should also be considered in the control law design since unlimited control signals are not available due to physical actuators characteristics or performances. The three objectives of this thesis are therefore: the modeling of the different main subsystems of a LPRE, the development of FDI algorithms from the previously developed models and the definition of a real-time engine reconfiguration system to compensate for certain types of failures. The developed FDI and Reconfiguration (FDIR) scheme based on those three objectives has then been validated with the help of simulations with CARINS (CNES) and the MASCOTTE test bench (CNES/ONERA).

Actuellement, les machines Asynchrones à Double Alimentation (MADA) sont omniprésentes dans le secteur éolien, grâce à leur simplicité de construction, leur faible coût d’achat et leur robustesse mécanique ainsi que le nombre faible d’interventions pour la maintenance. Cependant, comme toute autre machine électrique, ces génératrices sont sujettes aux défauts de différent ordre (électrique, mécanique, électromagnétique…) ou de différents types (capteur, actionneur ou composants du système). C’est pourquoi, il est primordial de concevoir une approche de diagnostic permettant de manière anticipée, de détecter, localiser et identifier tout défaut ou anomalie pouvant altérer le fonctionnement sain de ce type de machine. Motivés par les points forts des méthodes de diagnostic de défauts à base d’observateurs, nous proposons d’une part, dans cette thèse, une approche de détection, localisation et identification des défauts de la MADA d’une éolienne à vitesse variable, à base des observateurs de Kalman, performants et largement utilisés. Les erreurs d’estimation d’état du filtre de Kalman linéaire et de ses variantes non-linéaires, à noter : le Filtre de Kalman Etendu (EKF) et le Filtre de Kalman sans-Parfum (UKF), sont utilisés comme résidus sensibles aux défauts. En vue d’éviter les fausses alarmes et de découpler les défauts des perturbations et des bruits, l’analyse des résidus générés est réalisée par des tests statistiques tels que : Test de Page Hinkley (PH) et Test DCS (Dynamic Cumulative Sum). Pour la localisation des défauts multiples et simultanés, la Structure d’Observateurs Dédiés (DOS) et la Structure d’Observateurs Généralisés (GOS) sont appliquées. De plus, l’amplitude du défaut est déterminée dans l’étape d’identification de défaut. Les défauts capteurs, actionneurs et composants de la MADA, sont traités dans ce travail de recherche. D’autre part, une étude comparative entre les différents observateurs de Kalman, est élaborée. La comparaison porte sur les critères suivants : le temps de calcul, la précision et la vitesse de convergence des estimations. / Actually, the Doubly Fed Induction Generators (DFIG) are omnipresent in the wind power market, owing to their construction simplicity, their low purchase cost and their mechanical robustness. However, as any other electrical machine, these generators are subject to defects of different order (electrical, mechanical, electromagnetic ...) or of different type (sensor, actuator or system). That’s why, it is important to design an effective diagnostic approach, able to early detect, locate and identify any defect or abnormal behavior, which could undermine the healthy operation of this machine On the one hand, motivated by the observer-based fault diagnosis methods strengths, we proposed, in this thesis, a diagnostic approach for the faults detection, localization and identification of the DFIG used in variable speed wind turbine. This approach is based on the use of the efficient and widely used Kalman observers. The state estimation errors of the linear Kalman filter and the non-linear Kalman filters, named: The Extended Kalman Filter (EKF) and the Unscented Kalman Filter (UKF) are used as faults sensitive residuals. In order to avoid false alarms and to decouple faults from disturbances and noises, the faults detection is carried out by the analysis of the residuals generated, by the mean of statistical tests such as: Hinkley Page Test (PH) and DCS Test (Dynamic) Cumulative Sum). For the localization step in case of multiple and simultaneous faults, the Dedicated Observer scheme (DOS) and the Generalized Observer scheme (GOS) are applied. In addition, the fault level is determined in the fault identification step. Sensor faults, actuator and system faults of DFIG, are treated in this research work. On the other hand, a comparative study between the three Kalman observers proposed is performed. The comparison was done in terms of (1) the computation time, (2) the estimation accuracy, and (3) the convergence speed.