Cette thèse propose une nouvelle approche de détection de défauts pour des systèmes linéaires soumis à des incertitudes par intervalles, des perturbations et des bruits de mesures bornés. Dans ce contexte, la détection de défauts est fondée sur une estimation ensembliste de l'état du système. Les contributions de cette thèse concernent trois directions principales :- La première partie propose une méthode d'estimation d'état ensembliste améliorée combinant l'estimation à base des zonotopes (qui offre une bonne précision) et l'estimation à base d'ellipsoïdes (qui offre une complexité réduite).- Dans la deuxième partie, une nouvelle approche d'estimation d'état ellipsoïdale fondée sur la minimisation du rayon de l'ellipsoïde est développée. Dans ce cadre, des systèmes multivariables linéaires invariants dans le temps, ainsi que des systèmes linéaires variants dans le temps ont été considérés. Ces approches, résolues à l'aide de problèmes d'optimisation sous la forme d'Inégalités Matricielles Linéaires, ont été étendues au cas des systèmes soumis à des incertitudes par intervalles.- Dans la continuité des approches précédentes, deux techniques de détection de défauts ont été proposées dans la troisième partie utilisant les méthodes d'estimation ensemblistes. La première technique permet de détecter des défauts capteur en testant la cohérence entre le modèle et les mesures. La deuxième technique fondée sur les modèles multiples permet de traiter simultanément les défauts actionneur/composant/capteur. Une commande prédictive Min-Max a été développée afin de déterminer la commande optimale et le meilleur modèle à utiliser pour le système, malgré la présence des différents défauts. / This thesis proposes a new Fault Detection approach for linear systems with interval uncertainties, bounded perturbations and bounded measurement noises. In this context, the Fault Detection is based on a set-membership state estimation of the system. The main contributions of this thesis are divided into three parts:- The first part proposes an improved method which combines the good accuracy of the zonotopic set-membership state estimation and the reduced complexity of the ellipsoidal set-membership estimation.- In the second part, a new ellipsoidal state estimation approach based on the minimization of the ellipsoidal radius is developed, leading to Linear Matrix Inequality optimization problems. In this context, both multivariable linear time-invariant systems and linear time-variant systems are considered. An extension of these approaches to systems with interval uncertainties is also proposed. - In the continuity of the previous approaches, two Fault Detection techniques have been proposed in the third part based on these set-membership estimation techniques. The first technique allows to detect sensor faults by checking the consistency between the model and the measurements. The second technique is based on Multiple Models. It deals with actuator/component/sensor faults in the same time. A Min-Max Model Predictive Control is developed in order to find the optimal control and the best model to use for the system in spite of the presence of these faults.

Les travaux développés durant cette thèse concernent la détection et l'identification des défauts simples et multiples d'ouverture des transistors dans un convertisseur statique associé à une machine asynchrone. Pour aborder cette problématique, nous avons commencé par l'analyse des potentialités, des faiblesses et des incertitudes des techniques qui ont initiés notre démarche. Ensuite, nous avons présenté deux méthodologies permettant d'analyser les performances du moteur asynchrone en présence des défauts dans une ou plusieurs cellules de commutation. Cette étude préliminaire nous a permis ainsi de proposer deux nouvelles stratégies de diagnostic sans référence basées sur l'approche signal. Les signaux électriques (courants ou tensions) disponibles à la sortie du convertisseur statique sont utilisés pour alimenter le processus de diagnostic. La première stratégie retenue est basée sur l'analyse qualitative des tensions de sortie entre phases du convertisseur et des signaux de commande appliqués aux transistors pendant les instants de commutation. Grâce à une représentation instantanée de ces grandeurs, à l'échelle de la période de découpage, nous avons pu mettre en évidence des caractéristiques favorables à la détection des défauts simples et multiples d'ouverture des transistors. L'implémentation pratique de cette première approche a été réalisée au moyen d'une technologie analogique permettant ainsi de minimiser le temps de retard à la détection jusqu'à quelques dizaines de microsecondes. / The main goal of this thesis concerns the detection and identification of simple and multiple open-circuit faults in voltage source inverters (VSIs)-fed induction motor drives. In first step, the potentialities, the weaknesses as well as the uncertainties of the previously published works have been discussed. The second step was dedicated to the study of the inverter faults impact on the induction motor. For this purpose, we have proposed two methodologies permitting the characterization of the electromagnetic torque behaviour as well as the electric variables of the induction motor under the open- and short-circuit faults. These preliminary studies allowed to propose two novel signal-based approaches for open-circuit fault diagnosis in voltage source inverter. The measured outputs inverter voltages and currents have been used as the input quantities for the fault detection and identification (FDI) process. The first approach consists in analyzing the pulse-width modulation (PWM) switching signals and the line-to-line voltage levels during the switching times, under both healthy and faulty operating conditions. For this purpose, we have adopted an instantaneous representation of these variables, which permits their analysis over one switching period. The fault diagnosis scheme is achieved using simple analog device. This circuit allows an accurate single and multiple faults diagnosis, and a minimization of the fault detection time which becomes about a few tens of microseconds.