La sécurité des systèmes de transports intelligents est au centre de tous les débats. Afin de s’assurer un fonctionnement sécuritaire, il est nécessaire de pouvoir vérifier le bon fonctionnement des capteurs permettant d’avoir une parfaite connaissance de l’environnement et de l’état du véhicule. Cette thèse présente une nouvelle solution de détection et d’identification de faute pouvant apparaitre sur les capteurs embarqués d’un véhicule intelligent. Cette méthode est basée sur la redondance analytique des données, consistant à estimer une même mesure à l’aide de capteurs de différentes natures. Cette mesure subit alors une transformation non linéaire permettant à la fois d’accroitre la sensibilité aux fautes et d’être plus robuste aux bruits. Cette étude propose plusieurs solutions de transformation et d’estimation qui seront évaluées en simulation avant de proposer une méthode d’optimisation de la prise de décision en fonction de critères choisis par l’utilisateur. La description de l’architecture, des méthodes employées ainsi que des équations permettant l’établissement de celle-ci seront décrites dans le chapitre 3. L’évaluation en simulation des performances de l’architecture sera effectuée dans le chapitre 4 avant une analyse finale des résultats ainsi qu’une comparaison avec une solution existante dans le dernier chapitre, permettant la validation de notre approche.

Ces travaux ont pour application la détection l'identification des signaux audio et particulièrement les signaux d'alarmes de voitures prioritaires. Dans un premier temps, nous proposons une méthode de détection des signaux d'alarme dans un environnement bruité, fondée sur des techniques d'analyse temps-fréquence des signaux. Cette méthode permet de détecter et d'identifier des signaux d'alarmes noyés dans du bruit, y compris pour des rapports signal à bruit négatifs. Puis nous proposons une quantification des signaux robuste aux bruits de transmission. Il s'agit de remplacer chaque niveau de bit d'un vecteur d'échantillons temporels ou fréquentiels par un mot binaire de même longueur fourni par un codeur correcteur d'erreur. Dans une première approche, chaque niveau de bits est quantifié indépendamment des autres selon le critère de minimisation de la distance de Hamming. Dans une seconde approche, pour réduire l'erreur de quantification à robustesse égale, les différents niveaux de bits sont quantifiés successivement selon un algorithme de type matching pursuit. Cette quantification donne aux signaux une forme spécifique permettant par la suite de les reconnaitre facilement parmi d'autres signaux. Nous proposons donc enfin deux méthodes de détection et d'identification des signaux fondées sur la quantification robuste, opérant dans le domaine temporel ou dans le domaine fréquentiel, par minimisation de la distance entre les signaux reçus restreints à leurs bits de poids fort et les signaux de référence. Ces méthodes permettent de détecter et d'identifier les signaux dans des environnements à rapport signal à bruit très faible et ceci grâce à la quantification. Par ailleurs, la première méthode, fondée sur la signature temps-fréquence, s'avère plus performante avec les signaux quantifiés. / This work targets the detection and identification of audio signals and in particular alarm signals from priority cars. First, we propose a method for detecting alarm signals in a noisy environment, based on time-frequency signal analysis. This method makes it possible to detect and identify alarm signals embedded in noise, even with negative signal-to-noise ratios. Then we propose a signal quantization robust against transmission noise. This involves replacing each bit level of a vector of time or frequency samples with a binary word of the same length provided by an error- correcting encoder. In a first approach, each bit level is quantized independently of the others according to the Hamming distance minimization criterion. In a second approach, to reduce the quantization error at equal robustness, the different bit levels are quantized successively by a matching pursuit algorithm. This quantization gives the signals a specific shape that allows them to be easily recognized among other signals. Finally, we propose two methods for detecting and identifying signals based on robust quantization, operating in the time domain or in the frequency domain, by minimizing the distance between the received signals restricted to their high-weight bits and the reference signals. These methods make it possible to detect and identify signals in environments with very low signal-to-noise ratios, thanks to quantization. In addition, the first method, based on the time-frequency signature, is more efficient with quantized signals.

Le développement et l'amélioration du réseau Internet a permis de mettre un grand nombre de contenus télévisuels à disposition des utilisateurs. Afin de faciliter la navigation parmi ces vidéos, il est intéressant de développer des technologies pour indexer les personnes automatiquement. Les solutions actuelles proposent de construire l'index audio-visuel des personnes par combinaison des index audio et visuel obtenus de manière indépendante. Malheureusement, pour les émissions de télévision, il est difficile de détecter et de regrouper les personnes automatiquement à cause des nombreuses ambiguïtés dans l'audio, le visuel et leur association (interactivité des dialogues, variations de pose du visage, asynchronie entre la parole et l'apparence, etc). Les approches basées sur la fusion des index audio et visuel combinent les erreurs d'indexation issues de chaque modalité. Les travaux présentés dans ce rapport exploitent la complémentarité entre les informations audio et visuelle afin de palier aux faiblesses de chaque modalité. Ainsi, une modalité peut appuyer l'indexation d'une personne lorsque l'autre est jugée peu fiable. Nous proposons une procédure de correction mutuelle des erreurs d'indexation de chaque modalité. D'abord, les erreurs sont détectées automatiquement à l'aide d'indicateurs de présence de visage parlant. Puis, la modalité qui a échoué est corrigée grâce à un schéma automatique. Nous avons proposé en premier lieu un système initial d'indexation de visages parlants basé sur la détection et le regroupement du locuteur et du costume. Nous proposons une méthode de combinaison d'index basée sur la maximisation de la couverture globale des groupes de personnes. Ce système, évalué sur des émissions de plateaux, obtient une grande précision (90%), mais un faible rappel (seulement 55% des visages parlants sont détectés). Afin de détecter automatiquement la présence d'un visage parlant dans le processus de correction mutuelle, nous avons développé une nouvelle méthode de détection de mouvement des lèvres basée sur la mesure du degré de désordre de la direction des pixels autour de la région des lèvres. L'évaluation, réalisée sur le corpus de d'émission de plateaux, montre une amélioration significative de la détection des visages parlants comparé à l'état de l'art dans ce contexte. En particulier, notre méthode s'avère être plus robuste à un mouvement global du visage. Enfin, nous avons proposé deux schémas de correction. Le premier est basé sur une modification systématique de la modalité considérée a priori la moins fiable. Le second compare des scores de vérification de l'identité non supervisée afin de déterminer quelle modalité a échoué et la corriger. Les modèles non supervisés des personnes sont appris à partir des ensembles homogènes de visages parlants obtenus automatiquement par le système initial. Les deux méthodes de correction conduisent à une amélioration significative des performances (+2 à 5% de la F-mesure). Nous nous sommes également intéressé aux systèmes biométriques audio-visuels et particulièrement sur les techniques de fusion tardives pour la vérification d'identité. Nous avons proposé une méthode de fusion dépendante de la qualité du signal dans chaque modalité.

Cette thèse s'intéresse au diagnostic de pannes dans les systèmes différentiellement plats, ceci constituant une large classe de systèmes non linéaires. La propriété de platitude différentielle est caractérisée par des relations qui permettent d'exprimer les états d'un système et ses entrées en fonction de ses sorties plates et de leurs dérivées. Ces relations qui sont à la base de la commande plate sont aussi utiles pour la réalisation du diagnostic de pannes. Ainsi sont introduites les notions de minimalité pour les sorties plates, de platitude stricte et de degré additionnel de redondance. Ceci conduit à la proposition d'une méthode globale de détection de pannes basée sur la platitude. Partant alors de la constatation que les systèmes différentiellement plats de complexité élevée sont souvent constituer de sous systèmes eux-mêmes différentiellement plats, l'approche de détection de pannes précédente peut être démultipliée au sein de cette structure de façon à en identifier les sous systèmes défaillants. On s'intéresse alors au cas courant de la platitude différentielle implicite et on montre dans le cadre d'une application aéronautique comment les réseaux de neurones permettent de constituer une solution numérique au problème de détection de pannes. La disponibilité en temps réel de dérivées successives des sorties étant essentielle pour la mise en oeuvre de ces méthodes, on étudie alors les performances d'un filtre dérivateur alors que le système est lui-même soumis à une commande plate, ceci conduira a modifié légèrement une telle loi de commande afin d'effectuer l'effet des erreurs d'estimation. On s'intéresse finalement à la détection des pannes dans les systèmes chaotiques différentiellement plats. On montre sur plusieurs exemples comment la propriété de platitude peut être mise à profit pour détecter et identifier des variations paramétriques au sein d'un tel type de système chaotique. Des résultats de simulation sont présentés. Finaleme nt des thèmes de recherche complémentaires à cette approche sont relevés.

Dans cette thèse nous nous sommes intéressés à la détection, l'isolation et l'identification de défauts pour une classe de systèmes dynamiques continus non linéaires avec entrées affines. Nous avons focalisé notre étude sur les défauts additifs qui apparaissent au niveau des actionneurs et des capteurs. En supposant que nous disposons de l'état du système, des algorithmes de détection, d'isolation et d'identification de défauts basés sur des observateurs adaptatifs ont été développés. Le premier algorithme proposé traite les défauts actionneurs et est constitué de deux banques d'observateurs adaptatifs ayant une structure particulière qui nous permet d'isoler des défauts simples et multiples. La première banque est dédiée à la détection et l'identification du défaut ; ensuite sur la base des valeurs candidates, issues de l'identification, la deuxième banque isole l'actionneur en défaut. Un deuxième algorithme est proposé pour les défauts capteurs. Avant de traiter le problème, nous avons reformulé le modèle avec l'aide d'un filtre, ce qui a permis d'augmenter l'état du système et ainsi transformer les capteurs du système originel en actionneurs du nouveau système augmenté. Ce deuxième algorithme est basé sur la création d'une banque d'observateurs adaptatifs non linéaires, où chaque observateur isole le défaut associé à chaque capteur. Les avantages de la méthode proposée est qu'il ait possible de détecter, d'isoler et d'identifier les défauts simples, multiples et simultanés. La pertinence de ces deux algorithmes est examinée à partir de résultats de simulation obtenus sur un modèle académique de la littérature et sur un modèle d'un procédé de traitement des eaux usées en présence de bruit de mesure.

Ce travail de thèse aborde le problème de la détection et de l’isolation des pannes à base de modèle du système dynamique non linéaire. Les techniques de détection et d’identification de pannes sont déjà appliquées aux systèmes industriels et elles jouent un rôle important pour assurer les performances attendues des systèmes automatiques. Les différentes approches du diagnostic des systèmes dynamiques semblent être souvent le résultat de contextes différents notamment en ce qui concerne les applications visées et le cahier des charges qui en résulte. Ainsi, la nature des informations disponibles sur le système ou le type de défauts à détecter conduit à la mise en œuvre de stratégies spécifiques. Dans cette étude on suppose disposer d’un modèle de fonctionnement du système et les pannes considérées sont celles qui conduisent le système à ne plus suivre ce modèle. Après avoir introduit la notion de platitude différentielle pour un système dynamique non linéaire continu, plusieurs exemples de systèmes dynamiques différentiellement plats sont introduits. Les redondances analytiques mises en évidence par cette propriété sont dans une première étape utilisées pour détecter des pannes. Ceci conduit à développer des estimateurs d’ordre supérieurs pour les dérivées des sorties plates du système et des estimateurs non linéaires de l’état du système. Cette approche est mise en œuvre dans le cadre de la détection de pannes des moteurs d’un Quadri-Rotor.La notion de platitude pour les systèmes dynamiques discrets est alors introduite. Il est alors possible de développer une nouvelle approche pour la détection des pannes, fondée sur la redondance temporelle entre les informations résultant des mesures directes de composantes du vecteur d’état du Quadri-Rotor et les estimations des sorties plates à chaque instant d’échantillonnage. Cette approche qui est illustrée ici aussi dans le cas du Quadri-Rotor, permet aussi de développer une méthode d’identification en ligne des pannes en se basant sur la chronologie de la propagation de leurs effets / This PhD is submitted in model-based faults detection and isolation in nonlinear dynamic system. The techniques of faults detection and isolation are already being applied to industrial systems and have played an important role to ensure the expected performance of automated systems. The differences in approaches to diagnosis of dynamic systems often seem to be the result of different contexts including in respect of applications and referred the specification that follows. Thus, the nature of information available on the system or the type of fault detection leads to the implementation of specific strategies. In this study we have assumed a model of system operation and faults considered are those that lead the system to no longer follow this model.After introducing the concept of differential flatness for a nonlinear dynamical system continued, several examples of differentially flat systems dynamics are introduced. The analytical redundancy highlighted by this property is a first step used to detect faults. This leads to develop estimators for higher order derivatives of the outputs flat of the system and estimator plate for nonlinear system state. This approach is implemented in the context of fault detection engine of a Quadri-Rotor.The notion of flatness for discrete dynamical systems is introduced. It is then possible to develop a new approach for fault detection based on temporal redundancy between the information from direct measurements of components of the state vector of Quadri-Rotor and estimates of output flat at each sampling instant. This approach is illustrated here as in the case of the Quadri-Rotor, can also develop a method for online identification of fault based on the chronology of the spread of their effects