This work is intended to investigate the Aircraft Technical Diagnostics Systems by focusing on Central Maintenance Systems and the Fault Detection and Isolation (FDI) process among the avionic components. A review about the Computer Control Systems and background about the Avionic Architecture is presented prior to introducing to most popular FDI method; model-based diagnosis. The discussions about the onboard FDI practices are followed by a maintenance hangar FDI perspective which was concluded as a result of the field research. The outcomes of the field research and pointing the “real” fault isolation are analyzed to point the practical needs of a hangar FDI tools. Subsequently, a proposal technique, which can improve fault isolation by preventing No-Fault-Found (NFF), is given by discussing the methods to implement it. Finally, the results of investigation and conclusions of analysis are presented. / Baigiamajame darbe lietuviškos anotacijos nepateikta.

The performance of a model-based diagnosis system could be affected by several uncertainty sources, such as,model errors,uncertainty in measurements, and disturbances. This uncertainty can be handled by mean of interval models.The aim of this thesis is to propose a methodology for fault detection, isolation and identification based on interval models. The methodology includes some algorithms to obtain in an automatic way the symbolic expression of the residual generators enhancing the structural isolability of the faults, in order to design the fault detection tests. These algorithms are based on the structural model of the system. The stages of fault detection, isolation, and identification are stated as constraint satisfaction problems in continuous domains and solved by means of interval based consistency techniques. The qualitative fault isolation is enhanced by a reasoning in which the signs of the symptoms are derived from analytical redundancy relations or bond graph models of the system. An initial and empirical analysis regarding the differences between interval-based and statistical-based techniques is presented in this thesis. The performance and efficiency of the contributions are illustrated through several application examples, covering different levels of complexity. / ENLas prestaciones de un sistema de diagnosis basado en modelos se pueden ver afectadas por fuentes de incertidumbre como los errores en el modelo,la incertidumbre en las medidas y las perturbaciones.Esta incertidumbre se puede tratar mediante modelos intervalares.Esta tesis propone una metodología de detección, aislamiento e identificación de fallos basada en modelos intervalares. La metodología incluye algoritmos para obtener de manera automática la expresión simbólica de los generadores de residuos mejorando la aislabilidad estructural de los fallos. Estos algoritmos se basan en el modelo estructural del sistema.Las etapas de detección, aislamiento, e identificación de fallos se representan como problemas de satisfacción de restricciones en dominios continuos y se resuelven por medio de técnicas de consistencia basadas en intervalos.Una mejora en el aislamiento cualitativo de los fallos se obtiene por razonamiento con los signos de los síntomas, que se obtienen de relaciones de redundancia analítica o de modelos bond graph del sistema.Esta tesis también presenta un análisis empírico inicial de las diferencias entre las técnicas basadas en intervalos y las basadas en técnicas estadísticas.Las prestaciones y la eficiencia de las contribuciones de la tesis se ilustran a través de unos cuantos ejemplos de aplicación, que cubren diferentes niveles de complejidad.

Cette thèse CIFRE est réalisée dans le cadre d’un partenariat entre le laboratoire IMS de l’Université Bordeaux I et Airbus Operations S.A.S à Toulouse. Le thème abordé concerne la détection robuste et précoce de deux types particuliers de pannes dans le système de commandes de vol, à savoir l’embarquement et le grippage des gouvernes de profondeur. Afin de contribuer à l’optimisation du design structural des futurs avions, l’objectif est de proposer des méthodes capables d’améliorer les performances en détection des techniques actuellement en place, tout en garantissant un haut niveau de robustesse. Trois stratégies de surveillance à base de modèle sont présentées. La première solution est basée sur un filtre de Kalman dédié, associé à une procédure d’optimisation de ses paramètres. La seconde technique est basée sur un test de décision appliqué dans l’espace paramétrique, à une direction sensible identifiée. Finalement, une troisième approche consiste à utiliser un différentiateur à modes glissants pour estimer les dérivées du signal d’entrée et de sortie de la boucle d’asservissement. Les méthodes développées ont été implémentées dans le calculateur de commandes de vol et validées sur les bancs de tests Airbus et même en vol. Les résultats expérimentaux ont clairement mis en évidence l’apport des techniques présentées dans cette thèse par rapport à l’état de l’art industriel. / The research work done in this PhD has been carried out under an industrial convention (CIFRE) between the IMS laboratory (Bordeaux University, France) and Airbus Operations S.A.S. (Toulouse, France). The thesis deals with two important Electrical Flight Control System failure cases: runaway (a.k.a. hard over) and jamming (or lock-in-place failure) of aircraft control surfaces. Early and robust detection of such failures is an important issue for achieving sustainability goals and for early system reconfiguration. The thesis focuses on the elevator runaway and jamming. Three model-based monitoring strategies are presented. The first approach is based on a dedicated Kalman filtering with optimised tuning parameters. The second method is based on a decision test applied to an identified sensitive direction in the parametric space. Finally, the third solution is based on a sliding mode differentiator. The techniques have been implemented in the flight control computer and validated on Airbus test facilities and during real flight tests. The experimental results confirmed that good level of performance and robustness can be obtained.

Motivée par les besoins du domaine spatial en termes de diagnostic embarqué et d’autonomie, cette thèse s’intéresse aux problèmes de diagnostic, de diagnosticabilité et de diagnostic actif des systèmes hybrides. Un formalisme hybride est proposé pour représenter les deux dynamiques, continues et discrètes, du système. En s’appuyant sur ce modèle, une approche de diagnostic passif est proposée en mariant les techniques des systèmes à événements discrets et des systèmes continus. Un cadre formel pour la diagnosticabilité des systèmes hybrides a également été établi proposant des définitions et des critères pour la diagnosticabilité hybride. Suite à un diagnostic passif ambigu, le diagnostic actif est nécessaire afin de désambiguïser l’état du système. Cette thèse propose donc une approche de diagnostic actif, qui partant d’un état de croyance incertain, fait appel aux propriétés de diagnosticabilité du système pour déterminer la configuration où les fautes peuvent être discriminées. Une nouvelle machine à états finis appelée diagnostiqueur actif est introduite permettant de formaliser le diagnostic actif comme un problème de planification conditionnelle. Un algorithme d’exploration de graphes ET-OU est proposé pour calculer les plans de diagnostic actif. Finalement, l’approche de diagnostic a été testée sur le Système de Contrôle d’Attitude (SCA) d’un satellite de Thales Alenia Space. Le module de diagnostic a été intégré dans la boucle fermée de commande. Des scénarios de faute ont été testés donnant des résultats très satisfaisants. / Motivated by the requirements of the space domain in terms of on-board diagnosis and autonomy, this thesis addresses the problems of diagnosis, diagnosability and active diagnosis of hybrid systems. Supported by a hybrid modeling framework, a passive approach for model-based diagnosis mixing discrete-event and continuous techniques is proposed. The same hybrid model is used to define the diagnosability property for hybrid systems and diagnosability criteria are derived. When the diagnosis provided by the passive diagnosis approach is ambiguous, active diagnosis is needed. This work provides a method for performing such active diagnosis. Starting with an ambiguous belief state, the method calls for diagnosability analysis results to determine a new system configuration in which fault candidates can be discriminated. Based on a new finite state machine called the diagnoser, the active diagnosis is formulated as a conditional planning problem and an AND-OR graph exploration algorithm is proposed to determine active diagnosis plans. Finally, the diagnosis approach is tested on the Attitude Control System (ACS) of a satellite simulator provided by Thales Alenia Space. The diagnosis module is successfully tested on several fault scenarios and the obtained results are reported.

Indiana University-Purdue University Indianapolis (IUPUI) / There is a strong urge for advanced diagnosis method, especially in high power battery packs and high energy density cell design applications, such as electric vehicle (EV) and hybrid electric vehicle segment, due to safety concerns. Accurate and robust diagnosis methods are required in order to optimize battery charge utilization and improve EV range. Battery faults cause significant model parameter variation affecting battery internal states and output. This work is focused on developing diagnosis method to reliably detect various faults inside lithium-ion cell using electrochemical model based observer and fuzzy logic algorithm, which is implementable in real-time. The internal states and outputs from battery plant model were compared against those from the electrochemical model based observer to generate the residuals. These residuals and states were further used in a fuzzy logic based residual evaluation algorithm in order to detect the battery faults. Simulation results show that the proposed methodology is able to detect various fault types including overcharge, over-discharge and aged battery quickly and reliably, thus providing an effective and accurate way of diagnosing li-ion battery faults.