La sécurité des systèmes de transports intelligents est au centre de tous les débats. Afin de s’assurer un fonctionnement sécuritaire, il est nécessaire de pouvoir vérifier le bon fonctionnement des capteurs permettant d’avoir une parfaite connaissance de l’environnement et de l’état du véhicule. Cette thèse présente une nouvelle solution de détection et d’identification de faute pouvant apparaitre sur les capteurs embarqués d’un véhicule intelligent. Cette méthode est basée sur la redondance analytique des données, consistant à estimer une même mesure à l’aide de capteurs de différentes natures. Cette mesure subit alors une transformation non linéaire permettant à la fois d’accroitre la sensibilité aux fautes et d’être plus robuste aux bruits. Cette étude propose plusieurs solutions de transformation et d’estimation qui seront évaluées en simulation avant de proposer une méthode d’optimisation de la prise de décision en fonction de critères choisis par l’utilisateur. La description de l’architecture, des méthodes employées ainsi que des équations permettant l’établissement de celle-ci seront décrites dans le chapitre 3. L’évaluation en simulation des performances de l’architecture sera effectuée dans le chapitre 4 avant une analyse finale des résultats ainsi qu’une comparaison avec une solution existante dans le dernier chapitre, permettant la validation de notre approche.

L'étude présentée propose des solutions pour la détection et localisation de défauts dans les entraînements électriques et en particulier pour ceux à base de machine asynchrone. Les défauts considérés peuvent affecter la machine, le convertisseur, la mécanique et les capteurs. Ces ensembles fonctionnent à vitesse variable et possèdent une structure de contrôle vectoriel à flux orienté ainsi qu'un contrôle de vitesse. A partir des résultats de caractérisation des défauts, issus des simulations ou des mesures, deux approches sont proposées. La première repose sur l'utilisation d'outils de traitement du signal. Des solutions sont proposées pour s'affranchir du contexte de la vitesse variable via l'enregistrement à écart de position constant (position mécanique ou du champ statorique). La deuxième approche repose sur l'utilisation de la redondance analytique pour effectuer la détection et localisation de défauts. Des observateurs d'état étendus (filtre de Kalman étendu, modèle de référence adaptatif) sont étudiés et testés expérimentalement. Afin de réaliser la localisation des défauts, des observateurs à entrées inconnues sont également proposés. A partir des outils développés, des approches pour constituer un outil de surveillance globale sont proposées. Certaines reposent sur des combinaisons logiques, d'autres sur les réseaux de neurones.

L'étude présentée propose des solutions aux problèmes de la détection et de la localisation de défauts dans les entraînements électriques en général, dans la boucle de courant d'un entraînement à courant continu en particulier. Les défauts considérés sont ceux de l'ensemble de puissance pris dans sa globalité, de la commande et des capteurs associés. Les méthodes de diagnostic par redondance analytique à l'aide d'observateurs, observateurs à entrées inconnues, observateur de Luenberger et observateurs généralisés sont transposées vers les applications électrotechniques et comparées. La génération robuste vis à vis des incertitudes structurées est réalisée à l'aide des deux approches temporelle et fréquentielle. Les solutions obtenues grâce à l'optimisation d'un critère fréquentiel sont également étudiées. La problématique de la réalisation de structures de détection et de localisation à l'aide de ces outils est formalisée en fonction du nombre de capteurs disponibles et du nombre de défauts affectant le système. Des procédures de synthèse sont étudiées et proposées. Les approches, après avoir été validées sur des modèles de simulation fins du procédé en défaut, sont appliquées expérimentalement.

Le travail présenté contribue au domaine du diagnostic de défauts. Dans ce travail, une méthode structurelle pour la conception des sous-systèmes testables est présentée. Elle permet de générer des relations de redondance analytiques automatiquement. Contrairement aux approches existantes, cette approche ne s'appuie pas sur un schéma de propagations ou d'éliminations séquentiels. Le formalisme proposé ainsi que la méthode envisagée visent d'une part à étendre les possibilités des méthodes existantes et d'autre part à en diminuer la complexité. Une nouvelle approche structurelle pour le placement de capteurs en prenant en compte des spécifications de diagnosticabilité est présentée. Cette nouvelle approche permet de trouver le meilleur placement de capteurs au sens de critères de diagnosticabilité sans nécessiter la conception préalable des relations de redondance analytique. Les différents résultats sont appliqués à la conception d'un système de diagnostic pour une installation photovoltaïque.

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.

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.

Cette thèse développe des approches pour le diagnostic et le pronostic de systèmes dynamiques incertains en utilisant la technique de modélisation Bond Graph (BG). Tout d'abord, une représentation par intervalles des incertitudes paramétriques et de mesures est intégrée à un modèle BG-LFT (Linear Fractional Transformation). Une méthode de détection robuste de défaut est développée en utilisant les règles de l'arithmétique d'intervalle pour la génération de seuils robustes et adaptatifs sur les résidus nominaux. La méthode est validée en temps réel sur un système de générateur de vapeur.Deuxièmement, une nouvelle méthodologie de pronostic hybride est développée en utilisant les Relations de Redondance Analytique déduites d'un modèle BG et les Filtres Particulaires. Une estimation de l'état courant du paramètre candidat pour le pronostic est obtenue en termes probabilistes. La prédiction de la durée de vie résiduelle est atteinte en termes probabilistes. Les incertitudes associées aux mesures bruitées, les conditions environnementales, etc. sont gérées efficacement. La méthode est validée en temps réel sur un système mécatronique incertain.Enfin, la méthodologie de pronostic développée est mise en œuvre et validée pour le suivi efficace de la santé d'un sous-système électrochimique d’une pile à combustible à membrane échangeuse de protons (PEMFC) industrielle à l’aide de données de dégradation réelles. / This thesis develops the approaches for diagnostics and prognostics of uncertain dynamic systems in Bond Graph (BG) modeling framework. Firstly, properties of Interval Arithmetic (IA) and BG in Linear Fractional Transformation, are integrated for representation of parametric and measurement uncertainties on an uncertain BG model. Robust fault detection methodology is developed by utilizing the rules of IA for the generation of adaptive interval valued thresholds over the nominal residuals. The method is validated in real time on an uncertain and highly complex steam generator system.Secondly, a novel hybrid prognostic methodology is developed using BG derived Analytical Redundancy Relationships and Particle Filtering algorithms. Estimations of the current state of health of a system parameter and the associated hidden parameters are achieved in probabilistic terms. Prediction of the Remaining Useful Life (RUL) of the system parameter is also achieved in probabilistic terms. The associated uncertainties arising out of noisy measurements, environmental conditions etc. are effectively managed to produce a reliable prediction of RUL with suitable confidence bounds. The method is validated in real time on an uncertain mechatronic system.Thirdly, the prognostic methodology is validated and implemented on the electrical electro-chemical subsystem of an industrial Proton Exchange Membrane Fuel Cell. A BG of the latter is utilized which is suited for diagnostics and prognostics. The hybrid prognostic methodology is validated, involving real degradation data sets.