Diagnostic et tolérance aux défauts sont des enjeux importants pour les systèmes de contrôle, particulièrement dans les systèmes de sécurité fondamentaux. La théorie et l'application des approches classiques de diagnostic et tolérance aux défauts doivent être revisités lorsqu'il s'agit de SCR. L'objectif de cette thèse est de proposer de nouvelles approches de diagnostic pour les systèmes contrôlés en réseau en considérant la perte de paquets et la contrainte de communication. De plus, les algorithmes de l'ordonnancement et de diagnostic proposés sont implémentés dans un mini hélicoptère / Fault diagnosis and fault-tolerant control are important issues for practical control systems, especially in safety-critical systems. The theory and application of classical approaches of fault diagnosis and fault tolerant control should be revised when dealing with NCSs. Objective of this thesis is proposing new approaches to design a fault detection and isolation (FDI) system with considering network-induced effects such as packet dropout and medium access constraints. In addition, proposed algorithms of scheduling and fault diagnosis are implemented in a mini helicopter

Ce travail concerne la détection de défauts sur les systèmes sujets à des changements de mode de fonctionnement. Le système réel est modélisé par un système à commutation markovienne qui est représenté par un ensemble de modèles de fonctionnement (fonctionnements normaux et anormaux) et par une matrice de probabilité de transition de Markov qui contient les probabilités de passage d'un modèle de fonctionnement à un autre. Cette représentation offre un cadre idéal à l'application des méthodes d'estimation multi-modèle. L'intérêt d'utiliser ce type d'estimateurs réside dans le fait qu'en plus de l'estimation de l'état du système, les estimateurs multi-modèles procurent la probabilité d'occurrence ou d'activation de chaque modèle de fonctionnement. Ces probabilités peuvent alors être utilisées pour la détection de défaut. Dans ce travail, nous avons utilisé les spécificités de l'estimation multi-modèle afin de procéder à la détection et l'isolation des défauts qui peuvent affecter un système linéaire. Plusieurs améliorations et aménagements ont été apportés à ce type d’estimateurs dans le but d'augmenter les performances du diagnostic / In this thesis, a fault detection method is developed for switching dynamic systems. These systems are represented by several linear models, each of them being associated to a particular operating mode. The proposed method is based on mode probabilities with the aim of finding the system operating mode and estimating the state. The method also uses a priori knowledge information about the mode transition probabilities represented by a Markov chain. This kind of model offers an ideal framework to the application of the multiple model estimation methods. The interest to use this type of estimators lies in the fact that in addition to the state estimation, the multiple model estimators get the probability activation of each model. These probabilities can be used for fault detection purpose. However, several improvements were made to this type of estimators in order to increasing the performances of the diagnosis

L'objectif de cette thèse était de valider l'ensemble des informations délivrées par les capteurs utiles à la commande d'une station de traitement des eaux usées. Pour cela, nous avons utilisé l'analyse en composantes principales (ACP) pour effectuer la détection et localisation de défauts de capteurs de la station de traitement des eaux usées. Afin de construire un modèle ACP, nous avons eu recours à une matrice de données constituée de l'ensemble des mesures disponibles (obtenues lors du fonctionnement normal de la station de traitement des eaux usées) dans l'installation. Cependant, afin d'appliquer l'ACP, nous avons rencontré plusieurs difficultés :<br /><br />1. Présence dans les données de valeurs aberrantes (valeurs obtenues durant des périodes de démarrage, d'arrêt, de fonctionnement dégradé, erreurs de mesure, ...) perturbant la construction d'un modèle ACP.<br />2. Présence de défauts multiples, ce qui entraîne une explosion combinatoire des scénarii de défauts à considérer.<br /><br />Afin de résoudre le premier point, nous nous sommes intéressé aux variantes robustes de l'ACP. L'estimateur robuste MCD (Minimum Covariance Determinant), méthode de référence pour ses performances, nécessite un temps de calcul important, et une connaissance a priori de la quantité de valeurs aberrantes présente dans les données (inconnue). C'est la raison pour laquelle nous avons proposé une nouvelle méthode robuste, basée sur l'utilisation de MM-estimateur, nommée MMRPCA (MM-estimator Robust Principal Component Analysis). Concernant le point 2, une méthode d'analyse du modèle en terme de capacité de détection et de localisation a été appliquée afin de réduire le nombre de défauts à considérer. Les différentes méthodes développées ont été menées avec succès afin de valider les mesures issues des différents capteurs de la station d'épuration des eaux usées.

L'étude présentée propose des solutions pour la détection et localisation de défauts dans les entraînements électriques et en particulier pour ceux à base de machine asynchrone. Les défauts considérés peuvent affecter la machine, le convertisseur, la mécanique et les capteurs. Ces ensembles fonctionnent à vitesse variable et possèdent une structure de contrôle vectoriel à flux orienté ainsi qu'un contrôle de vitesse. A partir des résultats de caractérisation des défauts, issus des simulations ou des mesures, deux approches sont proposées. La première repose sur l'utilisation d'outils de traitement du signal. Des solutions sont proposées pour s'affranchir du contexte de la vitesse variable via l'enregistrement à écart de position constant (position mécanique ou du champ statorique). La deuxième approche repose sur l'utilisation de la redondance analytique pour effectuer la détection et localisation de défauts. Des observateurs d'état étendus (filtre de Kalman étendu, modèle de référence adaptatif) sont étudiés et testés expérimentalement. Afin de réaliser la localisation des défauts, des observateurs à entrées inconnues sont également proposés. A partir des outils développés, des approches pour constituer un outil de surveillance globale sont proposées. Certaines reposent sur des combinaisons logiques, d'autres sur les réseaux de neurones.

Les systèmes contrôlés en réseau (SCR) ont fait l'objet de nombreux travaux de recherche au cours des dernières années, principalement pour ce qui concerne la synthèse de lois de commande. Les systèmes contrôlés en réseau présentent de nombreux avantages, notamment en terme de flexibilité, mais différent problèmes se posent quand une boucle de contrôle est fermée par un réseau de communication. (ex. retards et des pertes, contraintes de communication). Diagnostic et tolérance aux défauts sont des enjeux importants pour les systèmes de contrôle, particulièrement dans les systèmes de sécurité fondamentaux. La théorie et l'application des approches classiques de diagnostic et tolérance aux défauts doivent être re-visités lorsqu'il s'agit de SCR. L'objectif de cette thèse est de proposer de nouvelles approches de diagnostic pour les systèmes contrôlés en réseau en considérant la perte de paquets et la contrainte de communication. De plus, les algorithmes de l'ordonnancement et de diagnostic proposés sont implémentés dans un mini hélicoptère. Nous considérons d'abord les problèmes de perte de paquets et de contrainte de communication pour ensuite adapter un modèle où la détection des défauts et l'allocation des ressources de communication sont fortement liés. En interprétant ce modèle comme un modèle périodique, nous formalisons et résolvons le problème de détection et localisation de défauts avec un ordonnancement périodique et hors-ligne. L'approche proposée garantit la robustesse des résidus aux perturbations ainsi que perte de paquets sur la commande du système. Il est parfois nécessaire de fournir une séquence de communication prédéfinie avant de concevoir le système de détection de défauts. IL spécifie l'ordre de l'accès des capteurs et des actionneurs au réseau. Cependant, le choix d'une séquence de communication dépend forcément à la structure du système. Un algorithme graphique proposé dans cette thèse garantit la génération de séquences de communication permettant de préserver certaines propriétés structurelles du système. En outre, cet algorithme peut être utilisé sur les systèmes incertains et assez grands. Traditionnellement, allocation des ressources et l'ordonnancement sont basés sur les stratégies hors ligne. Mais la performance du système de diagnostic ne peut pas être garantie sous l'ordonnancement hors-ligne, si le système est objet à des perturbations imprévisibles. En plus, L'ordonnancement en ligne nécessite une grande charge de calcul qui ne peut être toujours possible en cas de système embarqué. Par conséquent, un ordonnancement semi-en ligne qui permet de préserver les avantages de l'ordonnancement en ligne et évite certaines limitations d'ordonnancement hors ligne peut être considéré comme une solution de compromis. Les drones ou UAVs pour Unmanned Aerial Vehicules font actuellement l'objet de beaucoup de recherches en raison de leurs utilités dans des situations qui nécessitent des opérations autonomes ou autopiloté. Ils peuvent être classés comme des systèmes dynamiques rapides. Par conséquent, ils peuvent être banc d'essai idéal pour étudier les effets du réseau sur les performances de contrôle/diagnostique en boucle fermée. Le dernier chapitre de cette thèse est dédié à implémentation d'une stratégie de commande tolérante aux défauts et les approches de détection et localisation des défauts proposées dans les chapitres précédents sur le drone.

Ce travail concerne la détection de défauts sur les systèmes sujets à des changements de mode de fonctionnement. Le système réel est modélisé par un système à commutation markovienne qui est représenté par un ensemble de modèles de fonctionnement (fonctionnements normaux et anormaux) et par une matrice de probabilité de transition de Markov qui contient les probabilités de passage d'un modèle de fonctionnement à un autre. Cette représentation offre un cadre idéal à l'application des méthodes d'estimation multi-modèle. L'intérêt d'utiliser ce type d'estimateurs réside dans le fait qu'en plus de l'estimation de l'état du système, les estimateurs multi-modèles procurent la probabilité d'occurrence ou d'activation de chaque modèle de fonctionnement. Ces probabilités peuvent alors être utilisées pour la détection de défaut. Dans ce travail, nous avons utilisé les spécificités de l'estimation multi-modèle afin de procéder à la détection et l'isolation des défauts qui peuvent affecter un système linéaire. Plusieurs améliorations et aménagements ont été apportés à ce type d'estimateurs dans le but d'augmenter les performances du diagnostic.

Les activités industrielles peuvent induire des risques de nature diverse, voire conduire à des événements catastrophiques. De façon à réduire ces risques à des niveaux acceptables, à en limiter les coûts aussi bien humains, matériels que financiers et à respecter la réglementation, il est crucial d'en prévenir la survenue (prévention) et à identifier des situations anormales en fonction d'informations récupérées sur le terrain. Ceci nécessite de résoudre deux points essentiels : détecter l'anomalie et faire un diagnostic, d'où l'importance des modèles de bon comportement qui modélisent des systèmes physique réels et les méthodes associées permettant d'effectuer la surveillance en continu. L'approche la plus utilisée dans la communauté FDI est l'approche structurelle qui consiste à construire des relations de redondance analytique (RRA). Le principe de l'approche structurelle est de prendre en compte seulement l'existence des relations entre les variables induites par les équations du modèle. En basant sur cette approche, ma thèse consiste à trouver une réponse qui satisfait un triple objectif :1. Extraire les relations valides à partir du modèle de bon comportement d'un système afin de prendre en compte l'évolution du système en éliminant les relations et des mesures invalides ayant pour but d'effectuer le diagnostic en ligne2. Construire, en utilisant une analyse symbolique couplée avec la théorie des graphes, les relations de redondance analytique symboliques (RRAS) pour la détection des défauts dans le système.3. Evaluer ces RRAS en utilisant le calcul par intervalle, an de prendre en compte les incertitudes présents dans les mesures, lors des tests de cohérence.

Les activités industrielles peuvent induire des risques de nature diverse, voire conduire à des événements catastrophiques. De façon à réduire ces risques à des niveaux acceptables, à en limiter les coûts aussi bien humains, matériels que financiers et à respecter la réglementation, il est crucial d’en prévenir la survenue (prévention) et à identifier des situations anormales en fonction d’informations récupérées sur le terrain. Ceci nécessite de résoudre deux points essentiels : détecter l’anomalie et faire un diagnostic, d’où l’importance des modèles de bon comportement qui modélisent des systèmes physique réels et les méthodes associées permettant d’effectuer la surveillance en continu. L’approche la plus utilisée dans la communauté FDI est l’approche structurelle qui consiste à construire des relations de redondance analytique (RRA). Le principe de l’approche structurelle est de prendre en compte seulement l’existence des relations entre les variables induites par les équations du modèle. En basant sur cette approche, ma thèse consiste à trouver une réponse qui satisfait un triple objectif :1. Extraire les relations valides à partir du modèle de bon comportement d'un système afin de prendre en compte l'évolution du système en éliminant les relations et des mesures invalides ayant pour but d'effectuer le diagnostic en ligne2. Construire, en utilisant une analyse symbolique couplée avec la théorie des graphes, les relations de redondance analytique symboliques (RRAS) pour la détection des défauts dans le système.3. Evaluer ces RRAS en utilisant le calcul par intervalle, an de prendre en compte les incertitudes présents dans les mesures, lors des tests de cohérence. / Large-scale complex process plants are safety-critical systems where the real-time diagnosis is very important. In a model based systems engineering approach, the structured development process from the concept to the production to the operation phase is organized around a coherent model of the system. This model contains, in particular, relations about the behavior of the system that could have been used for simulation in the design phase. The objective of this work is to use this information to design automatically on-line diagnosis algorithms using the hybrid dynamical information part and sensor measurements of the system model. In this thesis, the proposed approach allows:To extract the valid relations of system behavior to take into account system evolution by eliminating invalid constraints and measurements for establishing an on-line diagnosisTo build, using symbolic analysis and graph path search, analytical redundancy relations for the various system configurationsTo evaluate these ARRs in using set valued computations (interval arithmetic) to take into account model and measurements uncertainties

L’objectif de cette thèse était de valider l’ensemble des informations délivrées par les capteurs utiles à la commande d’une station de traitement des eaux usées. Pour cela, nous avons utilisé l’analyse en composantes principales (ACP) pour effectuer la détection et localisation de défauts de capteurs de la station de traitement des eaux usées. Afin de construire un modèle ACP, nous avons eu recours à une matrice de données constituée de l’ensemble des mesures disponibles (obtenues lors du fonctionnement normal de la station de traitement des eaux usées) dans l’installation. Cependant, afin d’appliquer l’ACP, nous avons rencontré plusieurs difficultés : 1. Présence dans les données de valeurs aberrantes (valeurs obtenues durant des périodes de démarrage, d’arrêt, de fonctionnement dégradé, erreurs de mesure, ...) perturbant la construction d’un modèle ACP. 2. Présence de défauts multiples, ce qui entraîne une explosion combinatoire des scénarii de défauts à considérer. Afin de résoudre le premier point, nous nous sommes intéressé aux variantes robustes de l’ACP. L’estimateur robuste MCD (Minimum Covariance Determinant), méthode de référence pour ses performances, nécessite un temps de calcul important, et une connaissance a priori de la quantité de valeurs aberrantes présente dans les données (inconnue). C’est la raison pour laquelle nous avons proposé une nouvelle méthode robuste, basée sur l’utilisation de MM-estimateur, nommée MMRPCA (MM-estimator Robust Principal Component Analysis). Concernant le point 2, une méthode d’analyse du modèle en terme de capacité de détection et de localisation a été appliquée afin de réduire le nombre de défauts à considérer. Les différentes méthodes développées ont été menées avec succès afin de valider les mesures issues des différents capteurs de la station d’épuration des eaux usées / This thesis deals with the validation of the information provided by the sensors to the control of a wastewater treatment plant. For this purpose, Principal Component Analysis (PCA) approach is used in order to accomplish sensor fault detection and isolation of the wastewater treatment plant. This approach is well adapted to cope with diagnosis of complex systems because no a priori theoretical model of the plant must be considered. A data matrix, obtained by taking into consideration the available measurements in normal behaviour of the wastewater treatment plant, is used in order to build a PCA model. However, two major problems must be taking into consideration when PCA is implemented: 1. Outliers appear naturally in the collection data (caused for example by faulty data, data obtained during shutdown or startup periods or data issued from different operating mode) and consequently the PCA model can seriously be affected. 2. Multiple sensor faults introduce unavoidably a combinatory explosion of the different fault scenarios to be considered. The first problem is solved by introducing a robustness degree in the PCA methodology. Among the existing robust methods proposed in the literature, the robust estimator MCD (Minimum Covariance Determinant) is the most popular. However, this method needs a large computing time on the one hand and a priori knowledge of the quantity of outliers present (generally unknown) in the data on the other hand. To avoid these difficulties, a new robust method is proposed in this thesis. Our method, namely MMRPCA (MM-estimator Robust Principal Component Analysis), is based on MM-estimators. The second mentioned problem is tackled by reducing the considered number of faults thanks to a new analysis method of the capacities of detection and isolation of the PCA model. The efficiency of the proposed methodologies is verified by considering the real wastewater treatment plant data

Les travaux présentés dans ce mémoire sont axés sur la détection et la localisation de défauts en utilisant l'analyse en composantes principales (ACP). Dans le premier chapitre les principes fondamentaux de l'analyse en composantes principales linéaire sont présentés. L'ACP est utilisée pour la modélisation des processus en fonctionnement normal. Dans le deuxième chapitre le problème de détection et localisation de défauts par ACP linéaire est abordé. A partir de l'analyse des indices de détection classiques, un nouvel indice de détection de défaut basé sur les dernières composantes principales a été développé. Pour la localisation de défauts, les méthodes classiques, utilisant par exemple le principe de reconstruction ou encore le calcul des contributions à l'indice de détection, ont été adaptées à l'indice de détection proposé. Le troisième chapitre est consacré à l'ACP non-linéaire (ACPNL). Une extension de l'ACP pour des systèmes non-linéaires, combinant l'algorithme des courbes principales et les réseaux RBF, est proposée. Pour la détermination du nombre de composantes à retenir dans le modèle ACPNL, une extension du critère basé sur la variance de l'erreur de reconstruction a été proposée. Une application réalisée dans le cadre d'une collaboration avec le réseau de surveillance de la qualité de l'air en Lorraine AIRLOR fait l'objet du quatrième chapitre. Cette application concerne la détection et la localisation de défauts de capteurs de ce réseau en utilisant la procédure de détection et de localisation développée dans le cas linéaire.