De par l’augmentation de leur utilisation, la sécurisation du vol des drones devient de plus en plus importante. La commande tolérante aux fautes peut alors contribuer à l’obtention d’un niveau de sécurité acceptable. Le but de cette thèse est de développer une méthode de commande tolérante aux fautes basée sur deux types d’approches : l’approche Automatique qui utilise une représentation de systèmes à l’aide de modèles décrivant des évolutions continues et l’approche Intelligence Artificielle qui se base sur la représentation de systèmes à l’aide de modèles discrets ou logiques. Ainsi la première contribution de cette recherche est le développement d'une méthode générique de commande tolérante aux fautes utilisant les cadres de modélisation discret et continu. L’idée consiste à combiner une modélisation continue permettant d’estimer l’état et les paramètres de fautes et une modélisation discrète permettant de prendre une décision en ligne quant au contrôleur à utiliser. L’estimation continue permet d’avoir plus d’informations sur la faute qu’avec une modélisation discrète, alors que celle-ci prend en compte des probabilités de panne et des techniques d’optimisation qui sont plus adaptées à la tâche de décision. La seconde contribution concerne le développement et la validation d’une méthode permettant de détecter et de diagnostiquer la faute. Pour ses avantages, l’idée a été de développer un filtre de Kalman sensibles aux sauts de panne pour l’estimation de l’état et des paramètres de fautes. Pour la détection et le diagnostic de la panne, l’idée a été d’utiliser les données de l’estimation de façon probabiliste. Une fois la faute détectée et identifiée, le système de commande doit réagir pour pouvoir compenser cette faute. La troisième contribution porte donc sur l’amélioration du suivi de la trajectoire par reconfiguration du système de commande. L’objectif est de combiner les méthodes de commutation et d’adaptation, afin de limiter le nombre de contrôleurs en utilisant des contrôleurs adaptatifs pour les modes dégradés, tout en ayant des contrôleurs faciles à concevoir. Des techniques d’optimisation sont alors utilisées de façon à prendre une décision en ligne quant au choix du contrôleur. Finalement, la méthode développée doit être vérifiée avant de pouvoir être implémentée sur un drone. La dernière contribution est l’évaluation de la capacité de la méthode à suivre une trajectoire d’atterrissage en cas de pannes capteurs ou actionneurs grâce à un modèle de drone. / Major security risks appear with the increase of the number of UAV in the air space. Thus, UAV security is more and more important and Fault Tolerant Control (FTC) methods could support the achievement of acceptable security level. The aims of this research is to develop a FTC method which combines two approaches : Automatic Control approach which is based on model which have a continuous representation of the system and Artificial Intelligence approach which is based on discrete or logical model to represent the system. Thus, the first contribution of this thesis is the development of a generic fault tolerant control method which uses discrete and continuous frameworks. The idea was to combine a continuous framework to estimate the state and fault parameters and a discrete framework to take on line a decision about the controller. The continuous estimation provides more knowledge on the fault whereas a discrete model allows the use of different optimization tools which are more adapted to decision task. The second contribution is the development and the validation of a method for fault detection and diagnosis. For its potential, a Kalman filter is adapted in order to be sensitive to abrupt faults and used for state and fault parameters estimation. These estimates are then used in a probabilistic way to detect and identify the fault. Once the fault is detected, the control system should react to compensate the fault. Thus, the third contribution of this thesis is the improvement of the trajectory tracking by reconfiguration of the control system. The aim is to combine switching and adaptive methods in order to limit the number of controllers by using adaptive controllers for degraded modes while having convenient controllers. Optimization tools are then used to take the decision on the controller to use. Finally, the method has to be validated before being implemented on line. The last contribution is the evaluation of the ability of the method to follow its trajectory despite the apparition of actuator or sensor faults during a landing approach.

Les travaux présentés dans ce mémoire contribuent à la définition de méthodes pour la détection et le diagnostic de défauts affectant les systèmes aéronautiques. Un système représentatif sert de support d'étude, constitué du modèle non linéaire à six degrés de liberté d'un missile intercepteur, de ses capteurs et actionneurs ainsi que d'une boucle de guidage-pilotage. La première partie est consacrée au développement de deux méthodes de diagnostic exploitant l'information de commande en boucle fermée et les caractéristiques des modèles aéronautiques. La première méthode utilise les objectifs de commande induits par les lois de guidage-pilotage pour générer des résidus indiquant la présence de défauts. Ceci permet la détection des défauts sur les actionneurs et les capteurs, ainsi que leur localisation pour ces derniers. La deuxième méthode exploite la mesure de dérivées des variables d'état (via une centrale inertielle) pour estimer la valeur de la commande réalisée par les actionneurs, sans intégration du modèle non linéaire du système. Le diagnostic est alors effectué en comparant cette estimée avec la valeur désirée, ce qui permet la détection, la localisation et l'identification de défauts multiples sur les actionneurs.La seconde partie propose une méthodologie de réglage automatique des paramètres internes (les hyperparamètres) de méthodes de diagnostic. Ceci permet une comparaison plus objective entre les méthodes en évaluant la meilleure performance de chacune. Le réglage est vu comme un problème d'optimisation globale, la fonction à optimiser étant calculée via la simulation numérique (potentiellement coûteuse) de cas test. La méthodologie proposée est fondée sur un métamodèle de krigeage et une procédure itérative d'optimisation bayésienne, qui permettent d'aborder ce problème à faible coût de calcul. Un nouvel algorithme est proposé afin d'optimiser les hyperparamètres d'une façon robuste vis à vis de la variabilité des cas test pertinents.Mots clés : détection et diagnostic de défauts, guidage-pilotage, krigeage, minimax continu, optimisation globale, redondance analytique, réglage automatique, systèmes aéronautiques.

Ce travail de thèse s’inscrit dans le cadre d’une Convention Industrielle de Formation par la REcherche (CIFRE) ayant pour objectif la mise en place de solutions innovantes pour le diagnostic de défaillances. Il s’agit de répondre au besoin de la société Zodiac Actuation Systems afin de diagnostiquer les défaillances pouvant survenir sur leurs systèmes d’actionnement de sièges d’avion. Premièrement, le cadre ainsi que les motivations de l’étude sont exposés. Ensuite un état de l’art sur les méthodes de diagnostic de défaillances est donné. Puis la problématique de l’hybridation de ces méthodes est abordée. Ceci a permis d’adopter la méthode de classification supervisée pour le diagnostic. Ensuite, les campagnes de mesures, le processus de construction des bases de données ainsi que les différents algorithmes nécessaires pour la classification sont présentés. Une expérimentation sur la partie du dossier d’un siège d’avion est exposée et les résultats sont donnés. Afin d’améliorer les résultats obtenus, une approche de classification renforcée par des observateurs d’état est proposée et appliquée sur le dossier du siège. Ce renforcement est réalisé à l’aide des données estimées par les observateurs tout en construisant des bases de données augmentées. Trois types d’observateurs, linéaire, Takagi-Sugeno (TS) et TS à entrées inconnues (TSEI) sont employés. L’observateur TSEI apparait comme le mieux adapté à notre application. Finalement, une extension de l'approche proposée sur l’ensemble du siège d’avion est proposée. Celle-ci consiste en la mise en œuvre d’observateurs décentralisés TSEI pour chaque sous-ensemble du siège en tenant compte de leurs interconnexions. Ces derniers ont permis d’améliorer les résultats de détection de défaillances sur l’ensemble du siège d’avion. / This study was supported by Zodiac Actuation Systems within the framework of a ``CIFRE'' project which aims to design a Fault Detection and Diagnosis (FDD) approach for actuation systems of passengers seats in commercial aircrafts. First of all, the industrial context as well as the motivations of our project have been explained. Then, a state of the art on FDD methods is presented. Among them, hybridization of FDD methods can be found and seems interesting to our application. In a first step, the supervised classification method for the FDD has been considered. To do this, the process measurements and the concept of databases construction are presented. Then, different types of classification algorithms are explained. From experimental measurements, the classification results for FDD purpose on the recline of the seat are given. In a second step, an enhanced classification approach is proposed. It consists in estimating non-measurable variables by the state observers. These variables are then added, as estimated attributes, to the measured database. The aim is to enrich the knowledge used by the classifier and thus to improve the rate of FDD. Three types of state observers are considered: linear, then Takagi-Sugeno (TS) and Unknown Input Takagi-Sugeno (UITS) observers. It appears that the UITS observer-based results are more accurate for our application. Finally, the proposed FDD approach is extended to the hole of the seat by considering a decentralized approach. In this context, decentralized UITS are proposed for each segment of the seat by taking into account their interconnexions. It is shown that these decentralized observers improve the FDD results of the considered aircraft seat.

Les fautes systèmes peuvent conduire à des conséquences sérieuses pour l’humain, l’environnement et le matériel. Or, y remédier peut s’avérer coûteux voire même dangereux. Ainsi, afin d’éviter ces situations, il est devenu essentiel pour les systèmes complexes modernes de détecter et d’identifier tout changement dans leur fonctionnement nominal avant que cela ne devienne critique. De ce fait, plusieurs méthodes de détection et de diagnostic ont été proposées ou améliorées durant les dernières décennies. Parmi ces méthodes, celles présentant un fort intérêt se basent sur un outil statistique et probabiliste nommé réseau Bayésien. Toutefois, la majorité d’entre elles ne tiennent pas compte du risque de fausse alarme dans leur prise de décision. L’intérêt de cette thèse est alors d’introduire sous réseau Bayésien des limites probabilistes permettant le respect d’un niveau de signification considéré. Plus exactement, nous proposons une modélisation des statistiques quadratiques et les limites leurs correspondant sur réseau Bayésien. Ceci nous permet de généraliser sous réseau Bayésien des schémas de détection de fautes comme par exemple ceux basés sur l’analyse en composantes principale. Cette modélisation nous permet également de proposer une famille de réseaux Bayésiens permettant de faire de la détection et du diagnostic de façon simultanée, tout en tenant compte d’un rejet de distance. Enfin, nous proposons un cadre probabiliste permettant d’unifier les différents réseaux Bayésiens pouvant être utilisés pour la détection ou le diagnostic de fautes. / Systems failures can potentially lead to serious consequences forhuman, environment and material, and sometimes fixing them could be expensive and even dangerous. Thus, in order to avoid these undesirable situations, it becomes very important and essential for modern complex systems to detect and identify any changes in their nominal operations before they become critical. To do so, several detection and diagnosis methods have been proposed or enhanced during the last decades. Among these methods, those with a great interest are based on a statistical and probabilistic tool named Bayesian network. However, the majority of these methods do not handle the risk of false alarm in their decision-making. The interest of this thesis is to introduce, under Bayesian network, probabilistic limits able to respect a given significance level. More precisely, we propose to model the quadratic statistics and their limits in Bayesian network. This allows us to generalize under Bayesian network fault detection schemes as those associated to the principal component analysis. This modeling allows us also to propose a family of Bayesian networks that can make detection and diagnosis simultaneously, while taking into account the distance rejection.Finally, we propose a probabilistic framework able to unify different BNs dedicated to the detection or diagnosis of systems faults.

Les travaux présentés dans ce mémoire contribuent à la définition de méthodes pour la détection et le diagnostic de défauts affectant les systèmes aéronautiques. Un système représentatif sert de support d'étude, constitué du modèle non linéaire à six degrés de liberté d'un missile intercepteur, de ses capteurs et actionneurs ainsi que d'une boucle de guidage-pilotage. La première partie est consacrée au développement de deux méthodes de diagnostic exploitant l'information de commande en boucle fermée et les caractéristiques des modèles aéronautiques. La première méthode utilise les objectifs de commande induits par les lois de guidage-pilotage pour générer des résidus indiquant la présence de défauts. Ceci permet la détection des défauts sur les actionneurs et les capteurs, ainsi que leur localisation pour ces derniers. La deuxième méthode exploite la mesure de dérivées des variables d'état (via une centrale inertielle) pour estimer la valeur de la commande réalisée par les actionneurs, sans intégration du modèle non linéaire du système. Le diagnostic est alors effectué en comparant cette estimée avec la valeur désirée, ce qui permet la détection, la localisation et l'identification de défauts multiples sur les actionneurs.La seconde partie propose une méthodologie de réglage automatique des paramètres internes (les hyperparamètres) de méthodes de diagnostic. Ceci permet une comparaison plus objective entre les méthodes en évaluant la meilleure performance de chacune. Le réglage est vu comme un problème d'optimisation globale, la fonction à optimiser étant calculée via la simulation numérique (potentiellement coûteuse) de cas test. La méthodologie proposée est fondée sur un métamodèle de krigeage et une procédure itérative d’optimisation bayésienne, qui permettent d’aborder ce problème à faible coût de calcul. Un nouvel algorithme est proposé afin d'optimiser les hyperparamètres d'une façon robuste vis à vis de la variabilité des cas test pertinents.Mots clés : détection et diagnostic de défauts, guidage-pilotage, krigeage, minimax continu, optimisation globale, redondance analytique, réglage automatique, systèmes aéronautiques. / This manuscript reports contributions to the development of methods for fault detection and diagnosis applied to aeronautical systems. A representative system is considered, composed of the six-degree-of-freedom nonlinear model of a surface-to-air missile, its sensors, actuators and the associated GNC scheme. The first part is devoted to the development of two fault diagnosis approaches that take advantage of closed-loop control information, along with the characteristics of aeronautical models. The first method uses control objectives resulting from guidance laws to generate residuals indicative of the presence of faults. This enables the detection of both actuator and sensor faults, and the isolation of sensor faults. The second method exploits the measurement of derivatives of state variables (as provided by an IMU) to estimate the control input as achieved by actuators, without the need to integrate the nonlinear model. Detection, isolation and identification of actuator faults can then be performed by comparing this estimate with the desired control input.The second part presents a new automatic-tuning methodology for the internal parameters (the hyperparameters) of fault diagnosis methods. This allows a fair comparison between methods by evaluating their best performance. Tuning is formalised as the global optimization of a black-box function that is obtained through the (costly) numerical simulation of a set of test cases. The methodology proposed here is based on Kriging and Bayesian optimization, which make it possible to tackle this problem at a very reduced computational cost. A new algorithm is developed to address the optimization of hyperparameters in a way that is robust to the variability of the test cases of interest.

Les travaux de cette thèse portent sur la détection et le diagnostic des défauts naissants dans les systèmes d’ingénierie et industriels, par des approches statistiques non-paramétriques. Un défaut naissant est censé provoquer comme tout défaut un changement anormal dans les mesures des variables du système. Ce changement est imperceptible mais aussi imprévisible dû à l’important rapport signal-sur défaut, et le faible rapport défaut-sur-bruit caractérisant le défaut naissant. La détection et l’identification d’un changement général nécessite une approche globale qui prend en compte la totalité de la signature des défauts. Dans ce cadre, la divergence de Kullback-Leibler est proposée comme indicateur général de défauts, sensible aux petites variations anormales cachées dans les variations du bruit. Une approche d’analyse spectrale globale est également proposée pour le diagnostic de défauts ayant une signature fréquentielle. L’application de l’approche statistique globale est illustrée sur deux études différentes. La première concerne la détection et la caractérisation, par courants de Foucault, des fissures dans les structures conductrices. La deuxième application concerne le diagnostic des défauts de roulements dans les machines électriques tournantes. En outre, ce travail traite le problème d’estimation de l’amplitude des défauts naissants. Une analyse théorique menée dans le cadre d’une modélisation par analyse en composantes principales, conduit à un modèle analytique de la divergence ne dépendant que des paramètres du défaut. / This phD dissertation deals with the detection and diagnosis of incipient faults in engineering and industrial systems by non-parametric statistical approaches. An incipient fault is supposed to provoke an abnormal change in the measurements of the system variables. However, this change is imperceptible and also unpredictable due to the large signal-to-fault ratio and the low fault-to-noise ratio characterizing the incipient fault. The detection and identification of a global change require a ’global’ approach that takes into account the total faults signature. In this context, the Kullback-Leibler divergence is considered to be a ’global’ fault indicator, which is recommended sensitive to abnormal small variations hidden in noise. A ’global’ spectral analysis approach is also proposed for the diagnosis of faults with a frequency signature. The ’global’ statistical approach is proved on two application studies. The first one concerns the detection and characterization of minor cracks in conductive structures. The second application concerns the diagnosis of bearing faults in electrical rotating machines. In addition, the fault estimation problem is addressed in this work. A theoretical study is conducted to obtain an analytical model of the KL divergence, from which an estimate of the amplitude of the incipient fault is derived.

L'identification des modes vibratoires est un sujet prioritaire dans le cadre de la surveillance des structures civiles. Certaines techniques d'identification, les méthodes sous espace, ont prouvé leur adéquation pour l'identification et la détection de changements dans les caractéristiques vibratoires, ceci sous des conditions opérationnelles. Le but de cette thèse est l'amélioration de l'efficacité et de la robustesse de ces approches pour l'identification vibratoire et pour la détection des pannes dans les structures de grande taille, équipées d'un grand nombre de capteurs et fonctionnant en conditions environnementales diverses et bruitées. Dans cette thèse, quatre verrous majeurs ont été levés. D'abord, à partir de mesures collectées à différents points de mesure et sous différentes conditions environnementales, un algorithme d'extraction des déformées est proposé, alliant simplicité, modularité et compacité. Ensuite, une reformulation d'un problème moindre carrés amène à une amélioration conséquente du temps de calcul, lors du calcul multi ordre utilisé pour séparer les vrais modes de structures des modes parasites. D'autre part, une approche statistique pour la détection de pannes est améliorée et modifiée par l'usage d'un résidu robuste aux variations dans l'excitation ambiante inconnue. Finalement est considéré le problème de localisation de fautes quand l'absence de modèle aux éléments finis doit être compensée par un calcul direct de sensibilités à partir des données mesurées. Les différentes méthodes sont validées sur simulations et sont appliquées avec succès pour l'identification et la détection de fautes sur plusieurs structures civiles de grande taille.