Ce travail de recherche vise à développer des méthodes de détection et diagnostic appropriées et intégrables dans des systèmes soit d'aide à la décision dans le cadre de la gestion temps réel des réseaux d'assainissement, ou dans des procédures d'élaboration automatique de bilans quantitatifs de pollution légalement exigibles. Cette étude méthodologique débouche sur une synthèse et un approfondissement des techniques de détection et diagnostic de dysfonctionnements de réseau d'assainissement, et permet de dégager trois méthodes de détection reposant sur un modèle soit qualitatif soit analytique. L'une de ces méthodes s'applique à construire des comportements attendus du réseau synthétisés dans un modèle qualitatif dont la réponse est croisée avec les mesures. Les deux autres approches s'appuient sur un modèle hydrologique de transformation pluie-débit intégré dans un filtre de Kalman. La détection est alors réalisée soit avec un banc de filtres de Kalman complété par un test multi-hypothèses, soit avec un seul filtre de Kalman associé à un ensemble de tests d'hypothèses. Ces méthodes sont complétées par des analyses de sensibilité des procédures de détection et des exemples d'application pour des pluies de type différent. Enfin, une méthode de validation de mesures hydrauliques acquises en contexte hydrologique de temps sec est proposée. Elle s'appuie sur la création de scénarios de temps sec, comparés aux mesures hydrauliques grâce à des tests d'hypothèses. Cette approche permet alors d'identifier des contextes hydrologiques et hydrauliques caractérisant l'environnement d'un point de mesure.

L'objectif de cette thèse est de développer une nouvelle méthodologie pour la détection active de défaillances, basée sur approche multimodèle et robuste des fautes. Ce travail prolonge des recherches effectuées dans le projet Metalau de l'Inria. L'apport essentiel de cette thèse est la prise en compte de modèles évoluant en boucle fermée. On utilise une approche multi-modèle pour modéliser le modèle en fonctionnement normal et le modèle défaillant. Les avantages potentiels de l'utilisation d'un feedback dynamique linéaire et ses propriétés de robustesse sont analysés dans la construction de signaux de détection auxiliaires. On compare les résultats obtenus avec ceux du cas boucle ouverte. La formulation du problème de détection active dans le cas d'un modèle en boucle fermée est nouvelle et repose sur la prise en considération de la norme du signal de détection auxiliaire comme critère d'optimisation. On considère aussi des fonctions coût plus générales, telles celles qui sont utilisées pour mesurer la performance de feedbacks dans des problèmes de la théorie de la commande linéaire robuste. La solution complète repose sur la résolution de plusieurs problèmes d'optimisation non standards / The aim is to develop a novel theory of robust active failure detection based on multi-model formulation of faults. The original method was already proposed by the Metalau group of INRIA. We have continued to work on the extension of this approach to more general cases. The focus is on the effects of feedback on the previous approach. The multi-model approach is still used to model the normal and the failed systems; however the possible advantages of using linear dynamic feedback in the construction of the auxiliary signal for robust fault detection is considered and the results are compared to the previously developed open-loop setup. An original formulation of the active fault detection problem using feedback is developed. The norm of the auxiliary signal is considered as a possible cost criterion. Also, we have considered a more general cost function that has already been used for measuring the performance of feedback configurations in Linear Control Theory. We have given a complete solution to this problem. In order to find a complete solution, several mathematical problems are solved

Cette thèse s’inscrit dans le domaine de l'intelligence ambiante (Ambient Intelligence - AmI). Les systèmes AmI sont des systèmes interactifs composés de plusieurs éléments hétérogènes. Principalement : les capteurs et les effecteurs.D'un point de vue fonctionnel, l'objectif des systèmes AmI est d'activer certains effecteurs, sur la base des mesures des capteurs. Toutefois, les capteurs et les effecteurs peuvent subir des défaillances. Notre motivation dans cette thèse est de munir les systèmes AmI de capacités d'auto-détection des pannes.Les ressources physiques ne sont pas nécessairement connues au moment de la conception, mais elles sont plutôt découvertes dynamiquement lors de l'exécution. Il est donc impossible d’appliquer les techniques classiques pour prédéterminer des boucles de régulation ad-hoc.Nous proposons une nouvelle approche où la stratégie de détection de défaillances est déterminée dynamiquement lors de l'exécution. Pour cela, les couplages entre capteurs et effecteurs sont déduits automatiquement lors de l’exécution. Ceci est rendu possible par la modélisation des caractéristiques des capteurs, des effecteurs, ainsi que des phénomènes physiques (que nous appelons effets) qui sont attendus dans l'environnement ambiant suite à une action d’un effecteur. Ces effets sont utilisés en run-time pour lier les effecteurs (produisant les effets) avec les capteurs correspondants (détectant ces effets). Nous introduisons une plateforme de détection des pannes qui génère à l’exécution un modèle de prédiction des valeurs attendues sur les capteurs. Ce modèle, de nature hétérogène (il mêle flots de données et automates finis) est exécuté par un outil adapté (ModHel’X) de façon à fournir les valeurs attendues à chaque instant. Notre plateforme compare alors ces valeurs avec les valeurs réellement mesurées de façon à détecter les défaillances. / This thesis takes place in the field of Ambient Intelligence (AmI). AmI Systems are interactive systems composed of many heterogeneous components. From a hardware perspective these components can be divided into two main classes: sensors, using which the system observes its surroundings, and actuators, through which the system acts upon its surroundings in order to execute specific tasks.From a functional point of view, the goal of AmI Systems is to activate some actuators, based on data provided by some sensors. However, sensors and actuators may suffer failures. Our motivation in this thesis is to equip ambient systems with self fault detection capabilities. One of the particularities of AmI systems is that instances of physical resources (mainly sensors and actuators) are not necessarily known at design time; instead they are dynamically discovered at run-time. In consequence, one could not apply classical control theory to pre-determine closed control loops using the available sensors. We propose an approach in which the fault detection and diagnosis in AmI systems is dynamically done at run-time, while decoupling actuators and sensors at design time. We introduce a Fault Detection and Diagnosis framework modeling the generic characteristics of actuators and sensors, and the physical effects that are expected on the physical environment when a given action is performed by the system's actuators. These effects are then used at run-time to link actuators (that produce them) with the corresponding sensors (that detect them). Most importantly the mathematical model describing each effect allows the calculation of the expected readings of sensors. Comparing the predicted values with the actual values provided by sensors allows us to achieve fault-detection.