Ce mémoire de thèse est consacré à la conception de méthodes de diagnostic à base de modèles fondées sur les observateurs pour les systèmes non linéaires modélisés comme des systèmes singuliers (D) linéaires à paramètres variants (LPV), notés D-LPV (Descriptor-Linear Parameter Varying). Les systèmes D-LPV constituent une classe particulière de systèmes approximant avec un certain degré de précision la dynamique des systèmes complexes non linéaires à partir d’une combinaison de modèles linéaires locaux pondérés par des fonctions convexes d'ordonnancement. Dans le contexte de l’apparition de défauts capteurs ou actionneurs, ce travail de thèse s’attache aux systèmes pour lesquels ces fonctions d'ordonnancement sont non mesurables mais dépendent de l'état du système. Afin de détecter et isoler des défauts, ce travail de thèse développe des synthèses d'observateurs appropriés en développant des nouvelles conditions suffisantes en termes d’inégalités matricielles linéaires (LMI) pour garantir la synthèse de résidus sensibles aux défauts et robustes aux erreurs d’estimation inhérentes aux fonctions d'ordonnancement non mesurables. - Étendant des méthodes H∞ afin d’effectuer l'estimation d'état, la détection de pannes, la localisation et la reconstruction de défaut sur les capteurs ; - Garantissant une sensibilité “optimale” aux pannes vis-À-Vis du rejet de perturbations au travers le développement d’observateurs de type H_/H∞. À cette fin, le mémoire de thèse est organisé en cinq chapitres : Le Chapitre 1 est consacré à l’introduction générale, aux objectifs et contributions de ce travail. Le Chapitre 2 présente les éléments nécessaires pour décrire la représentation, la modélisation, les propriétés, l'analyse et la conception d'observateur pour les systèmes D-LPV ainsi qu’un état de l’art détaillé des travaux associés à ce thème de recherche. Le Chapitre 3 est dédié au développement de trois méthodes différentes fondées sur la théorie H∞ pour concevoir des observateurs de détection de défaut pour les systèmes D-LPV. Les méthodes proposées sont appliquées à un exemple dans le cadre de la détection de défaut capteurs. L’isolation de ces défauts est mise en œuvre au travers un banc d’observateurs et les performances de chacune des trois méthodes sont comparées. Le Chapitre 4 propose une méthode de détection de défauts sur la base d’observateurs établis sur le principe H_/H∞, tenant compte ainsi d'un meilleur compromis entre la sensibilité aux pannes et la robustesse aux perturbations. De nouvelles conditions suffisantes à l’aide de LMI sont proposées afin de résoudre le problème de synthèse du gain des observateurs. Le dernier chapitre est dédié à la conclusion générale et à l’analyse de problèmes ouverts pouvant être abordés dans des travaux futurs / This work is dedicated to the synthesis of model-Based fault detection and isolation (FDI) techniques based on observers for nonlinear systems modeled as Descriptor-Linear Parameter Varying (D-LPV) systems. D-LPV systems are a particular class of systems that can represent (or approximate in some degree of accuracy), complex nonlinear systems by a set of linear local models blended through convex parameter-Dependent scheduling functions. The global D-LPV System can describe both time-Varying and nonlinear behavior. Nevertheless, in many applications the time-Varying parameters in the scheduling functions could be unmeasurable. Models which depend on unmeasurable scheduling functions cover a wide class of nonlinear systems compared to models with measurable scheduling functions, but the design of control schemes for D-LPV systems with unmeasurable scheduling functions are more difficult than those with a measurable one, because the design of such control schemes involve the estimation of the scheduling vector. This topic is addressed in this work by considering the following main targets: • to design FDI in D-LPV systems based on -H∞ observers in order to guarantee robustness against disturbances and errors due the unmeasurable gain scheduling functions • to extend the proposed -H∞ methods to perform state estimation and fault detection, isolation and fault magnitude estimation in the case of sensor faults • to guarantee the best trade-Off between fault sensitivity and disturbance rejection by developing H_/H∞ fault detection observers for D-LPV systems. The thesis is organized as follows Chapter 1 is dedicated to provide a general introduction, the objectives and contribution of this work.Chapter 2 is organized in order to provide the minimum necessary elements to describe the representation, modeling, properties, analysis, and observer design of D-LPV systems. Chapter 2 is also dedicated to a detailed review of the state of the art. Chapter 3 is dedicated to the development of three different methods to design fault detection observers for D-LPV systems based on H∞ theory. Finally, the proposed methods are applied to an example, for sensor fault detection and isolation by means of an observer bank, in order to compare the performance of each method. Chapter 4 is dedicated to the design of a FDI method based on observers with H_/H∞ performance. Based on the H_/H∞ approach, which considers the best trade-Off between fault sensitivity and robustness to disturbance, adequate LMIs are obtained to guarantee sufficient conditions for the design problem. In order to illustrate the effectiveness of the proposed techniques, an example is considered

Les avions du futur auront une topologie tout électrique. Pour cela, les constructeurs augmentent la puissance et la tension d'utilisation du réseau d'énergie embarqué. Cependant, le défaut d'arc électrique est un risque qui est souvent la cause d'incidents d'exploitation voire de crash. La contribution de cette thèse porte sur la problématique de l'identification et la détection de défauts électriques sur un réseau de distribution d'énergie de type HVDC ±270VDC destiné à l'aéronautique. Dans ce manuscrit, le premier axe suivi est exploratoire. Il porte sur l'observation du comportement et de la phénoménologie d'arc dans le milieu proche de l'aéronautique (notamment par l'émulation de l'altitude par la pression). Le second axe de recherche porte sur l'analyse, la mise au point et le développement de méthode de détection fiable d'un défaut d'arc électrique par un coeur de distribution d'énergie (SSPC) sur charges résistive et légèrement inductive. Cinq méthodes ont été développées au cours de ce travail de thèse. Elles sont basées sur l'analyse des caractéristiques temporelles, fréquentielles et temps-fréquence du courant de ligne. À l'issue de chaque méthode est produit un indicateur qui est ensuite utilisé par une logique de discrimination dépendant de chaque critère. Le comportement non-déterministe des arcs notamment aux conditions d'expérimentation (courant, tension, matériaux des électrodes, longueur de l'arc, etc.) rendent la détection difficile par un simple seuil sur le résultat des critères. Dans ces travaux, une approche proportionnelle au défaut est proposée pour la discrimination à l'aide de seuils variables selon le courant, la variation de charge ou le bruit électrique du système. Le résultat combiné des méthodes aboutit à une décision de mise en protection. Pour valider expérimentalement les algorithmes proposés, une vaste base de données a été constituée comprenant aussi bien des signaux de nature résistive que selfique avec à la fois des arcs et des variations de charges sans arcs afin de vérifier qu'aucune détection n'opère à tort. Le fruit de ces travaux a été en partie implémenté dans un prototype d'analyse en temps réel de la ligne de distribution / Tomorrow’s aircraft will have an all-electric topology. This mean, manufacturers boost power and voltage of the embedded energy network. Nevertheless, the lack of an electric arc is a risk that is often the cause of the crash or operated occurrences. This thesis contributions concerns identification issue and electric arc fault detection on an energy distribution smart grid of HVDC network dedicated to avionic. The first line of this manuscript is exploratory. It covers behavioural observation and arc phenomenology in the grounded sphere of aeronautic (in particular emulated altitude by pressure). The second line of research deals with analysis, clarification and development of reliable approach of electric arc default detection through a central energy distribution on resistive charges. Five methods have been initiated throughout this thesis paper. They are based on several characteristic (time, frequency and time-frequency) of the line current. An indicator is produced at the end of each method. Subsequently, the indicator is used by a logic of discrimination according to each criterion. The non-deterministic behaviour of arc notably testing conditions (current, voltage, electrode materials, etc. makes detection difficult by a simple threshold on result of criteria. In this work, a new approach of arc fault discrimination is proposed. This used a proportional and variable threshold according to the current, load or noise variations from the system. The combined outcome of method results to a decision providing protection. To confirm experimentally proposed algorithms, a wide range database has been established. That included equally resistive and inductive signals with both arcs and load variations without arc fault so as to ensure that any detection is not mistakenly occurring. The upshot of this research work has been implemented in real time protection device prototype for HVDC +-270V smart-grid

Les injections de fautes laser induisent des fautes transitoires dans les circuits intégrés en générant localement des courants transitoires qui inversent temporairement les sorties des portes illuminées. L'injection de fautes laser peut être anticipée ou étudiée en utilisant des outils de simulation à différents niveaux d'abstraction: physique, électrique ou logique. Au niveau électrique, le modèle classique d'injection de fautes laser repose sur l'ajout de sources de courant aux différents nœuds sensibles des transistors MOS. Cependant, ce modèle ne prend pas en compte les grands composants de courant transitoire également induits entre le VDD et le GND des circuits intégrés conçus avec des technologies CMOS avancées. Ces courants de court-circuit provoquent un significatif IR drop qui contribue au processus d'injection de faute. Cette thèse décrit notre recherche sur l'évaluation de cette contribution. Il montre par des simulations et des expériences que lors de campagnes d'injection de fautes laser, le IR drop induite par laser est toujours présente lorsque l'on considère des circuits conçus dans des technologies submicroniques profondes. Il introduit un modèle de faute électrique amélioré prenant en compte le IR drop induite par laser. Il propose également une méthodologie qui utilise des outils CAD standard pour permettre l'utilisation du modèle électrique amélioré pour simuler des fautes induits par laser au niveau électrique dans des circuits à grande échelle. Sur la base de simulations et de résultats expérimentaux supplémentaires, nous avons constaté que, selon les caractéristiques de l'impulsion laser, le nombre de fautes injectées peut être sous-estimé par un facteur aussi grand que 3 si le IR drop induite par laser est ignorée. Cela pourrait conduire à des estimations incorrectes du seuil d'injection des fautes, ce qui est particulièrement pertinent pour la conception de techniques de contre-mesures pour les systèmes intégrés sécurisés. De plus, les résultats expérimentaux et de simulation montrent que même si l'injection de fautes laser est une technique d'injection de fautes très locale et précise, les IR drops induites ont un effet global se propageant à travers le réseau d'alimentation. Cela donne des preuves expérimentales que l'effet de l'illumination laser n'est pas aussi local que d'habitude. / Laser fault injections induce transient faults into ICs by locally generating transient currents that temporarily flip the outputs of the illuminated gates. Laser fault injection can be anticipated or studied by using simulation tools at different abstraction levels: physical, electrical or logical. At the electrical level, the classical laser-fault injection model is based on the addition of current sources to the various sensitive nodes of MOS transistors. However, this model does not take into account the large transient current components also induced between the VDD and GND of ICs designed with advanced CMOS technologies. These short-circuit currents provoke a significant IR drop that contribute to the fault injection process. This thesis describes our research on the assessment of this contribution. It shows by simulation and experiments that during laser fault injection campaigns, laser-induced IR drop is always present when considering circuits designed in deep submicron technologies. It introduces an enhanced electrical fault model taking the laser-induced IR-drop into account. It also proposes a methodology that uses standard CAD tools to allow the use of the enhanced electrical model to simulate laser-induced faults at the electrical level in large-scale circuits. On the basis of further simulations and experimental results, we found that, depending on the laser pulse characteristics, the number of injected faults may be underestimated by a factor as large as 3 if the laser-induced IR-drop is ignored. This could lead to incorrect estimations of the fault injection threshold, which is especially relevant to the design of countermeasure techniques for secure integrated systems. Furthermore, experimental and simulation results show that even though laser fault injection is a very local and accurate fault injection technique, the induced IR drops have a global effect spreading through the supply network. This gives experimental evidence that the effect of laser illumination is not as local as usually considered.

La mise en place d’un nouveau canal d’alimentation électrique incorporant un générateur à aimants permanents PMG (Permanent Magnet Generator) en remplacement de l’actuel canal de génération hydraulique est l’un des sujets de recherche en cours dans le secteur aéronautique. Le choix de cette solution est motivé par de nombreux avantages : réduction de masse, meilleure disponibilité du réseau hydraulique et maintenance plus aisée. Cependant, l’utilisation d’un PMG en tant que générateur électrique au sein d’un avion implique de nouvelles problématiques, notamment en ce qui concerne la sûreté de fonctionnement lors de défaillances internes au PMG. En effet, tant que le rotor est en rotation, la présence d’une excitation permanente due aux aimants entretient la présence du défaut même si le stator n’est plus alimenté, ce qui complexifie la mise en sécurité du PMG. Il est ainsi nécessaire de connaître précisément l’état de santé du PMG afin d’assurer une bonne continuité de service en évitant d’ordonner la mise en sécurité du PMG sur des défaillances externes au générateur. C’est pourquoi les travaux de cette thèse portent sur la détection des courts-circuits inter-spires dans les PMG, ces défauts ayant été identifiés comme les plus critiques pour ce type de machine. Compte tenu du contexte aéronautique, il a été choisi de travailler sur les méthodes de détection basées sur l’estimation de paramètres via un modèle mathématique de la machine en utilisant le Filtre de Kalman Etendu (FKE). En effet, s’il est correctement paramétré, le FKE permet d’obtenir une bonne dynamique de détection et s’avère être très robuste aux variations du réseau électrique (vitesse, déséquilibre, …), critère important pour garantir un canal de génération fiable. Deux types de modèle mathématique sont présentés pour la construction d’un indicateur de défaut utilisant les estimations fournies par le FKE. Le premier est basé sur une représentation saine du PMG où l’indicateur de défaut est construit à partir de l’estimation de certains paramètres de la machine (résistance, inductance, constante de fem ou pulsation électrique). Le second modèle utilise une formulation d’un PMG défaillant qui permet d’estimer le pourcentage de spires en court-circuit. Après avoir comparé et validé expérimentalement le comportement des différents indicateurs sur un banc de test à puissance réduite, la mise en place d’un indicateur de court-circuit inter-spires au sein d’un réseau électrique aéronautique et son interaction avec les protections existantes sur avion sont étudiées dans la dernière partie de ce mémoire. / The establishment of an electrical power supply channel including a Permanent Magnet Generator (PMG) to replace an hydraulic power channel is one of the current topics of research in the aeronautic field. This choice is motivated by several benefits : weight reduction, improvement of the hydraulic network avaibility and easier maintenance. However, the use of PMG as an electrical generator in an aircraft implies new issues, particularly as regards safety considerations when an internal fault occurs in the PMG. Indeed, as long as the rotor in rotating, the presence of the persistent excitation due to the magnets maintains the internal fault even if the stator is de-energized. This makes the safety procedure of PMG more complex. Therefore, it is necessary to precisely know the behavior of the PMG (healthy or faulty) to ensure the avaibility of this power supply channel in order to avoid triggering PMG safety procedure when an external fault occurs. Thus, this work deals with the on-line detection of inter-turn short-circuits in PMG, these faults have been identified as the most critical for this kind of machine Given the aeronautic context, it has been decided to work on detection methods based on parameter estimation via a mathematical model of the machine using the Extended Kalman Filter (EKF). Indeed, with an appropriate setting, the EKF provides a fast dynamic detection and can be very robust to variations in the electrical network (speed, unbalanced, ...) which is an important characteristic to ensure a reliable generation channel. Two types of mathematical model are presented for fault indicator construction using the estimations provided by the EKF. The first one is based on an healthy representation of the PMG where the fault indicator is built from the estimation of PMG electrical parameters (resistance, inductance, electromotive force constant or electrical rotational velocity). The second model uses a faulty PMG formulation to estimate the ratio of short-circuited turns. After the comparison and the experimental validation of the fault indicators behavior on a test bench at reduced power, the establishment of a inter-turn short-circuit indicator within an aircraft electrical system and its interaction with existing protections are studied in the last part of this thesis.

[pt] A humanidade está vivenciando a Quarta Revolução Industrial, caracterizada pela implementação global da internet, utilização de inteligência artificial e automatização dos processos. Este último é de grande importância para indústria química, uma vez que seu desenvolvimento possibilitou um aumento significativo da quantidade de dados armazenados diariamente, o que gerou uma demanda para análise desses dados. Este enorme fluxo de informações tornou o sistema cada vez mais complexo com uma aleatoriedade de falhas no processo que se identificadas poderiam ajudar a melhorar o processo e evitar acidentes. Uma solução ainda pouco comum na indústria, porém com grande potencial para identificar estas falhas de processo com excelência, é a emergente inteligência artificial. Para lidar com esta questão, o presente trabalho realiza a detecção e identificação de falhas em processos industriais através da modelagem de redes neurais artificias. O banco de dados foi obtido através do uso do benchmark de processo Tennessee Eastman, implementado no Software Matlab 2017b, o qual foi projetado para simular uma planta química completa. A enorme quantidade de dados gerados pelo processo tornou possível a simulação em um contexto de Big Data. Para modelagem dos dados, foram tanto aplicadas redes neurais tradicionais feedforward, quanto redes recorrentes: Rede de Elman e Echo State Network. Os resultados apontaram que as redes feedforward e de Elman obtiveram melhores desempenhos analisados pelo coeficiente de determinação (R2). Assim, o primeiro modelo obteve melhor topologia com 37x60x70x1, algoritmo de treinamento trainlm, funções de ativação tansig para as duas camadas intermediárias e camada de saída ativada pela purelin com R2 de 88,69 por cento. O modelo da rede de Elman apresentou sua melhor topologia com 37x45x55x1, algoritmo de treinamento trainlm, funções de ativação tansig para as duas camadas intermediárias e camada de saída ativada pela função purelin com R2 de 83,63 por cento. Foi concluido que as redes analisadas podem ser usadas em controle preditivo de falhas em processos industriais, podendo ser aplicadas em plantas químicas no futuro. / [en] Humanity is experiencing the 4th Industrial Revolution, characterized by the global implementation of the internet, use of artificial intelligence and automation of processes. The last one is of great importance for the chemical industry, since its development allowed a significant increase in the amount of data stored daily, which generated a demand for the analysis of this data. This enormous flow of information made the system more and more complex with a randomness of process faults that if identified could help improve the process and prevent accidents. A solution not yet common in industry, but with great potential to identify these process faults with excellence, is the emergent artificial intelligence. To deal with this issue, the present work performs fault detection and diagnosis in industrial processes through artificial neural networks modeling. The database was obtained using the benchmark of processes Tennessee Eastman, implemented in Matlab 2017b Software, which is designed to simulate a complete chemical plant. The huge amount of data generated by the process made it possible to simulate in a Big Data context. For data modeling, were applied both traditional feedforward neural networks as well as recurrent networks: Elman Network and Echo State Network. The results indicated that the feedforward and Elman networks obtained better performances analyzed by the determination coefficient (R2). Thus, the first model obtained the best topology with 37x60x70x1, trainlm as training algorithm, tansig as activation functions for the two intermediate layers and output layer activated by the purelin function with R2 of 88.69 percent. The Elman network model presented its best topology with 37x45x55x1, trainlm as training algorithm, tansig as activation functions for the two intermediate layers and output layer activated by purelin function with R2 of 83.63 percent. It was concluded that the analyzed networks can be used in predictive control of fault in industrial processes and can be applied in chemical plants in the future.

Cette thèse s’inscrit dans le domaine de l'intelligence ambiante (Ambient Intelligence - AmI). Les systèmes AmI sont des systèmes interactifs composés de plusieurs éléments hétérogènes. Principalement : les capteurs et les effecteurs.D'un point de vue fonctionnel, l'objectif des systèmes AmI est d'activer certains effecteurs, sur la base des mesures des capteurs. Toutefois, les capteurs et les effecteurs peuvent subir des défaillances. Notre motivation dans cette thèse est de munir les systèmes AmI de capacités d'auto-détection des pannes.Les ressources physiques ne sont pas nécessairement connues au moment de la conception, mais elles sont plutôt découvertes dynamiquement lors de l'exécution. Il est donc impossible d’appliquer les techniques classiques pour prédéterminer des boucles de régulation ad-hoc.Nous proposons une nouvelle approche où la stratégie de détection de défaillances est déterminée dynamiquement lors de l'exécution. Pour cela, les couplages entre capteurs et effecteurs sont déduits automatiquement lors de l’exécution. Ceci est rendu possible par la modélisation des caractéristiques des capteurs, des effecteurs, ainsi que des phénomènes physiques (que nous appelons effets) qui sont attendus dans l'environnement ambiant suite à une action d’un effecteur. Ces effets sont utilisés en run-time pour lier les effecteurs (produisant les effets) avec les capteurs correspondants (détectant ces effets). Nous introduisons une plateforme de détection des pannes qui génère à l’exécution un modèle de prédiction des valeurs attendues sur les capteurs. Ce modèle, de nature hétérogène (il mêle flots de données et automates finis) est exécuté par un outil adapté (ModHel’X) de façon à fournir les valeurs attendues à chaque instant. Notre plateforme compare alors ces valeurs avec les valeurs réellement mesurées de façon à détecter les défaillances. / This thesis takes place in the field of Ambient Intelligence (AmI). AmI Systems are interactive systems composed of many heterogeneous components. From a hardware perspective these components can be divided into two main classes: sensors, using which the system observes its surroundings, and actuators, through which the system acts upon its surroundings in order to execute specific tasks.From a functional point of view, the goal of AmI Systems is to activate some actuators, based on data provided by some sensors. However, sensors and actuators may suffer failures. Our motivation in this thesis is to equip ambient systems with self fault detection capabilities. One of the particularities of AmI systems is that instances of physical resources (mainly sensors and actuators) are not necessarily known at design time; instead they are dynamically discovered at run-time. In consequence, one could not apply classical control theory to pre-determine closed control loops using the available sensors. We propose an approach in which the fault detection and diagnosis in AmI systems is dynamically done at run-time, while decoupling actuators and sensors at design time. We introduce a Fault Detection and Diagnosis framework modeling the generic characteristics of actuators and sensors, and the physical effects that are expected on the physical environment when a given action is performed by the system's actuators. These effects are then used at run-time to link actuators (that produce them) with the corresponding sensors (that detect them). Most importantly the mathematical model describing each effect allows the calculation of the expected readings of sensors. Comparing the predicted values with the actual values provided by sensors allows us to achieve fault-detection.

Les travaux de cette thèse portent sur la détection et le diagnostic des défauts naissants dans les systèmes d’ingénierie et industriels, par des approches statistiques non-paramétriques. Un défaut naissant est censé provoquer comme tout défaut un changement anormal dans les mesures des variables du système. Ce changement est imperceptible mais aussi imprévisible dû à l’important rapport signal-sur défaut, et le faible rapport défaut-sur-bruit caractérisant le défaut naissant. La détection et l’identification d’un changement général nécessite une approche globale qui prend en compte la totalité de la signature des défauts. Dans ce cadre, la divergence de Kullback-Leibler est proposée comme indicateur général de défauts, sensible aux petites variations anormales cachées dans les variations du bruit. Une approche d’analyse spectrale globale est également proposée pour le diagnostic de défauts ayant une signature fréquentielle. L’application de l’approche statistique globale est illustrée sur deux études différentes. La première concerne la détection et la caractérisation, par courants de Foucault, des fissures dans les structures conductrices. La deuxième application concerne le diagnostic des défauts de roulements dans les machines électriques tournantes. En outre, ce travail traite le problème d’estimation de l’amplitude des défauts naissants. Une analyse théorique menée dans le cadre d’une modélisation par analyse en composantes principales, conduit à un modèle analytique de la divergence ne dépendant que des paramètres du défaut. / This phD dissertation deals with the detection and diagnosis of incipient faults in engineering and industrial systems by non-parametric statistical approaches. An incipient fault is supposed to provoke an abnormal change in the measurements of the system variables. However, this change is imperceptible and also unpredictable due to the large signal-to-fault ratio and the low fault-to-noise ratio characterizing the incipient fault. The detection and identification of a global change require a ’global’ approach that takes into account the total faults signature. In this context, the Kullback-Leibler divergence is considered to be a ’global’ fault indicator, which is recommended sensitive to abnormal small variations hidden in noise. A ’global’ spectral analysis approach is also proposed for the diagnosis of faults with a frequency signature. The ’global’ statistical approach is proved on two application studies. The first one concerns the detection and characterization of minor cracks in conductive structures. The second application concerns the diagnosis of bearing faults in electrical rotating machines. In addition, the fault estimation problem is addressed in this work. A theoretical study is conducted to obtain an analytical model of the KL divergence, from which an estimate of the amplitude of the incipient fault is derived.

Neste trabalho, um novo enfoque para detecção e diagnóstico de falhas (DDF) em robôs manipuladores é apresentado. Um robô com falhas pode causar sérios danos e pode colocar em risco o pessoal presente no ambiente de trabalho. Geralmente, os pesquisadores têm proposto esquemas de DDF baseados no modelo matemático do sistema. Contudo, erros de modelagem podem ocultar os efeitos das falhas e podem ser uma fonte de alarmes falsos. Aqui, duas redes neurais artificiais são utilizadas em um sistema de DDF para robôs manipuladores. Um perceptron multicamadas treinado por retropropagação do erro é usado para reproduzir o comportamento dinâmico do manipulador. As saídas do perceptron são comparadas com as variáveis medidas, gerando o vetor de resíduos. Em seguida, uma rede com função de base radial é usada para classificar os resíduos, gerando a isolação das falhas. Quatro algoritmos diferentes são empregados para treinar esta rede. O primeiro utiliza regularização para reduzir a flexibilidade do modelo. O segundo emprega regularização também, mas ao invés de um único termo de penalidade, cada unidade radial tem um regularização individual. O terceiro algoritmo emprega seleção de subconjuntos para selecionar as unidades radiais a partir dos padrões de treinamento. O quarto emprega o mapa auto-organizável de Kohonen para fixar os centros das unidades radiais próximos aos centros dos aglomerados de padrões. Simulações usando um manipulador com dois graus de liberdade e um Puma 560 são apresentadas, demostrando que o sistema consegue detectar e diagnosticar corretamente falhas que ocorrem em conjuntos de padrões não-treinados. / In this work, a new approach for fault detection and diagnosis in robotic manipulators is presented. A faulty robot could cause serious damages and put in risk the people involved. Usually, researchers have proposed fault detection and diagnosis schemes based on the mathematical model of the system. However, modeling errors could obscure the fault effects and could be a false alarm source. In this work, two artificial neural networks are employed in a fault detection and diagnosis system to robotic manipulators. A multilayer perceptron trained with backpropagation algorithm is employed to reproduce the robotic manipulator dynamical behavior. The perceptron outputs are compared with the real measurements, generating the residual vector. A radial basis function network is utilized to classify the residual vector, generating the fault isolation. Four different algorithms have been employed to train this network. The first utilizes regularization to reduce the flexibility of the model. The second employs regularization too, but instead of only one penalty term, each radial unit has a individual penalty term. The third employs subset selection to choose the radial units from the training patterns. The forth algorithm employs the Kohonen’s self-organizing map to fix the radial unit center near to the cluster centers. Simulations employing a two link manipulator and a Puma 560 manipulator are presented, demonstrating that the system can detect and isolate correctly faults that occur in nontrained pattern sets.

Hydrogen fuel cells, and notably the polymer electrolyte fuel cell (PEFC), present an important opportunity to reduce greenhouse gas emissions within a range of sectors of society, particularly for transportation and portable products. Despite several decades of research and development, there exist three main hurdles to full commercialisation; namely infrastructure, costs, and durability. This thesis considers the latter of these. The lifetime target for an automotive fuel cell power plant is to survive 5000 hours of usage before significant performance loss; current demonstration projects have only accomplished half of this target, often due to PEFC stack component degradation. Health management techniques have been identified as an opportunity to overcome the durability limitations. By monitoring the PEFC for faulty operation, it is hoped that control actions can be made to restore or maintain performance, and achieve the desired lifetime durability. This thesis presents fault detection and diagnosis approaches with the goal of isolating a range of component degradation modes from within the PEFC construction. Fault detection is achieved through residual analysis against an electrochemical model of healthy stack condition. An expert knowledge-based diagnostic approach is developed for fault isolation. This analysis is enabled through fuzzy logic calculations, which allows for computational reasoning against linguistic terminology and expert understanding of degradation phenomena. An experimental test bench has been utilised to test the health management processes, and demonstrate functionality. Through different steady-state and dynamic loading conditions, including a simulation of automotive application, diagnosis results can be observed for PEFC degradation cases. This research contributes to the areas of reliability analysis and health management of PEFC fuel cells. Established PEFC models have been updated to represent more accurately an application PEFC. The fuzzy logic knowledge-based diagnostic is the greatest novel contribution, with no examples of this application in the literature.

<p>U ovoj doktorskoj disertaciji je predstavljena je nova metoda za<br />detekciju propada napona, zasnovana na Rekurentnoj<br />neuronskoj mreži i analizi u harmonijskom domenu. Metoda je<br />namenjena za primenu u savremenim distributivnim mrežama<br />koje sadrže obnovljive izvore, i u skladu sa tim je optimizovana i<br />testirana. Pametna metoda postiže izuzetne rezultate u brzini<br />detekcije, sa prosečnim vremenom detekcije manjim od 1 ms, uz<br />izuzetnu pouzdanost (preko 97%). U doktorskoj disertaciji<br />dokazana je i druga hipoteza, a to je da je moguće predvideti<br />dubinu propada algoritmom zasnovanim na harmonijskoj analizi.</p> / <p>In this PhD thesis, a novel method for the detection of voltage dips<br />(sags), based on the Recurrent Neural Network and analysis in the<br />frequency domain, is presented. The method is intended for use in<br />the modern distribution grids that contains renewable sources, and<br />accordingly it is optimized and tested. The smart method achieves<br />exceptional results in detection speed, with an average detection<br />time of less than 1 ms and with high reliability (over 97%). In the<br />PhD thesis, another hypothesis is proved, which claims that is<br />possible to predict the depth of dip with algorithm based on the<br />harmonic analysis.</p>