Le diagnostic des systèmes automatiques consiste à remonter des symptômes perçus vers les causes. Les méthodes de diagnostic à base de modèle utilisent un modèle mathématique explicite du processus. Les synthèses modernes de génération de résidus demandent une connaissance très fine du système à commander ou à diagnostiquer. L'écriture des modèles les plus précis demande une compréhension en détail des mécanismes et utilise les lois de la Physique. Les modèles obtenus de cette façon font intervenir des paramètres physiques qui, par définition, sont mesurables par des expériences non nécessairement en rapport avec la façon d'utiliser le système. Cependant, dans certains cas pratiques, ces paramètres ne peuvent pas être évalués a priori. Par ailleurs, la fiabilité donnée par les modèles de connaissance est en général accompagnée par l'inconvénient d'une trop grande complexité. Ce travail contribue à développer une nouvelle approche algébrique et déterministe de diagnostic qui ne suppose pas l'existence a priori d'un modèle explicite du système et qui présente un nouveau point de vue basé sur la théorie des distributions et l'analyse du pseudospectre de faisceaux de matrices. Notre démarche s'inspire de certains outils et développements de la théorie de l'estimation algébrique courants en automatique mais très peu usuels en traitement du signal. Le principal atout de cette approche est qu'il est possible, sous certaines hypothèses, de détecter, localiser et identifier les défauts à l'aide des seules mesures de la commande et de la sortie sans avoir à identifier les paramètres du modèle / The fault diagnosis in automatic systems is to trace perceived symptoms to causes. Most of model-based methods are based on the concept of analytical redundancy. The analytical redundancy relations are equations derived from an analytical model, which admits as input only the measured variables. Other classes of model-based methods are based directly on the parameter estimate. The modern syntheses of residuals generation require very detailed knowledge of system to control or to diagnose. Writing the most accurate models require a deep understanding of mechanisms and uses law of physics. The models obtained this way are called knowledge-based models. They involve physical parameters which, by definition, are measurable by experiments which are not necessarily related to how to use the system. However, in some practical cases, these parameters can be evaluated a priori. Moreover, the reliability provided by the knowledge-based models is usually accompanied by the disadvantage of excessive complexity. These models may not be used in practice and we must often reduce the complexity. This work contributes to develop a new algebraic and deterministic approach of fault diagnosis, which is not based on an a priori explicit model of the process and presents a new perspective based on the theory of distributions and the pseudospectra analysis of matrix pencils. Our approach is based on certain tools and developments in the theory of algebraic estimation usual in automatic community but very unconventional in signal processing

Ce travail contribue à développer une nouvelle approche algébrique et déterministe de diagnostic qui ne nécessite pas la connaissance a priori d'un modèle explicite du système. Il présente un nouveau point de vue basé sur la théorie des distributions et l'analyse du pseudospectre de faisceaux de matrices. Notre démarche s'inspire de certains outils et développements de la théorie de l'estimation algébrique courants en automatique et traitement du signal. Le principal atout de cette approche est qu'il est possible, sous certaines hypothèses, de détecter, localiser et identifier les défauts à l'aide des seules mesures de la commande et de la sortie sans avoir à estimer les paramètres du modèle. Nous considérons que les défauts actionneur et capteur sont modélisés par des signaux structurés. La méthode exploite le fait qu'un signal structuré satisfait une équation différentielle. La prise de décision est entièrement fondée sur l'évolution temporelle des estimations de certaines caractéristiques constantes des défauts. L'efficacité de l'approche présentée est illustrée au travers d'exemples académiques.

Dans ce travail de thèse, la commande sans modèle a tout d'abord été appliquée et adaptée au cas des systèmes présentant un retard connu ou inconnu. Cette méthode de commande ne nécessitant pas la connaissance précise d'un modèle du système, elle trouve toute son efficacité dans l'appréhension de retards inconnus. Différentes adaptations de l'approche classique, reposant sur la minimisation de critères temporels et fréquentiels, ont été proposées suivant le contexte d'un retard connu, borné ou inconnu. Elles nous ont permis d'élargir le spectre des systèmes considérés et d'améliorer les performances intrinsèques de la commande sans modèle. Les systèmes retardés, qui sont la cible privilégiée de ce travail, ont pu bénéficier de ces améliorations. Le problème du diagnostic des systèmes à retard a ensuite été abordé. Une nouvelle méthode de diagnostic sans modèle a été proposée, fondée sur les principes mêmes de la commande sans modèle. Cette proposition s'appuie sur la seule évolution temporelle des signaux entrée/sortie du système. Par la génération de signaux résiduels, la détection et la localisation de défauts d'actionneurs et du système est assurée sous certaines hypothèses. Finalement, nous avons montré en quoi la commande sans modèle s'apparente à une commande tolérante aux défauts et son efficacité en tant que telle a été prouvée. Une différence importante est à souligner par comparaison à d'autres commandes plus classiques, de type PI par exemple. En effet, la commande sans modèle est non seulement robuste à des signaux perturbateurs basses fréquences en entrée, à l'identique d'une structure PI classique, mais elle permet également de rejeter d’autres types de signaux révélateurs de défauts via l’estimation de certains paramètres de synthèse. Tout au long du mémoire, l'efficacité des approches proposées en commande et en diagnostic est perçue au travers d'exemples académiques / In this thesis, the model-free control was applied and adapted to delayed systems whose delay is either known or unknown. This method of control does not require the specific knowledge of a model of the system, it finds all its effectiveness in the apprehension of the unknown delays. Different adaptations of the classical approach, based on the minimization of frequency and temporal criteria, have been proposed in the context of a known, bounded or unknown delay. They allowed us to extend the range of systems considered and to improve the intrinsic performance of the model-free control. The delayed systems, which are the main target of this thesis, were able to benefit from these improvements. The problem of the fault-diagnosis of delayed systems was then addressed. A new method of model-free diagnosis has been proposed, based on model-free control principles. Our proposal only uses the temporal evolution of the system's input and output signals. Due to the generation of residual signals, the detection and localization of actuator/system faults were permitted under certain assumptions. Finally, we have studied the fault-tolerance properties of model-free control and its efficacy has been proven. Compared with more conventional methods, such as the PI Controller for example, a notable difference is to be mentioned. Indeed, unlike a PI controller, the model-free control is robust not only to low-frequency input disturbance signals, but it also allows for the rejection of other signal types by estimating summary parameters. Throughout this report, the effectiveness of the proposed approaches was illustrated in terms of control or diagnosis by multiple academic examples