Dans cette thèse, nous nous intéressons à la modélisation du problème de la corrélation d'alertes à base de modèles graphiques probabilistes. Nous avons constaté que les approches existantes de corrélation d'alertes, soit se basent sur des connaissances explicites d'experts, soit utilisent des mesures de similarité simples qui ne permettent pas de détecter des scénarios d'attaque. Pour cela, nous avons d'abord proposé une nouvelle modélisation de la corrélation d'alertes, basée sur les classifieurs Bayésiens naïfs, qui permet d'apprendre les coordinations entre les attaques élémentaires qui contribuent à la réalisation d'un scénario d'attaque. Notre modélisation nécessite seulement une légère contribution des connaissances d'experts. Elle tire profit des données disponibles et fournit des algorithmes efficaces pour la détection et la prédiction des scénarios d'attaque. Ensuite, nous avons montré comment notre approche de corrélation d'alertes peut être améliorée en prenant en considération les informations contextuelles codées en logiques de description, notamment dans le contexte d'une détection coopérative d'intrusions. Enfin, nous avons proposé plusieurs mesures d'évaluation pour un multi-classifieurs Bayésiens naïfs. Ceci est très important pour l'évaluation de notre approche de corrélation d'alertes car elle utilise un ensemble de classifieurs Bayésiens naïfs pour surveiller plusieurs objectifs d'intrusion en même temps. / In this thesis, we focus on modeling the problem of alert correlation based on probabilistic graphical models. Existing approaches either require a large amount of expert knowledge or use simple similarity measures which are not enough to detect coordinated attacks. We first proposed a new modeling for the alert correlation problem, based on naive Bayesian classifiers, which can learn the coordination between elementary attacks that contribute to the achievement of an attack scenario. Our model requires only a slight contribution of expert knowledge. It takes advantage of available data and provides efficient algorithms for detecting and predicting attacks scenario. Then we show how our alert correlation approach can be improved by taking into account contextual information encoded in description logics, particularly in the context of a cooperative intrusion detection. Finally, we proposed several evaluation measures for a naive Bayesian multi-classifiers. This is very important for evaluating our alert correlation approach because it uses a set of naive Bayesian classifiers to monitor multiple intrusion objectives simultaneously.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Cette thèse présente la fusion multi-capteurs par un réseau Bayésien appliqué au problème de localisation d'un véhicule sur une carte. La mise en correspondance d'une estimation sur un segment de route ou Road-matching consiste à trouver le segment sur lequel le véhicule roule et la position de ce véhicule sur ce segment. Plusieurs algorithmes utilisent la fusion des estimations données par l'odométrie et le GPS pour traiter le problème du road-matching. Cependant, une simple combinaison du GPS et de l'odométrie ne permet pas de se localiser de manière précise et sans interruption de service. La précision et la continuité de service peuvent être améliorées si on utilise des informations cartographiques qui permettent en particulier de contraindre les positions possibles aux seuls segments correspondants à des voies de circulation autorisées.\\ Dans de nombreux cas, lorsqu'un véhicule se trouve devant des situations ambiguës comme les routes parallèles, les jonctions de routes,... plusieurs auteurs cherchent à sélectionner le segment le plus probable. Cette phase est souvent une source d'erreurs. Dans cette thèse nous proposons de traiter tous les segments candidats jusqu'à la levée de l'ambiguïté. \\ Le problème de la localisation devient encore plus compliqué quand il s'agit d'une localisation multi-véhicules pour une navigation autonome des véhicules suiveurs. Pour un train de véhicules dont seul le premier est piloté par un opérateur humain et dont les véhicules suiveurs sont en mode autopilotage, une géo-localisation précise d'ordre centimétrique de chaque véhicule est plus que nécessaire pour les modules de contrôle pour le suivi de trajectoire du véhicule de tête. \\ Un train de véhicule peut être vu comme la généralisation du modèle de réseau Bayésien pour la localisation d'un véhicule sur une carte. Nous dupliquons le réseau autant de fois qu'on a de véhicule. Nous rajoutons des liens de connexions entre les véhicules afin de concevoir le train de véhicule.\\ Le filtre de Kalman et sa version étendue sont très utilisés en robotique, principalement pour traiter le problème de la non linéarité. Cependant, la linéarisation du système autour de l'estimée courante peut introduire des erreurs sur la moyenne et la covariance calculées \textit{a posteriori} et peut même dans d'autres cas faire diverger le filtre. \\ La transformation du système non linéaire d'un véhicule sous forme chaînée permet de représenter son équation cinématique sous forme linéaire. Par conséquent, cette transformation nous évite de faire appel aux méthodes d'inférence approximatives.

Une des conséquences les plus marquantes de l'évolution actuelle de l’industrie ferroviaire est l'augmentation des contraintes exercées aussi bien sur les voies que sur les matériels roulants ; tant en termes de sollicitations, de charges, de fréquences, qu'en termes d'exigences de disponibilité et de sécurité. De ce fait, la recherche de politiques de maintenance optimales répondant aux objectifs de disponibilité, de coûts, de sécurité est devenue un sujet particulièrement d'actualité. Pour répondre à cette demande d’ajustement des stratégies de maintenance, le formalisme des réseaux bayésiens est une approche de plus en plus utilisée pour développer des outils d'aide à la décision. Afin de s’affranchir de l’hypothèse markovienne restrictive imposée par l’utilisation « standard » des réseaux bayésiens, une structure originale a été proposée pour modéliser finement un processus de dégradation dans le cadre discret à partir de distributions de temps de séjour quelconques. Cette approche, dénommée Modèles Graphiques de Durée, autorise une finesse de modélisation du processus de dégradation qui permet de reproduire le comportement de systèmes multi-composants et multi-états, tout en tenant compte de variables exogènes. Cette modélisation semi-markovienne de la dégradation a, jusqu'à présent, été utilisée surtout pour évaluer ou comparer des stratégies de maintenance pouvant mêler des approches correctives, systématiques ou conditionnelles. Cette thèse vise à étendre les travaux précédents aux actions de maintenance prévisionnelle. Cette approche, qualifiée également de pronostic, offre en effet l’avantage d’une prédiction de l’instant optimal d’intervention maximisant la durée de fonctionnement du système avant intervention, tout en satisfaisant les contraintes d’exploitation et d’entretien. Les systèmes considérés sont à espaces d’états discrets et finis, périodiquement observables, situation fréquente pour de nombreuses applications industrielles, notamment dans le domaine des transports. Ces travaux de thèse proposent, à partir du formalisme des réseaux bayésiens dynamiques et des modèles graphiques de durée, des outils de pronostic dans le but de permettre la modélisation de politiques de maintenance préventives prévisionnelle. Pour répondre à cet objectif, un algorithme de pronostic basé sur des distributions de temps de séjour a tout d’abord été introduit, dans le but de calculer une estimation de la durée de vie résiduelle (RUL) d'un système et de la mettre à jour à chaque fois qu’un nouveau diagnostic est disponible. Pour améliorer la précision des calculs de pronostic, un nouveau modèle de dégradation a ensuite été proposé pour tenir compte de l'existence éventuelle de plusieurs dynamiques de dégradation coexistantes. Son principe consiste à identifier à chaque instant un mode de dégradation actif, puis à répercuter cette information sur les temps de séjour considérés dans les états suivants par l'utilisation de lois de temps de séjour conditionnelles. Enfin, des solutions pour diminuer la complexité des calculs d'inférence exacte sont proposées / One of the most important consequences due to current developments in the rail industry is the increase of stresses on tracks and rolling stock; in terms of loads, frequencies, and both in terms of availability and security requirements. Therefore, looking for optimal maintenance policies to meet the availability, cost and security objectives has become a particularly topical subject. To address this need of maintenance strategy adjustment, approaches using bayesian networks have increasingly been used for the development of decision support tools. To overcome the restrictive Markovian assumption induced by the use of standard bayesian networks, a specific structure has been proposed to accurately model a degradation process in discrete case using any kind of sojourn time distributions. This approach called "Graphical duration model" make possible to describe multicomponent and multi state system behaviours by taking into account many exogenous variables. This semi-markovian modelling of the degradation has mainly been used to evaluate and compare different maintenance strategies based on corrective, systematic and conditional approaches. This PhD thesis aims to extend previous works to predictive maintenance policies. This approach, based on prognosis computations, has the advantage to predict the optimal intervention time maximizing the remaining useful life of the system and both satisfying operating and maintaining constraints. Considered systems have finite discrete state spaces and are periodically observable as many existing ones in the industry and particularly in the field of transport systems. The presented works, based on the dynamic bayesian network formalism and the graphical duration model, propose prognostic tools in order to model the set of predictive maintenance policies. A prognosis algorithm is first introduced to compute the remaining useful life (RUL) of the system and update this estimation each time a new diagnosis is available. To improve the prognosis estimation accuracy, a new degradation model is proposed to take into account the possible existence of many coexisting degradation modes. The principle is to identify at each time the active degradation mode and then to use this information to choose sojourn times considered in next states using conditional sojourn times distributions. At last, some solutions to reduce the complexity of inference computations are proposed

Analyse et conception de la fiabilité sont indispensables pour le processus de développement des systèmes mécatroniques. Toutefois, des outils puissants sont nécessaires en raison de la complexité croissante et de la cherté d'essai des systèmes mécatroniques. Cette complexité nous amène des difficultés de l'incertitude de modélisation et de la dépendance inconnus, tels que la dépendance fonctionnelle et temporelle. Pour faire face à une telle complexité, la fiabilité des outils d'analyse doivent être mathématiquement puissant, facile à utiliser et efficace de calcul.Les outils classiques ont une certaine quantité d'inconvénients lors de l'évaluation de la fiabilité au niveau du système. Par exemple, les méthodes basées sur la chaîne de Markov ont un problème infime d'explosion combinatoire et le formalisme de l'arbre de défaillance ne fonctionne que quand les composants sont indépendants les uns des autres. Bien que certaines extensions, comme les arbres de défaillance dynamiques, aient été faites pour pallier les lacunes, tous ne peuvent être traitées dans un cadre unique. Le formalisme des réseaux Bayésiens a été récemment considéré comme un outil prometteur de l'inférence statistique pour l'évaluation de fiabilité du système grâce à de nombreux avantages, tels que la capacité de modélisation de la dépendance incertaine, l'intégration de données provenant de diverses sources et les outils de raisonnement bien étudiés. D'autre part, la plus grande valeur ajoutée en mécatronique est en sous-système du contrôle et du traitement de l'information. Les ingénieurs se rendent compte que la conception de contrôleur d'un système dynamique ne peut pas négliger l'exigence de la fiabilité dynamique. Diverses incertitudes influencent non seulement les performances des contrôleurs, mais aussi la fiabilité. Cependant, peu de recherches ont examiné la fiabilité dynamique des contrôleurs.Dans cette recherche, nous avons étudié le formalisme des réseaux bayésiens et développé une méthode de l'évaluation de la fiabilité des systèmes mécatroniques complexes. Cette méthode étend l'analyse bayésienne sur les composants à celle sur les systèmes complexes et permet de considérer des incertitudes des paramètres des modèles asymétriques de temps à l'échec dans les systèmes complexes. Pour effectuer l'inférence dans notre modèle de réseau bayésien, nous avons développé un algorithme modifié de la propagation de croyances non-paramétrique qui est plus efficace dans le cas complexe par rapport à d'autres outils de raisonnement. Nous avons montré également comment effectuer l'analyse de sensibilité dans notre modèle de réseau bayésien qui a une structure non-déterministe.Un contrôleur linéaire dynamique-fiable a été conu pour le module de contrôle des systèmes mécatroniques. Nous avons établi un nouveau lien entre le probabilité de la défaillance du premier passage et les gains de rétroaction des contrôleurs, et obtenu une nouvelle contrainte dynamique de fiabilité pour les objectifs classiques. Le contrôleur linéaire dynamique-fiable est également étendu au formalisme de multiple-modèle pour que la réalisation d'un contrôleur dynamique-fiable soit applicable dans le cas nonlinéaire/non-gaussien. La performance du système peut encore être améliorée dans ce cadre en utilisant les méthodes de multiple-modèle plus avancées.Une grande quantité de résultats de simulation ont démontré que les méthodes développées ont été appliquées avec succès pour analyser et concevoir des systèmes de suspension active du véhicule et peuvent être appliquée à d'autres applications, telles que d'autres systèmes mécatroniques et systèmes de contrôle actif de construction. / Reliability analysis and design become indispensable for the development process of mechatronic systems. However, versatile tools are called for because of the increas•ing complexity and the testing expensiveness of mechatronic systems. Such complexity brings the difficulties of modeling uncertainty and unknown dependency, such as functional and temporal dependency. To deal with such complexity, reliability analysis tools need to be mathematically powerful, be easy to use and be computationally efficient.Conventional tools have a number of drawbacks when evaluating the reliability at system level. For instance, Markov chain based methods have a problem of infamous combinatorial explosion and fault trees formalism works under the assumption of component independency. Although sorne extensions, such as dynamic fault trees, have been made to make up for shortcomings, not all of them can be handled in one framework. Bayesian networks formalism is recently believed to be a promising statistical inference tool for system reliability assessment thanks to many advantages, such as the ability of modeling uncertain dependency, integrating data from diverse sources and the well-studied reasoning tools. On the other hand, the biggest value-added in mechatronics is in control/information processing subsystem. Engineers realize that the controller design of a dynamic system cannot neglect the dynamic reliability requirement. Various uncertainties influence not only the controller performance but also the reliability. However, little research has considered the dynamic reliability of controllers.In this research, we have investigated the Bayesian networks formalism and developed a new system reliability assessment method for complex mechatronic systems. This method extends Bayesian analysis on components to that on complex systems and allows to consider parameter uncertainties of various skewed time-to-failure models in complex systems. To perform the inference in our Bayesian network model, we developed a modified nonparametric beHef propagation which is more efficient in the complex case compared with other reasoning tools. We showed also how to perform the sensitivity analysis in our Bayesian network model that has a non-deterministic structure. A dynamic-reliable linear controller has been designed for the control module of mechatronic systems. We established a new link between the first-passage failure probability and controllers' feedback gains, and obtained a new dynamic-reliability constraint for classical objectives. The dynamic-reliable linear controller is also extended to the multiple model formalism for achieving a dynamic-reliable controller applicable to nonlinearjnon-Gaussian cases. The system performance can be further improved in this framework by using more advanced multiple model methods.A number of simulation results demonstrated that the developed methods have been successfully applied to analyze and design active vehicle suspension systems and can be applied to other applications, such as other mechatronic systems and active building control systems.

Les réseaux de gènes régulateurs représentent un ensemble de gènes qui interagissent, directement ou indirectement, les uns avec les autres ainsi qu'avec d'autres produits cellulaires. Comme ces interactions réglementent le taux de transcription des gènes et la production subséquente de protéines fonctionnelles, l'identification de ces réseaux peut conduire à une meilleure compréhension des systèmes biologiques complexes. Les technologies telles que les puces à ADN (microarrays) et le séquençage à ultra-haut débit (RNA sequencing) permettent une étude simultanée de l'expression des milliers de gènes chez un organisme, soit le transcriptome. En mesurant l'expression des gènes au cours du temps, il est possible d'inférer (soit "reverse-engineer") la structure des réseaux biologiques qui s'impliquent pendant un processus cellulaire particulier. Cependant, ces réseaux sont en général très compliqués et difficilement élucidés, surtout vu le grand nombre de gènes considérés et le peu de répliques biologiques disponibles dans la plupart des données expérimentales.<br /> <br /> Dans ce travail, nous proposons deux méthodes pour l'identification des réseaux de gènes régulateurs qui se servent des réseaux Bayésiens dynamiques et des modèles linéaires. Dans la première méthode, nous développons un algorithme dans un cadre bayésien pour les modèles linéaires espace-état (state-space model). Les hyperparamètres sont estimés avec une procédure bayésienne empirique et une adaptation de l'algorithme espérance-maximisation. Dans la deuxième approche, nous développons une extension d'une méthode de Approximate Bayesian Computation basé sur une procédure de Monte Carlo par chaînes de Markov pour l'inférence des réseaux biologiques. Cette méthode échantillonne des lois approximatives a posteriori des interactions gène-à-gène et fournit des informations sur l'identifiabilité et le robustesse des structures sous-réseaux. La performance des deux approches est étudié via un ensemble de simulations, et les deux sont appliqués aux données transcriptomiques.

Une des causes majeures responsables de la perte de performance des ouvrages en béton armé (fissuration excessive, perte de capacité portante) peut être imputée à la corrosion des armatures présentes dans les éléments structuraux. Ce phénomène est susceptible de se développer soit par carbonatation, soit par pénétration des ions chlorures par le béton d'enrobage. C'est alors que des produits de corrosion apparaissent et génèrent des contraintes de traction qui, dès dépassement de la résistance en traction, favorisent l'apparition de fissures. D'un point de vue pratique, dès que les premières fissures sont remarquées à la surface du béton, la corrosion a généralement atteint un stade avancée et des actions de maintenance doivent être envisagées. Cela entraînent d'importants coûts évitables si une prédiction satisfaisante avait pu être réalisée. Cette étude vise à apporter des éléments de réponse à cette problématique. Deux objectifs essentiels sont considérés dans ces travaux de thèse : le premier consiste à proposer des lois de comportement robuste et satisfaisantes permettant de bien décrire le comportement des éléments de structure existants et le second vise à introduire une méthode probabiliste permettant d'actuali ser les paramètres des deux modèles sur la base de l'information disponible sur le terrain. Un cadre constitutif générique couplant élasticité, endommagement isotrope et glissement interne, thermodynamiquement admissible, est pour cela développé. Cette classe de modèles est particularisée au cas de l'interface acier/béton en présence de corrosion et au cas du béton. Ces dernières peuvent être utilisées non seulement sous chargement monotone mais aussi sous chargement cyclique. Les lois proposées permettent de prendre en compte les effets hystérétiques, les déformations permanentes et l'effet unilatéral. En outre, ces dernières ont été validées sur différents cas tests. Des versions multifibres des lois précédemment mentionnées ont également été développées pour offrir à l'ingénieur des modèles simplifiés. Une prise en compte du caractère imparfait de l'interface acier/béton au sein du formalisme multifibre est notamment considérée. L'étape d'identification des paramètres mat ériaux n'est pas toujours aisée à réaliser en raison d'une part des incertitudes qui entachent ces derniers et, d'autre part, de la méconnaissance des mécanismes locaux. Ainsi, une méthodologie probabiliste complète permettant d'actualiser les paramètres d'entrée sur la base d'observations extérieures est proposée. Elle s'appuie sur une utilisation conjointe des réseaux bayésiens et de la théorie de la fiabilité. Elle permet ainsi de réduire l'écart entre la prédiction numérique et les mesures réalisées sur le terrain. Ce travail de thèse devrait contribuer à fournir aux gestionnaires d'ouvrage des outils d'aide à la décision leur permettant de mieux gérer leurs ouvrages en béton armé / A major source of a noticeable loss of performance (excessive cracking, loss of carrying load capacity) can be attributed to the corrosion phenomena induced either by carbonation or by chloride ions ingress. The corrosion products being expansive, tensile stresses are generated and usually lead to the cover concrete cracking when tensile strength is exceeded. From a practical point of view, when first observable signs of degradation are noticed on site, it is generally too late and maintenance actions have to be made. This results in important expenses that could have been avoided if a satisfying prediction had been made. This thesis aims to propose some answers to that problem. Two main objectives have been handled. The first one consists in formulating reliable constitutive models for a better understanding of the mechanical behaviour of existing concrete structures. The second objective aims to develop a probabilistic approach for updating t he mechanical model according to experimental information available on site. A general constitutive framework, thermodynamically admissible, has been proposed coupling elasticity, isotropic damage and internal sliding. This general framework has been declined in two specific constitutive models, on one hand for modelling the steel/concrete interface including corrosion and, on the other hand for modelling the concrete behaviour. Both models are validated on several structural cases. They can be used for monotonic and cyclic loadings. Besides, they account for non linear hysteretic effects, quasi unilateral effect, permanent strains, etc. Simplified versions of the proposed constitutive models are also proposed for engineering purposes within the framework of the multifiber beams theory. In the case of the steel/concrete interface, although a Timoshenko based kinematic is assumed, a non-perfect interface between steel and concrete can be considered locally. The material para meter identification is not always straightforward. Therefore, the use of robust updating methods can improve the accuracy of mechanical models. A complete probabilistic approach based on Bayesian Networks has been proposed. It allows not only considering the uncertainties related to mechanical parameters but also reducing the gap between experimental measurements and numerical predictions. This study provides to stakeholders pertinent decision tools for predicting the structural behaviour of degraded reinforced concrete structures

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Dans la robotique mobile, le réseau de communication est un composant important du système global pour que le système accomplisse sa mission. Dans un tel type de système, appelé un système commandé en réseau sans fil (SCR sans fil ou WNCS), l’intégration du réseau sans fil dans la boucle de commande introduit des problèmes qui ont un impact sur la performance et la stabilité i.e, sur la qualité de commande (QoC). Cette QoC dépend alors de la qualité de service (QoS) et la performance du système va donc dépendre des paramètres de la QoS. C’est ainsi que l’étude de l’influence des défauts du réseau sans fil sur la QoC est cruciale. Le WNCS est un système temps réel qui a besoin d’un certain niveau de QoS pour une bonne performance. Cependant, la nature probabiliste du protocole de communication CSMA/CA utilisé dans la plupart des technologies sans fil ne garantit pas les contraintes temps réel. Il faut alors une méthode probabiliste pour analyser et définir les exigences de l’application en termes de QoS, c’est-à-dire en termes de délai, de gigue, de débit, et de perte de paquets. Une première contribution de cette thèse consiste à étudier les performances et la fiabilité d’un réseau sans fil IEEE 802.11 pour des WNCSs qui partagent le même réseau et le même serveur de commandes en développant un modèle stochastique. Ce modèle est une chaîne de Markov qui modélise la méthode d’accès au canal de communication. Ce modèle a servi pour définir les paramètres de la QoS qui peuvent garantir une bonne QoC. Nous appliquons notre approche à un robot mobile commandé par une station distante. Le robot mobile a pour mission d’atteindre une cible en évitant les obstacles. Pour garantir l’accomplissement de cette mission, une méthode de diagnostic probabiliste est primordiale puisque le comportement du système n’est pas déterministe. La deuxième contribution a été d’établir la méthode probabiliste qui sert à surveiller le bon déroulement de la mission et l’état du robot. C’est un réseau bayésien (RB) modulaire qui modélise les relations de dépendance cause-à-effet entre les défaillances qui ont un impact sur la QoC du système. La dégradation de la QoC peut être due soit à un problème lié à l’état interne du robot, soit à un problème lié à la QoS, soit à un problème lié au contrôleur lui-même. Les résultats du modèle markovien sont utilisés dans le RB modulaire pour définir l'espace d'état de ses variables (étude qualitative) et pour définir les probabilités conditionnelles de l'état de la QoS (étude quantitative). Le RB permet d’éviter la dégradation de la QoC en prenant la bonne décision qui assure la continuité de la mission. En effet, dans une approche de co-design, quand le RB détecte une dégradation de la QoC due à une mauvaise QoS, la station envoie un ordre au robot pour qu'il change son mode de fonctionnement ou qu'il commute sur un autre contrôleur débarqué. Notre hypothèse est que l’architecture de diagnostic est différente en fonction des modes de fonctionnement : nous optons pour un RB plus global et partagé lorsque le robot est connecté à la station et pour RB interne au robot lorsqu’il est autonome. La commutation d’un mode de fonctionnement débarqué à un mode embarqué implique la mise à jour du RB. Un autre apport de cette thèse est la définition d’une stratégie de commutation entre les modes de diagnostic : commutation d’un RB distribué à un RB monolithique embarqué quand le réseau de communication ne fait plus partie de l'architecture du système et vice-versa. Les résultats d’inférence et de scénario de diagnostic ont montré la pertinence de l’utilisation des RBs distribués modulaires. Ils ont aussi montré la capacité du RB développé à détecter la dégradation de la QoC et de la QoS et à superviser l’état du robot. L’aspect modulaire du RB a permis de faciliter la reconfiguration de l’outil de diagnostic selon l’architecture de commande ou de communication adaptée (RB distribué ou RB monolithique embarqué). / In mobile robotics systems, the communication network is an important component of the overall system, it enables the system to accomplish its mission. Such a system is called Wireless Networked Control System WNCS where the integration of the wireless network into the control loop introduces problems that impact its performance and stability i.e, its quality of control (QoC). This QoC depends on the quality of service (QoS) therefore, the performance of the system depends on the parameters of the QoS. The study of the influence of wireless network defects on the QoC is crucial. WNCS is considered as a real-time system that requires a certain level of QoS for good performance. However, the probabilistic behavior of the CSMA / CA communication protocol used in most wireless technologies does not guarantee real-time constraints. A probabilistic method is then needed to analyze and define the application requirements in terms of QoS: delay, jitter, rate, packet loss. A first contribution of this thesis is to study the performance and reliability of an IEEE 802.11 wireless network for WNCSs that share the same network and the same control server by developing a stochastic model. This model is a Markov chain that models the access procedure to the communication channel. This model is used to define the QoS parameters that can guarantee the good QoC. In this thesis, we apply our approach to a mobile robot controlled by a remote station. The mobile robot aims to reach a target by avoiding obstacles, a classic example of mobile robotics applications. To ensure that its mission is accomplished, a probabilistic diagnostic method is essential because the system behavior is not deterministic. The second contribution of this thesis is to establish the probabilistic method used to monitor the robot mission and state. It is a modular Bayesian network BN that models cause-and-effect dependency relationships between failures that have an impact on the system QoC. The QoC degradation may be due either to a problem related to the internal state of the robot, a QoS problem or a controller problem. The results of the Markov model analysis are used in the modular BN to define its variables states (qualitative study) and to define the conditional probabilities of the QoS (quantitative study). It is an approach that permits to avoid the QoC degradation by making the right decision that ensures the continuity of the mission. In a co-design approach, when the BN detects a degradation of the QoC due to a bad QoS, the station sends an order to the robot to change its operation mode or to switch to another distant controller. Our hypothesis is that the diagnostic architecture depends on the operation mode. A distributed BN is used when the robot is connected to the station and a monolithic embedded BN when it is autonomous. Switching from a distributed controller to an on-board one involves updating the developed BN. Another contribution of this thesis consists in defining a switching strategy between the diagnostic modes: switching from a distributed BN to an on-board monolithic BN when the communication network takes no longer part of the system architecture and vice versa -versa. The inference and diagnostic scenarii results show the relevance of using distributed modular BNs. They also prove the ability of the developed BN to detect the degradation of QoC and QoS and to supervise the state of the robot. The modular structure of the BN facilitates the reconfiguration of the diagnostic policy according to the adapted control and communication architecture (distributed BN or on-board monolithic RB).

Le niveau de complexité croissant des systèmes et les exigences de performances et de sûreté de fonctionnement qui leur sont associées ont induit la nécessité de développer de nouvelles approches de surveillance. Les travaux de cette thèse portent sur la surveillance des systèmes complexes, notamment la détection, le diagnostic et le pronostic de défauts, avec une méthodologie basée sur la fusion de décisions. L’objectif principal est de proposer une approche générique de fusion de diverses méthodes de surveillance, dont la performance serait meilleure que celles des méthodes individuelles la composant. Pour cela, nous avons proposé une nouvelle démarche de fusion de décisions, basée sur la théorie Bayésienne. Cette démarche s’appuie sur une déduction théorique des paramètres du Réseau Bayésien en fonction des objectifs de performance à atteindre en surveillance. Le développement conduit à un problème multi-objectif sous contraintes, résolu par une approche lexicographique. La première étape se déroule hors-ligne et consiste à définir les objectifs de performance à respecter afin d’améliorer les performances globales du système. Les paramètres du réseau Bayésien permettant de respecter ces objectifs sont ensuite déduits de façon théorique. Enfin, le réseau Bayésien paramétré est utilisé en ligne afin de tester les performances de la fusion de décisions. Cette méthodologie est adaptée et appliquée d’une part à la détection et au diagnostic, et d’autre part au pronostic. Les performances sont évaluées en termes de taux de diagnostic de défauts (FDR) et taux de fausses alarmes (FAR) pour l’étape de détection et de diagnostic, et en durée de fonctionnement avant la défaillance du système (RUL) pour le pronostic. / Nowadays, systems are becoming more and more complex and require new effective methods for their supervision. This latter comprises a monitoring phase that aims to improve the system’s performances and ensure a safety production for humans and materials. This thesis work deals with fault detection, diagnosis and prognosis, with a methodology based on decisions fusion. The main issue concerns the integration of different decisions emanating from individual monitoring methods in order to obtain more reliable results. The methodology is based on a theoretical learning of the Bayesian network parameters, according to monitoring objectives to be reached. The development leads to a multi-objective problem under constraints, which is solved with a lexicographic approach. The first step is offline and consists of defining the objectives to be achieved in order to improve the overall performance of the system. The Bayesian network parameters respecting these objectives are then deduced theoretically. Finally, the parametrized Bayesian network is used online to test the decision fusion performances. These performances are evaluated in terms of Fault Diagnostic Rate (FDR) and False Alarm Rate (FAR) for the detection and diagnosis stage, and in terms of Remaining Useful Life (RUL) for the prognosis.