Cette thèse est une contribution aux études sur la disponibilité des dispositifs électrotechnique. L'étude présentée* propose des solutions aux problèmes de détection des défauts dans les -entraînements-électriqUes continu et alternatif en utilisant des méthodes de connaissances et de modélisatiOIFde signaux. Les défauts considérés sont ceux de l'alimentation, du convertisseur, des capteurs et de la machine. Pour les défa~ts affectant l'entraînement continu, la méthode retenue se base sur une analyse de la répercussion des défauts sur les grandeurs accessibles (relations de causes à effets) et utilise le symbolisme des arbres de défaillances. Pour l'entraînement ~ernatif diverses approches* utilisant la connaissance du système électrotechnique ont été proposées pour détemlÎner des symptômes temporels (suivi de la trajectoire ou de la fréquence instantanée du vecteur courant, modèles du courant absorbé). Une caractérisation fréquentielle des défauts affectant l'entraînement a été réalisé dans les domaines basses fréquences (les fondamentaux et ses multiples) et hautes fréquences (évolution de la fréquence de modulation). Les diverses approches ont toutes été validés expérimentalement

La modélisation des systèmes dynamiques requiert la prise en compte d'incertitudes liées à l'existence inévitable de bruits (bruits de mesure, bruits sur la dynamique), à la méconnaissance de certains phénomènes perturbateurs mais également aux incertitudes sur la valeur des paramètres (spécification de tolérances, phénomène de vieillissement). Alors que certaines de ces incertitudes se prêtent bien à une modélisation de type statistique comme par exemple les bruits de mesure, d'autres se caractérisent mieux par des bornes, sans autre attribut. Dans ce travail de thèse, motivés par les observations ci-dessus, nous traitons le problème de l'intégration d'incertitudes statistiques et à erreurs bornées pour les systèmes linéaires à temps discret. Partant du filtre de Kalman Intervalle (noté IKF) développé dans [Chen 1997], nous proposons des améliorations significatives basées sur des techniques récentes de propagation de contraintes et d'inversion ensembliste qui, contrairement aux mécanismes mis en jeu par l'IKF, permettent d'obtenir un résultat garanti tout en contrôlant le pessimisme de l'analyse par intervalles. Cet algorithme est noté iIKF. Le filtre iIKF a la même structure récursive que le filtre de Kalman classique et délivre un encadrement de tous les estimés optimaux et des matrices de covariance possibles. L'algorithme IKF précédent évite quant à lui le problème de l'inversion des matrices intervalles, ce qui lui vaut de perdre des solutions possibles. Pour l'iIKF, nous proposons une méthode originale garantie pour l'inversion des matrices intervalle qui couple l'algorithme SIVIA (Set Inversion via Interval Analysis) et un ensemble de problèmes de propagation de contraintes. Par ailleurs, plusieurs mécanismes basés sur la propagation de contraintes sont également mis en oeuvre pour limiter l'effet de surestimation due à la propagation d'intervalles dans la structure récursive du filtre. Un algorithme de détection de défauts basé sur iIKF est proposé en mettant en oeuvre une stratégie de boucle semi-fermée qui permet de ne pas réalimenter le filtre avec des mesures corrompues par le défaut dès que celui-ci est détecté. A travers différents exemples, les avantages du filtre iIKF sont exposés et l'efficacité de l'algorithme de détection de défauts est démontré.

Ce travail de thèse a contribué au développement de la techniques de test par faisceau laser en mode d'absorption deux photons (TPA). Cette technique a plus spécifiquement été utilisée pour la détection de défauts et l'injection de fautes dans les circuits intégrés.

Les machines à commutation de flux cinq-phases présentent une tolérance aux pannes et une robustesse qui les rendent très intéressantes dans un point de vue de la fiabilité, comme montré dans le premier chapitre.Dans ces travaux de thèse nous avons explorés la possibilité de détecter les défauts qui affectent cette machine par la signature des vibrations générées dans la machine.En utilisant les outils physiques et mathématiques présentés dans le deuxième chapitre, nous avons construit deux modèles multiphysiques, un modèle aux les éléments finis développé dans le troisième chapitre et un modèle analytique, appelé aux réseaux de perméances, dans le quatrième chapitre.Le comportement vibratoire de la machine a été étudié à l'aide de ces deux modèles, en régimesain et en défaut afin de connaitre comment ce comportement est influencé par les grandeurs électriques et magnétiques de la machine.Par ailleurs nous avons étudié la possibilité de détecter et discriminer les différents types de défauts.Le modèle analytique se présente comme un bon estimateur du comportement en défaut de la machine, malgré ses écarts avec la simulation.Dans le cinquième chapitre, les deux modèles multiphysiques ont été validés par des essais expérimentaux et nous avons pu expliquer le comportement en défaut d’un point de vue mécanique plutôt que magnétique.Enfin, dans le sixième chapitre, nous avons utilisé les deux modèles pour étudier le comportement en défaut de la machine, à des vitesses au-dessus de la limite expérimentale (3100 tr/min). / Five-phase flux switching machines have a fault tolerance and robustness that makes them very interesting from the point of view of reliability, as shown in chapter one of this work. In our studies we have explored the possibility of detecting faults that affect this type of machine using the signature of stator vibrations.Using the physical and mathematical tools presented in chapter two, we improved two multyphisics models, one based on finite elements method that it's presented in chapter three and the seconde one analitycal model, called permeance networks, in chapter four. The vibratory behavior of the machine was studied using these two models, under healthy and faulty conditions, in order to know how this behavior is influenced by the electrical and magnetic magnitudes of the machine. In addition, we have studied the possibility of detecting and discriminating different types of faults. Analytical model is a good estimator of fault behavior of the machine, despite its differences with the simulation.In chapter five, the two multiphysical models have been validated by experimental tests and we have been able to explain fault behavior by mechanical origin rather than magnetic origin.Finally, in chapter six, we used both models to study the fault behavior of the machine, at speeds above the experimental limit (3100 rpm).

Dans les systèmes de positionnement de véhicules, à tout moment, n'importe lequel des détecteurs peut, temporairement ou de manière permanente, tomber en panne ou cesser d'envoyer des informations. Il s'ensuit alors des répercussions sur la sécurité, la santé, ainsi que des informations financières ou même légales. Bien que les nouvelles pratiques de conception aient tendance à réduire au minimum les défaillances des détecteurs, il est reconnu que de tels évènements peuvent quand même souvenir. Dans un tel cas, le détecteur défectueux doit être identifié et isolé afin d'éviter de corrompre les évaluations globales et, finalement, le système doit être capable de se reconfigurer afin de surmonter le carence causée par la défaillance. En bref, un système de navigation doit être robuste et adaptatif. Cette thèse propose plusieurs architectures de fusion de données capables de s'adapter suite à des défaillances de détecteurs. Les diverses approches utilisent un filtre Kalman en combinaison avec la détection de défauts pour produire des modules de positionnement robuste. Les modules devront être capables de fonctionner dans des situations telles que l'entrée GPS est corrompue ou non disponible, ou bien qu'un plusieurs détecteurs de position sont défectueux ou bloqués. Le principe de travail vise la modification des gains du filtre Kalman en se basant sur les erreurs normalisées entre les états estimés et les observations. Pour évaluer l'architecture proposée, divers défauts de détecteurs et diverses dégradations de performance ont été mis en oeuvre et simulés. Les expériences démontrent que les solutions proposées peuvent compenser la plupart des erreurs associées aux défauts des détecteurs ou aux dégradations de performance, et que l'exactitude de positionnement qui en découle est améliorée significativement.

L'objectif de cette thèse est le développement d'une méthodologie pour la détection de défauts appliquée aux équipements de production de semi-conducteurs. L'approche proposée repose sur l'Analyse en Composantes Principales (ACP) pour construire un modèle représentatif du fonctionnement nominal d'un équipement. Pour cela, notre méthodologie consiste à exploiter l'ensemble des mesures disponibles, collectées via les capteurs internes et externes au cours desopérations de fabrication pour chaque plaque manufacturée. Nous avons développé un module de pré-traitement permettant de transformer les mesures collectées en données interprétables par l'ACP, tout en filtrant l'information considérée comme non-désirable induite par la présence de valeurs aberrantes et perturbant la construction du modèle. Nous avons combiné des extensions de l'ACP linéaire et notamment l'ACP multiway, l'ACP filtrée ainsi que l'ACP récursive, de façon à adapter la modélisation aux caractéristiques des systèmes. L'utilisation d'un filtre par moyenne mobile exponentielle nous permet de considéré la dynamique du système au cours de la réalisation d'une opération. L'ACP récursive est employée pour adapter le modèle aux changements de comportement du système après certains événements (maintenance, redémarrage, etc.).Les différentes méthodes sont illustrées à l'aide de données réelles, collectées sur un équipement actuellement exploité par STMicroelectronics Rousset. Nous proposons également une application plus générale de la méthode pour différents types d'équipement et sur une période plus importante, de façon à montrer l'intérêt industriel et la performance de cette approche. / This thesis focus on developping a fault detection methodology for semiconductor manufacturing equipment. The proposed approach is based on Principal Components Analysis (PCA) to build a representative model of equipment in adequat operating conditions. Our method exploits collected measurements from equipement sensors, for each processed wafer. However, regarding the industrial context and processes, we have to consider additional problems: collected signals from sensors exhibit different length, or durations. This is a limitation considering PCA. We have also to consider synchronization and alignment problems; semiconductor manufacturing equipment are almost dynamic, with strong temporal correlations between sensor measurements all along processes. To solve the first point, we developped a data preprocessing module to transform raw data from sensors into a convenient dataset for PCA application. The interest is to identify outliers data and products, that can affect PCA modelling. This step is based on expert knowledge, statistical analysis, and Dynamic Time Warping, a well-known algorithm from signal processing. To solve the second point, we propose a combination multiway PCA with the use of an EWMA filter to consider process dynamic. A recursive approach is employed to adapt our PCA model to specific events that can occur on equipment, e.g. maintenance, restart, etc.All the steps of our methodology are illustrated with data from a chemical vapor deposition tool exploited in STMicroelectroics Rousset fab. Finally, the efficiency and industrial interest of the proposed methodologies are verified by considering multiple equipment types on longer operating periods.

La modélisation des systèmes dynamiques requiert la prise en compte d’incertitudes liées à l’existence inévitable de bruits (bruits de mesure, bruits sur la dynamique), à la méconnaissance de certains phénomènes perturbateurs mais également aux incertitudes sur la valeur des paramètres (spécification de tolérances, phénomène de vieillissement). Alors que certaines de ces incertitudes se prêtent bien à une modélisation de type statistique comme par exemple ! les bruits de mesure, d’autres se caractérisent mieux pa ! r des bornes, sans autre attribut. Dans ce travail de thèse, motivés par les observations ci-dessus, nous traitons le problème de l’intégration d’incertitudes statistiques et à erreurs bornées pour les systèmes linéaires à temps discret. Partant du filtre de Kalman Intervalle (noté IKF) développé dans [Chen 1997], nous proposons des améliorations significatives basées sur des techniques récentes de propagation de contraintes et d’inversion ensembliste qui, contrairement aux mécanismes mis en jeu par l’IKF, permettent d’obtenir un résultat garanti tout en contrôlant le pessimisme de l’analyse par intervalles. Cet algorithme est noté iIKF. Le filtre iIKF a la même structure récursive que le filtre de Kalman classique et délivre un encadrement de tous les estimés optimaux et des matrices de covariance possibles. L’algorithme IKF précédent évite quant à lui le problème de l’inversion des matrices intervalles, ce qui lui vaut de perdre des solutions possibles. Pour l’iIKF, nous proposons une méthode originale garantie pour l’inversion des matrices intervalle qui couple l’algorithme SIVIA (Set Inversion via Interval Analysis) et un ensemble de problèmes de propagation de contraintes. Par ailleurs, plusieurs mécanismes basés sur la propagation de contraintes sont également mis en œuvre pour limiter l’effet de surestimation due à la propagation d’intervalles dans la structure récursive du filtre. Un algorithme de détection de défauts basé sur iIKF est proposé en mettant en œuvre une stratégie de boucle semi-fermée qui permet de ne pas réalimenter le filtre avec des mesures corrompues par le défaut dès que celui-ci est détecté. A travers différents exemples, les avantages du filtre iIKF sont exposés et l’efficacité de l’algorithme de détection de défauts est démontré. / In this thesis, a new approach to estimation problems under the presence of bounded uncertain parameters and statistical noise has been presented. The objective is to use the uncertainty model which appears as the most appropriate for every kind of uncertainty. This leads to the need to consider uncertain stochastic systems and to study how the two types of uncertainty combine : statistical noise is modeled as the centered gaussian variable and the unknown but bounded parameters are approximated by intervals. This results in an estimation problem that demands the development of mixed filters and a set-theoretic strategy. The attention is drawn on set inversion problems and constraint satisfaction problems. The former is the foundation of a method for solving interval equations, and the latter can significantly improve the speed of interval based arithmetic and algorithms. An important contribution of this work consists in proposing an interval matrix inversion method which couples the algorithm SIVIA with the construction of a list of constraint propagation problems. The system model is formalized as an uncertain stochastic system. Starting with the interval Kalman filtering algorithm proposed in [Chen 1997] and that we name the IKF, an improved interval Kalman filtering algorithm (iIKF) is proposed. This algorithm is based on interval conditional expectation for interval linear systems. The iIKF has the same structure as the conventional Kalman filter while achieving guaranteed statistical optimality. The recursive computational scheme is developed in the set-membership context. Our improvements achieve guaranteed interval inversion whereas the original version IKF [Chen 1997] uses an instance (the upper bound) of the interval matrix to avoid the possible singularity problems. This point of view leads to a sub-optimal solution that does not preserve guaranteed results, some solutions being lost. On the contrary, in the presence of unknown-but-bounded parameters and measurement statistical errors, our estimation approach in the form of the iIKF provides guaranteed estimates, while maintaining a computational burden comparable to that of classic statistical approaches. Several constraint based techniques have also been implemented to limit the overestimation effect due to interval propagation within the interval Kalman filter recursive structure. The results have shown that the iIKF out puts bounded estimates that enclose all the solutions consistent with bounded errors and achieves good overestimation control. iIKF is used to propose a fault detection algorithm which makes use of a Semi-Closed Loop strategy which does not correct the state estimate with the measure as soon as a fault is detected. Two methods for generating fault indicators are proposed : they use the a priori state estimate and a threshold based on the a posteriori and a priori covariance matrix, respectively, and check the consistency against the measured output. Through different examples, the advantages of the iIKF with respect to previous versions are exhibited and the efficiency of the iIKF based Semi-Closed Loop fault detection algorithm is clearly demonstrated.

L'objectif de ce travail a été de proposer une méthode de détection de défaut sur le système d'injection directe à haute pression (le système Common Rail) mis en place sur les véhicules Diesel. L'importance de l'implémentation d'une procédure de détection de défauts a été mise en évidence grâce à la description des enjeux (baisse de la consommation, diminution des émissions polluantes et sonores, augmentation des performances) et des contraintes liées au Common Rail (haute pression, haute fréquence, lubrification par le gasoil, usinage de haute précision, respect des normes EURO, ...) mais aussi à travers un listing des pannes pouvant survenir sur le Common Rail. Un état de l'art sur les différentes méthodes de diagnostic des systèmes a permis de dégager une méthode de détection de défaut répondant aux performances attendues (détection du défaut naissant, rapidité de détection, isolation et caractérisation des défauts détectés ainsi que minimiser les fausses alarmes et les mauvaises détections). Après une étude approfondie (propriétés,<br />formulations séquentielles et étude de sensibilité) de la méthode de détection choisie (observateurs<br />à mémoire finie) et une modélisation du comportement des différents organes du Common Rail, l'algorithme de détection a été testé sur trois modélisations différentes du système Common Rail.<br />De plus, la comparaison entre l'observateur à mémoire finie et un observateur de Luenberger et un<br />filtre de Kalman ont permis d'apprécier le degré de robustesse des résidus. Dans l'ensemble, les résultats obtenus permettent de conclure sur la bonne détection des défauts actionneurs et capteurs.

Quel que soit le type d'onde étudié, on peut classer les systèmes ondulatoires complexes essentiellement en deux catégories, et ceci malgré la différence entre les équations d'ondes qui les régissent. On a d'une part ceux pour lesquels la géométrie des bords induit la complexité : on parle alors de chaos ondulatoire. On a d'autre part les systèmes rendus complexes du fait des hétérogénéités du milieu conduisant à un régime de diffusion multiple. L'utilisation des cavités micro-ondes bidimensionnelles (2D) comme système de base pour étudier ces deux régimes permet de réaliser des expériences modèles à l'échelle macroscopique. Dans le régime du chaos ondulatoire, nous étudions, pour la première fois dans une expérience, le cas d'une cavité rectangulaire perturbée par un défaut métallique quasi-ponctuel. En nous appuyant sur une approche semi-classique, basée sur la notion d'orbites périodiques, nous mettons en évidence, pour la première fois, les contributions des orbites diffractives dans les spectres de longueurs. L'utilisation de milieux désordonnés diélectriques fortement diffusifs ouverts, permet d'observer la localisation d'Anderson 2D par l'étude des modes localisés. Nous décrivons dans le détail le dispositif expérimental ainsi que le protocole suivi pour remonter à la représentation spatiale d'un mode localisé. Nous prouvons, pour la première fois expérimentalement, que les largeurs spectrales de ces modes localisés, liées aux fuites de l'énergie par les bords du système, décroissent exponentiellement avec la taille du système. Nous montrons, en outre, que cette décroissance exponentielle est contrôlée par les plus grandes longueurs de localisation.

Les véhicules modernes sont de plus en plus équipés de nouveaux organes visant à améliorer la sécurité des occupants. Ces nouveaux systèmes sont souvent des organes actifs utilisant des données de capteurs sur le véhicule. Cependant, en cas de mauvais fonctionnement d'un capteur, les conséquences pour le véhicule peuvent être dramatiques. Afin de garantir la sécurité dans le véhicule, des nouvelles méthodologies de détections de défauts adaptées pour les véhicules sont proposées. Les méthodologies présentées sont étendues de la méthode de l'espace de parité pour les systèmes à paramètres variant (LPV). En outre, la transformation du problème de détection de défauts pour la détection de situations critiques est également proposée. Des résultats applicatifs réalisés sur un véhicule réel dans le cadre du projet INOVE illustrent les performances des détections de défauts et la détection de perte de stabilité du véhicule.