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.

L’objectif de cette thèse est de proposer des stratégies de diagnostic dans le cas d'une commande en vitesse sans capteur mécanique (vitesse/position) d’une machine asynchrone triphasée en présence de défaut d'ouverture des transistors IGBT (Insulated Gate Bipolar Transistor) de l’onduleur. Une étude de l’impact de ces défauts sur les performances de ces structures sans capteur mécanique en termes de stabilité et de robustesse des observateurs en mode dégradé est présentée. Un observateur par mode glissant (Sliding Mode Observer) à base de modèle est développé et validé expérimentalement en vue de la commande sans capteur mécanique de la machine asynchrone triphasée. Les signaux issus de l’observateur (approche modèle) sont utilisés conjointement avec ceux mesurés (approche signale) pour former une approche hybride de diagnostic de défauts des transistors IGBT de l’onduleur. Un observateur par mode glissant d’ordre 2 à base d’un algorithme Super-Twisting est ensuite développé en vue d’améliorer la stabilité et d’assurer la continuité de fonctionnement du système en présence d'un défaut afin de pouvoir appliquer une stratégie de commande tolérante aux défauts dans les meilleures délais et conditions de fonctionnement. / The main goal of this thesis is to propose diagnostic strategies in the case of a sensorless speed control of a three-phase induction motor under an opened-switch or opened-phase fault. A qualitative analysis of the performances, in terms of stability and robustness, of sensorless control applied to the electrical drive in pre-fault and post-fault operation modes is presented. A model-based sliding mode observer is developed and experimentally validated for sensorless speed control of three-phase induction motor. The signals issued from the observer (model approach) as well as the measured ones (signal approach) are simultaneously used to form a hybrid approach for inverter open-switch fault detection and identification. A second-order sliding mode observer based on Super-Twisting algorithm (STA) is also developed to improve the stability and to ensure the continuity of operation of the electrical drive especially during transient states induced by the fault, permitting thus to apply the reconfiguration step without losing the control

L'intérêt pour les véhicules électriques ne cesse de croitre au sein de la société contemporaine compte tenu de ses nombreuses interrogations sur l’environnement et la dépendance énergétique. Dans ce travail de thèse, nous essayons d’améliorer l’acceptabtabilité sociétale du véhicule électrique en essayant de faire avancer la recherche sur le diagnostique des défauts d’une chaine de traction électrique. Les résultats escomptés devraient permettre à terme d’améliorer la fiabilité et la durabilité de ces systèmes.Nous commençons par une revue des problèmes des défauts déjà apparus dans les véhicules hybrides séries qui disposent de l’architecture la plus proche du véhicule électrique. Une étude approfondie sur le diagnostic des défauts d’un convertisseur de puissance statique (AC-DC) ainsi que celle du moteur synchrone à aimants permanents est menée. Quatre types de défauts majeurs ont été répertoriés concernant le moteur (court-circuit au stator, démagnétisation, excentricité du rotor et défaut des roulements). Au niveau du convertisseur, nous avons considéré le défaut d’ouverture des interrupteurs. Afin d’être dans les mêmes conditions d’utilisation réelle, nous avons effectué des tests expérimentaux à vitesse et charge variables. Ce travail est basé aussi bien sur l’expérimentation que sur la modélisation. Comme par exemple, la méthode des éléments finis pour l’étude de la démagnétisation de la machine. De même, l’essai en court-circuit du stator du moteur en présence d’un contrôle vectoriel.Afin de réaliser un diagnostic en ligne des défauts, nous avons développé un modèle basé sur les réseaux de neurones. L’apprentissage de ce réseau de neurone a été effectué sur la base des résultats expérimentaux et de simulations, que nous avons réalisées. Le réseau de neurones est capable d'assimiler beaucoup de données. Ceci nous permet de classifier les défauts en termes de sévérité et de les localiser. Il permet ainsi d'évaluer le degré de performance de la chaine de traction électrique en ligne en présence des défauts et nous renseigner ainsi sur l'état de santé du système. Ces résultats devraient aboutir à l’élaboration d’une stratégie de contrôle tolérant aux défauts auto-reconfigurable pour prendre en compte les modes dégradés permettant une continuité de service du véhicule ce qui améliorera sa disponibilité. / The interest in the electric vehicles rose recently due both to environmental questions and to energetic dependence of the contemporary society. Accordingly, it is necessary to study and implement in these vehicle fault diagnosis systems which enable them to be more reliable and safe enhancing its sustainability. In this work after a review on problem of faults in the drivetrain of series hybrid electric vehicles (SHEV), a deep investigation on fault diagnosis of AC-DC power converter and permanent magnet synchronous motor (PMSM) have been done as two important parts of traction chains in SHEVs. In other major part of this work, four types of faults (stator winding inter turn short circuit, demagnetization, eccentricity ant bearing faults) of a PMSM have been studied. Inter turn short circuit of stator winding of PMSM in different speeds and loads has been considered to identify fault feature in all operation aspects, as it is expected by electric vehicle application. Experimental results aiming short circuits, bearing and eccentricity fault detection has been presented. Analytical and finite element method (FEM) aiming demagnetization fault investigation has been developed. The AC-DC converter switches are generally exposed to the possibility of outbreak open phase faults because of troubles of the switching devices. This work proposes a robust and efficient identification method for data acquisition selection aiming fault analysis and detection. Two new patterns under AC-DC converter failure are identified and presented. To achieve this goal, four different level of switches fault are considered on the basis of both simulation and experimental results. For accuracy needs of the identified pattern for SHEV application, several parameters have been considered namely: capacitor size changes, load and speed variations. On the basis of the developed fault sensitive models above, an ANN based fault detection, diagnosis strategy and the related algorithm have been developed to show the way of using the identified patterns in the supervision and the diagnosis of the PMSM drivetrain of SHEVs. ANN method have been used to develop three diagnosis based models for : the vector controlled PMSM under inter turn short circuit, the AC/DC power converter under an open phase fault and also the PMSM under unbalanced voltage caused by open phase DC/AC inverter. These models allow supervising the main components of the PMSM drivetrains used to propel the SHEV. The ANN advantages of ability to include a lot of data mad possible to classify the faults in terms of their type and severity. This allows estimating the performance degree of that drivetrains during faulty conditions through the parameter state of health (SOH). The latter can be used in a global control strategy of PMSM control in degraded mode in which the control is auto-adjusted when a defect occurs on the system. The goal is to ensure a continuity of service of the SHEV in faulty conditions to improve its reliability.

Les systèmes réels sont généralement de nature non-linéaire, et leurs modélisations etsurveillance restent une tâche difficile à accomplir. Néanmoins, avec les progrès technologiqueson dispose maintenant d'un atout de taille sur ces systèmes qui est les données.Ce travail présente une technique de diagnostic de défaut et de modélisation basée en grandepartie sur la méthode d'apprentissage automatique " Les Machines à Vecteurs de Support,SVM " qui est basée sur les données. La méthodologie proposée est appliquée à différentessystèmes multivariables et non linéaires, à savoir : un procédé de traitement des eaux usées, unsystème éolien et un réacteur chimique parfaitement agité.L'objectif de cette thèse de doctorat est d'examiner la possibilité d'extraire le maximumd'information à partir de données afin de surveiller efficacement le comportement de systèmesréels et de détecter rapidement tout défaut qui peut compromettre leur bon fonctionnement. Lamême méthode est utilisée pour la modélisation des différents systèmes. Plusieurs défis ont étérelevés tels que la complexité du comportement des systèmes, le grand nombre de mesuresvariant à différentes échelles de temps, la présence de bruit et les perturbations. Une méthodegénérique de diagnostic de défauts est proposée par la génération des caractéristiques de chaquedéfaut suivie d'une étape d'évaluation de ces caractéristiques avec une amélioration du transfertde connaissances en modélisation.Dans cette thèse ont a démontré l'utilité de l'outil Machines à Vecteurs de Support, enclassification par la construction de modèles de décision SVM dédiés à l'évaluation descaractéristiques de défaut, et aussi en tant qu'estimateur non linéaire/ou pour la modélisation parl'utilisation des machines à vecteurs de support dédiés pour la régression (SVR).La combinaison de SVM et d'une méthode basée sur le modèle "observateur" a été aussi étudiéeet a été nécessaire dans certains cas pour garantir un bon diagnostic de défauts.

Cette thèse concerne principalement la résolution des problèmes d’inversion dynamiquedans le cadre des systèmes dynamiques non linéaires. Ainsi, un ensemble de techniquesbasées sur l’utilisation des trains de mesures passées et sauvegardées sur une fenêtreglissante, a été développé. En premier lieu, les mesures sont utilisées pour générerune famille de signatures graphiques, qui constituent un outil de classification permettantde discriminer les diverses valeurs des variables à estimer pour un système non linéairedonné. Cette première technique a été appliquée à la résolution de deux problèmes : leproblème d’électolocation d’un robot doté du sens électrique et le problème d’estimationd’état dans les systèmes à dynamiques non linéaires. Outre ces deux applications, destechniques d’inversion à horizon glissant spécifiques au problème de diagnostic des défautsd’éoliennes dans le cadre d’un benchmark international ont été développées. Cestechniques sont basées sur la minimisation de critères quadratiques basés sur des modèlesde connaissance. / This thesis mainly concerns the resolution of dynamic inverse problems involvingnonlinear dynamical systems. A set of techniques based on the use of trains of pastmeasurements saved on a sliding window was developed. First, the measurements areused to generate a family of graphical signatures, which is a classification tool, in orderto discriminate between different values of variables to be estimated for a given nonlinearsystem. This technique was applied to solve two problems : the electrolocationproblem of a robot with electrical sense and the problem of state estimation in nonlineardynamical systems. Besides these two applications, receding horizon inversion techniquesdedicated to the fault diagnosis problem of a wind turbine proposed as an internationalbenchmark were developed. These techniques are based on the minimization of quadraticcriteria based on knowledge-based models.

Les travaux présentés dans ce mémoire traitent de la synthèse d'algorithmes de diagnostic de défauts simples et multiples. L'objectif vise à proposer une stratégie de diagnostic à minimum de redondance analytique en exploitant au mieux les informations de redondance matérielle éventuellement disponibles sur le système. Les développements proposés s'inscrivent dans une démarche de coopération et d'agrégation des méthodes de diagnostic et la construction optimale d'un diagnostic global en fonction des diagnostiqueurs locaux. Les travaux réalisés se veulent génériques dans le sens où ils mêlent à la fois les concepts et outils de deux communautés : ceux de la communauté FDI (Fault Detection and Isolation) et ceux de la communauté DX (Diagnosis) dont les bases méthodologiques sont issues des domaines informatiques et intelligence artificielle. Ainsi, le problème de détection (ainsi que le problème de localisation lorsque les contraintes structurelles le permettent) est résolu à l'aide des outils de la communauté FDI tandis que le problème de localisation est résolu à l'aide des concepts de la communauté DX, offrant ainsi une démarche méthodologique agrégée. La démarche méthodologique se décline en deux étapes principales. La première phase consiste en la construction d'une matrice de signatures mutuellement exclusive. Ainsi, le problème du nombre minimal de relations de redondance analytique (RRA), nécessaires pour établir un diagnostic sans ambiguïté, est abordé. Ce problème est formalisé comme un problème d'optimisation sous contraintes qui est efficacement résolu à l'aide d'un algorithme génétique. La deuxième étape concerne la génération des diagnostics. Ainsi, pour une situation observée, identifier les conflits revient à définir les RRAs non satisfaites par l'observation. Les diagnostics sont obtenus à l'aide d'un algorithme basé sur le concept de formules sous forme MNF (Maximal Normal Form). L'intérêt majeur dans cette approche est sa capacité à traiter le diagnostic des défauts simples et multiples ainsi que le diagnostic des plusieurs modes de fautes (i.e., le diagnostic des différents types de défauts) associés à chaque composant du système surveillé. De plus, il existe des preuves d'optimalité tant au niveau local (preuve de robustesse/sensibilité) qu'au niveau global (preuve de diagnostics minimaux). La méthodologie proposée est appliquée à la mission spatiale Mars Sample Return (MSR). Cette mission, entreprise conjointement entre l'administration nationale de l'aéronautique et de l'espace (NASA) et l'agence spatiale européenne (ESA), vise à ramener des échantillons martiens sur Terre pour des analyses. La phase critique de cette mission est la phase rendez-vous entre le conteneur d'échantillons et l'orbiteur. Les travaux de recherche traitent le problème de diagnostic des défauts capteurs présents sur la chaîne de mesure de l'orbiteur pendant la phase de rendez-vous de la mission. Les résultats, obtenus à l'aide du simulateur haute fidélité de Thalès Alenia Space, montrent la faisabilité et l'efficacité de la méthode. / The work presented in this thesis deals with the synthesis of algorithms for the diagnosis of simple and multiple faults. The main objective which is pursued is to design a fault diagnosis scheme by merging a minimum number of analytic redundancy with the available hardware redundancy. The main contribution of the proposed technique concerns the general architecture of the proposed diagnosis method. The originality of the research work is the combination of ideas and tools originated from two research communities : the FDI (Fault Detection and Isolation) community and the DX (Diagnosis) community whose foundations are derived from Computer Science and Artificial Intelligence fields. Hence, the fault detection problem (as well as the isolation task when structural constraints allow it) is solved by means of FDI techniques while the fault isolation problem is solved through the DX approaches, thus resulting in an aggregated methodology. The proposed method is divided in two steps. The first step deals with the construction of a mutually exclusive signature matrix. Hence, the problem of the minimal number of analytic redundancy relations (ARR), necessary for generating a diagnosis without any ambiguity, is treated. This problem is formalised as an optimized problem under constraints which is efficiently solved by means of a genetic algorithm. The second step concerns the generation of diagnoses. Thus, for an observed situation, the identification of conflicts results in the determination of the non satisfied ARRs for the given observation. The diagnoses are obtained by means an algorithm based on the concept of MNF (Maximal Normal Form) formulas. The main interest of this approach is its capacity to deal with the diagnosis of simple and multiple faults as well as the diagnosis of multi-modes faults (i.e., multiple types of faults) associated to each component of the system. Furthermore, it exists proofs on optimality both at a local level (proof of robustness/sensitivity) and at a global level (proof of minimal diagnoses). The proposed method is applied to the Mars Sample Return (MSR) mission. This spacecraft mission, undertaken jointly by the National Aeronautics and Space Administration (NASA) and the European Space Agency (ESA), aims at returning tangible samples from Mars atmosphere and ground to Earth for analysis. The critical phase of the mission is the rendezvous phase between the sample container vehicle and the orbiter spacecraft. The research work aims at realising sensor fault diagnosis on the orbiter during the rendezvous phase of the mission. Simulation results from the MSR high fidelity simulator, provided by Thalès Alenia Space, demonstrate the feasibility and the efficiency of the proposed approach.

Les travaux de recherches sur la commande, le diagnostic et la tolérance aux défauts appliqués aux drones deviennent de plus en plus populaires. Il est judicieux de concevoir des lois de commande qui garantissent la stabilité et les performances du drone, non seulement dans le cas nominal, mais également en présence de fortes perturbations et de défauts.Dans cette thèse, un nouvel algorithme bio-inspiré adapté pour la recherche de solutions dans des problèmes d’optimisation est développé. Cet algorithme est utilisé pour trouver les gains des différents contrôleurs conçus pour les drones. La commande par mode glissant est utilisée pour développer deux contrôleurs passifs tolérants aux défauts pour les quadrirotors: un contrôleur par mode glissant augmentée avec un intégrateur, et un contrôleur par mode glissant implémenté en cascade. Parce que les commandes passives ont une robustesse réduite, une commande active par mode glissant est développée. Pour traiter les défauts extrêmes, un contrôleur d’urgence basé sur la conversion du quadrirotor en trirotor est développé. Les commandes actives, passives, et le contrôleur d’urgences sont ensuite intégrés pour former un contrôleur tolérant aux défauts capable de gérer un grand nombre de défaillances tout en garantissant les ressources actionneur et en limitant la charge de calcul du processeur. Finalement, des contrôleurs tolérants aux défauts, actifs et passifs, basés sur des méthodes par mode glissant du premier et deuxième ordre sont développées pour les octorotors. La commande active utilise des méthodes d’allocation de contrôles pour redistribuer les efforts sur les actionneurs sains, réduisant ainsi l’effet du défaut. / Unmanned Aerial Vehicles (UAV) are more and more popular for their civil and military applications. Classical control laws usually show weaknesses in the presence of parameter uncertainties, environmental disturbances, and actuator and sensor faults. Therefore, it is judicious to design a control law capable of stabilizing the UAV not only in the fault-free nominal cases, but also in the presence of disturbances and faults. In this thesis, a new bio-inspired search algorithm called Ecological Systems Algorithm (ESA) suitable for engineering optimization problems is developed. The algorithm is used over the thesis to find optimal gains for the fault tolerant controllers. Sliding Mode Control theory is used to develop two Passive Fault Tolerant Controllers for quadrotor UAVs: Regular and Cascaded SMC. Because Passive Controllers handle a few numbers of faults, an Active Sliding Mode Fault Tolerant Controller using Kalman Filter is developed. To overcome severe faults and failures, an emergency controller based on the Quadrotor-to-Trirotor conversion maneuver is developed. The Controllers developed so far (Passive, Active, and emergency controllers) are then integrated to form the Integrated Fault Tolerant Controller (IFTC). The IFTC is a powerful controller that is able to handle a wide number of faults, and save actuator resources as well as processor computational effort. Finally, Passive and Active Fault Tolerant Controllers are designed for octorotor UAVs based on First Order and Second Order Sliding Mode Control. The AFTC uses Dynamic and Pseudo-Inverse Control Allocation methods to redistribute the control effort among healthy actuators reducing the effect of fault.

Les systèmes réels sont généralement de nature non-linéaire, et leurs modélisations etsurveillance restent une tâche difficile à accomplir. Néanmoins, avec les progrès technologiqueson dispose maintenant d'un atout de taille sur ces systèmes qui est les données.Ce travail présente une technique de diagnostic de défaut et de modélisation basée en grandepartie sur la méthode d'apprentissage automatique « Les Machines à Vecteurs de Support,SVM » qui est basée sur les données. La méthodologie proposée est appliquée à différentessystèmes multivariables et non linéaires, à savoir : un procédé de traitement des eaux usées, unsystème éolien et un réacteur chimique parfaitement agité.L'objectif de cette thèse de doctorat est d'examiner la possibilité d'extraire le maximumd'information à partir de données afin de surveiller efficacement le comportement de systèmesréels et de détecter rapidement tout défaut qui peut compromettre leur bon fonctionnement. Lamême méthode est utilisée pour la modélisation des différents systèmes. Plusieurs défis ont étérelevés tels que la complexité du comportement des systèmes, le grand nombre de mesuresvariant à différentes échelles de temps, la présence de bruit et les perturbations. Une méthodegénérique de diagnostic de défauts est proposée par la génération des caractéristiques de chaquedéfaut suivie d’une étape d'évaluation de ces caractéristiques avec une amélioration du transfertde connaissances en modélisation.Dans cette thèse ont a démontré l'utilité de l'outil Machines à Vecteurs de Support, enclassification par la construction de modèles de décision SVM dédiés à l'évaluation descaractéristiques de défaut, et aussi en tant qu'estimateur non linéaire/ou pour la modélisation parl'utilisation des machines à vecteurs de support dédiés pour la régression (SVR).La combinaison de SVM et d’une méthode basée sur le modèle "observateur" a été aussi étudiéeet a été nécessaire dans certains cas pour garantir un bon diagnostic de défauts. / Real systems are usually nonlinear and their modeling and monitoring remains adifficult task. However, with advances in technology and the availability of big amounts of data,we have a facility to operate these systems.This work presents a methodology for fault diagnosis and modeling which is in large part basedon the method of Support Vector Machines (SVM) which data-based. The proposedmethodology is applied to various nonlinear multivariable systems including: wastewatertreatment processes, wind turbines and stirred tank reactors.The objective of this PhD is to examine the possibility of extracting the maximum of informationfrom data to effectively monitor the behavior of real systems and rapidly detect any faults whichmay impair their proper functioning. The same method is used for modeling the differentsystems. Several challenges were identified and surmounted such as the complexity of thesystem behavior, large amount of data varying at different time scales, the presence of noise anddisturbances. A generic method of fault diagnosis is proposed for the generation of the faultcharacteristics followed by an evaluation of these characteristics as well as an improved transferof knowledge in modeling.In this thesis the usefulness of the tool Support Vector Machines in Classification has beendemonstrated by the construction of decision models dedicated to evaluating the characteristicsof faults, and also its usefulness for modeling/ or as estimator for the nonlinear systems usingsupport vector machines dedicated for regression (SVR).The combination of SVM and a method based on models “observer” was also considered andwas found to be interesting in some cases to ensure proper fault diagnosis.

L’avènement des aimants permanents et les progrès récents dans l’électronique de puissance ont joué un rôle majeur dans l’évolution de la motorisation électrique des véhicules. Actuellement, les machines synchrones à aimants permanents (MSAP) grâce à leurs performances, et surtout leur efficacité énergétique, sont considérées comme les candidats idéaux pour les chaînes de traction des véhicules hybrides et électriques. Toutefois, en raison du vieillissement des matériaux, des défauts de fabrication ou des conditions de fonctionnement assez sévères, différents types de défauts sont capables de survenir dans les composants de la machine, ses organes de commande ou de mesure. Pour répondre aux exigences de sûreté, de fiabilité et de disponibilité, l’intégration d’une approche de surveillance et de diagnostic de défauts, dans le groupe motopropulseur électrique automobile, devient de plus en plus primordiale. Dans ce contexte, l’objectif de la thèse est de contribuer au diagnostic et à la caractérisation de défauts dans la MSAP par une analyse vibratoire. En premier temps, des approches analytiques de modélisation de la MSAP et des défauts : de court-circuit inter-spires, d’excentricité et de démagnétisation rotoriques serontproposées. L’intérêt majeur de tels modèles, dans le cadre du diagnostic, est d’étudier le comportement de la machine en présence de défauts étudiés afin d’en déduire les méthodes de détection les plus adaptées. En outre, des modèles numériques seront développés afin de les confronter aux parties magnétique et mécanique analytiques de la machine ainsi qu’au défaut de démagnétisation. Dans la phase d’analyse des impacts de défauts, nous allons nous focaliser sur les cas d’excentricité et de démagnétisation rotoriques. Les indicateurs de défauts seront extraits des représentations du signal vibratoire dans le temps et l’espace et de leurs transformées de Fourier, pour les cas de défauts simples et les cas de deux défauts combinés. Pour les cas simples, deux approches de localisation seront proposées : la première utilise le principe de tests statistiques et de tables de signatures, inspirée des méthodes de diagnostic à base de modèles, alors que la deuxième repose sur un banc de trois réseaux de neurones, où chacun est à une entrée et une sortie et destiné à localiser un type de défaut. Enfin, les performances des deux approches, en termes de robustesse et d’adaptabilité, seront comparées pour les mêmes ensembles de seuillage/d’apprentissage et de test. / The advent of new magnetic materials and recent advances in power electronics have played a major role in the progress of hybrid electric vehicles. Nowadays, permanent magnet synchronous machines (PMSM) thanks to their performances, especially their energy efficiency, are considered as ideal candidates for the traction chains of hybrid and electric vehicles. However, due to material aging, manufacturing defects or severe operating conditions, different types of faults are capable to occur in the machine components, its control or measuring devices. In order to ensure safety, reliability and availability, the integration of a fault diagnosis and condition monitoring approach in the automotive electrical powertrain system is becoming more and more important. In this context, the aim of the thesis is to contribute to the diagnosis and characterization of faults in the PMSM based on a vibration analysis. First, analytical modeling approaches for the PMSM and inter-turn short-circuits, eccentricity and rotor demagnetization faults will be proposed. The major interest of such models, in a diagnosis context, is to study the behavior of the machine in the presence of studied faults in order to deduce the most suitable detection methods. In addition, numerical models will be developed in order to validate the analytical magnetic and mechanical parts of the machine as well as the demagnetization fault. In the phase of fault impact analysis, we will focus on the cases of rotor eccentricity and demagnetization. The fault indicators will be extracted from the vibratory signal representations in time and space domains and their Fourier transforms, in the cases of single faults and the cases of two combined faults. For single fault cases, two diagnosis approaches will be proposed: the first uses the principle of statistical tests and fault signature tables, inspired by model-based diagnosis methods, while the second relies on a set of three neural networks, such as each one is with a single input and a single output and dedicated to isolate one type of fault. Finally, the performance of these two approaches, in terms of robustness and adaptability, will be compared for the same training and test sets.

Actuellement, les machines Asynchrones à Double Alimentation (MADA) sont omniprésentes dans le secteur éolien, grâce à leur simplicité de construction, leur faible coût d’achat et leur robustesse mécanique ainsi que le nombre faible d’interventions pour la maintenance. Cependant, comme toute autre machine électrique, ces génératrices sont sujettes aux défauts de différent ordre (électrique, mécanique, électromagnétique…) ou de différents types (capteur, actionneur ou composants du système). C’est pourquoi, il est primordial de concevoir une approche de diagnostic permettant de manière anticipée, de détecter, localiser et identifier tout défaut ou anomalie pouvant altérer le fonctionnement sain de ce type de machine. Motivés par les points forts des méthodes de diagnostic de défauts à base d’observateurs, nous proposons d’une part, dans cette thèse, une approche de détection, localisation et identification des défauts de la MADA d’une éolienne à vitesse variable, à base des observateurs de Kalman, performants et largement utilisés. Les erreurs d’estimation d’état du filtre de Kalman linéaire et de ses variantes non-linéaires, à noter : le Filtre de Kalman Etendu (EKF) et le Filtre de Kalman sans-Parfum (UKF), sont utilisés comme résidus sensibles aux défauts. En vue d’éviter les fausses alarmes et de découpler les défauts des perturbations et des bruits, l’analyse des résidus générés est réalisée par des tests statistiques tels que : Test de Page Hinkley (PH) et Test DCS (Dynamic Cumulative Sum). Pour la localisation des défauts multiples et simultanés, la Structure d’Observateurs Dédiés (DOS) et la Structure d’Observateurs Généralisés (GOS) sont appliquées. De plus, l’amplitude du défaut est déterminée dans l’étape d’identification de défaut. Les défauts capteurs, actionneurs et composants de la MADA, sont traités dans ce travail de recherche. D’autre part, une étude comparative entre les différents observateurs de Kalman, est élaborée. La comparaison porte sur les critères suivants : le temps de calcul, la précision et la vitesse de convergence des estimations. / Actually, the Doubly Fed Induction Generators (DFIG) are omnipresent in the wind power market, owing to their construction simplicity, their low purchase cost and their mechanical robustness. However, as any other electrical machine, these generators are subject to defects of different order (electrical, mechanical, electromagnetic ...) or of different type (sensor, actuator or system). That’s why, it is important to design an effective diagnostic approach, able to early detect, locate and identify any defect or abnormal behavior, which could undermine the healthy operation of this machine On the one hand, motivated by the observer-based fault diagnosis methods strengths, we proposed, in this thesis, a diagnostic approach for the faults detection, localization and identification of the DFIG used in variable speed wind turbine. This approach is based on the use of the efficient and widely used Kalman observers. The state estimation errors of the linear Kalman filter and the non-linear Kalman filters, named: The Extended Kalman Filter (EKF) and the Unscented Kalman Filter (UKF) are used as faults sensitive residuals. In order to avoid false alarms and to decouple faults from disturbances and noises, the faults detection is carried out by the analysis of the residuals generated, by the mean of statistical tests such as: Hinkley Page Test (PH) and DCS Test (Dynamic) Cumulative Sum). For the localization step in case of multiple and simultaneous faults, the Dedicated Observer scheme (DOS) and the Generalized Observer scheme (GOS) are applied. In addition, the fault level is determined in the fault identification step. Sensor faults, actuator and system faults of DFIG, are treated in this research work. On the other hand, a comparative study between the three Kalman observers proposed is performed. The comparison was done in terms of (1) the computation time, (2) the estimation accuracy, and (3) the convergence speed.