À l'heure actuelle, il existe de nombreuses machines de la vie quotidienne instrumentées avec des capteurs responsables de récolter des données. Plusieurs de ces capteurs sont installés dans le but d'exploiter les données à des fins de diagnostic. Dans la plupart des cas, les données abondantes et complexes ne peuvent être analysées facilement par un être humain. Ces données ne sont souvent que très partiellement exploitées. Ceci est également le cas dans le domaine de l'aéronautique. Le fonctionnement moderne des avions commerciaux génère de vastes quantités de données issues non seulement des capteurs à bord de l'avion, mais aussi des données obtenues à partir des procédures de maintenance. Comme pour des machines de la vie quotidienne, ces données ne sont pas exploitées de manière suffisamment efficace. Le pronostic par exploitation de données, basé sur des algorithmes d'apprentissage, est depuis peu envisagé dans le traitement des données. Ce projet présente son application dans le domaine de l'aéronautique pour la prédiction de la durée de vie résiduelle des structures en composite faisant partie d'un avion suite à un endommagement par impact. Ce mémoire par articles est divisé en cinq parties. Les principaux sujets traités concernent les matériaux composites, la propagation d'ondes, la surveillance embarquée des structures ainsi que la méthode de pronostic. La première partie expose l'état de l'art. La seconde partie présente une étude de la propagation des ondes guidées dans une structure transparente et isotrope contenant un ou plusieurs défauts. Cette étude est menée à l'aide d'un système de surveillance piézocéramique qui peut lui aussi être affecté d'un défaut. Les résultats obtenus démontrent que la couche adhésive sous les capteurs piézocéramiques se dégrade avec la présence d'impact. Des courbes de calibration expérimentales peuvent être construites pour compenser la dégradation de la couche adhésive suite à un impact. En détectant et en compensant une dégradation du système de surveillance piezocéramique ceci permet une amélioration de la robustesse du pronostic. Le troisième chapitre présente une étude des ondes guidées dans une structure isotrope et opaque. Plutôt que d'utiliser des courbes de calibration expérimentales, un modèle numérique est développé. Ce modèle rend possible la compensation de défauts dans les systèmes de surveillance piézocéramiques installés sur des métaux et sur des matériaux composites. Les quatrième et cinquième parties dérivent l'étape de pronostic. Dans un premier temps le traitement des données d'un système de surveillance piézocéramique monté sur des échantillons en composite est présenté. Suit la transformation des informations brutes mesurées par les transducteurs en paramètres permettant d'identifier des tendances lors d'un dommage important sur l'échantillon. Ces paramètres sont alors entrés dans les modèles basés sur des algorithmes d'apprentissage génériques. La cinquième partie détaille la méthode de compensation d'une dégradation du système de surveillance piézocéramique en exploitant les données récoltées identifiées dans les deux premières études (chapitre deux et trois).

Les préoccupations environnementales actuelles nous amènent à envisager des solutions alternatives, telles que la pile à combustible. Cette dernière malgré ses avantages présente des faiblesses qui ralentissent sa diffusion au sein de l'industrie, entre autres, sa trop courte durée de vie. Face à cette considération, nous proposons d'appliquer le PHM à la PEMFC. Il faut donc développer le pronostic puis considérer son insertion au sein d'un système industriel. Nous choisissons de baser l'approche proposée sur un modèle de comportement, tout en proposant de combler le manque de connaissance concernant le vieillissement de la pile par les données, ce qui nous permet amène à développer une approche hybride. Dans ces travaux, le modèle comportemental est étudié sur des durées de plus en plus grandes pour enfin proposer une prédiction de l'ordre du millier d'heure. Afin de prendre en compte une implantation au sein d'un système réel, une étude sur la généricité et applicabilité de l'approche est réalisée. Ainsi, ces travaux proposent une approche de pronostic hybride basée sur un modèle de comportement et étudie son insertion au sein d'un système réel. / The current environmental concerns lead us to consider alternative solutions. The fuel cell can be one of them with numerous advantages, it presents however weaknesses, especially, its life duration which is too short. Face to this issue, we offer to apply the PHM to the PEMFC. For that, it is necessary to develop the prognostics for this application and the possibility of the on-line implementation on an industrial system. It was chosen to base the approach on a behavioral model in which the knowledge gaps are completed with the use of data. So, the approach proposed here, is hybrid. In this work, the behavioral model is studied on laps of time longer in order to finally introduce a prediction of a thousand of hours. Then, the online implementation on a real system is considered with a genericity and an applicability study. This work proposes a hybrid prognostics approach based on a behavioral model and study its implementation on an industrial system.

The prime focus of this thesis was to develop a robust Prognostic and Diagnostic Health Management module (PDHM), capable of detecting faults, classifying faults, fault progression tracking and estimating time to failure. Priority was to obtain as much accuracy as possible with the bare minimum amount of sensors as possible. Algorithms like k-Nearest Neighbors (k-NN), Linear and Non- Linear regression and development of rule engine to identify safe operating limits were deployed. The entire solution was developed using R (v 3.5.0). The accuracy of around 98% was obtained in diagnostics. For Prognostics, our ability to predict time to failure more accurately increases with time. Some balance must be there between learning horizon and predicting horizon in order to get good predictions with reasonable time left to hit catastrophic failure. In conclusion, the PDHM module works just as desired and makes Predictive maintenance, smart replacement and crisis prediction possible ensuring the safety and security of people on board and assets.

This thesis contains the specific description of Group Design Project (GDP) and Individual Research Project (IRP) that are undertaken by the author and form part of the degree of Master of Science. The target of GDP is to develop a novel and unique commercial flying wing aircraft titled FW-11. FW-11 is a three-year collaborative civil aircraft project between Aviation Industry Corporation of China (AVIC) and Cranfield University. According to the market analysis result conducted by the author, 250 seats capacity and 7500 nautical miles were chosen as the design targets. The IRP is the further study of GDP, which is to enhance the competitive capability by deploying prognostics and health management (PHM) technology to the fuel system of FW-11. As a novel and brand-new technology, PHM enables the real-time transformation of system status data into alert and maintenance information during all ground or flight operating phases to improve the aircraft reliability and operating costs. Aircraft fuel system has a great impact on flight safety. Therefore, the development of fuel system PHM concept is necessary. This thesis began with an investigation of PHM, then a safety and reliability analysis of fuel system was conducted by using FHA, FMEA and FTA. According to these analyses, fuel temperature diagnosis and prognosis were chosen as a case study to improve the reliability and safety of FW-11. The PHM architecture of fuel temperature had been established. A fuel temperature prediction model was also introduced in this thesis.

Les matériaux composites de haute performance à base de fibres de carbone sont de plus en plus utilisés dans des secteurs où la sécurité est critique (aéronautique, spatial, génie civil...). Ces matériaux offrent des performances mécaniques très élevées, par rapport à leur densité (légèreté, rigidité...). Ils offrent de nombreux avantages tels que la résistance mécanique, la réduction de masse et de consommation. Par conséquent, il est important de connaître Les caractéristiques du matériau lors de son processus d'élaboration (durcissement ou cuisson) ou lors de son utilisation. Dans le but d'optimiser l'utilisation ou de contrôler l'intégrité, les efforts sont employés à l'aide de plusieurs techniques pour surveiller le cycle de cuisson ou la santé des structures composites lors du conditionnement et en service. Au-delà des méthodes existantes de mesure unique de la résistance ou de la capacité du matériau, nous présentons ici une technique d'analyse d'impédance électrique afin d'extraire certaines propriétés spécifiques du matériau (résistance, capacité, Impédance et argument) dans le but de connaître son comportement. La micro structure du matériau étant faite de conducteur (fibre de carbone) et d'isolant (résine), un modèle de la conduction électrique a été établi en utilisant un réseau de résistance (RP) et de capacité (CP) parallèles d'impédance caractéristique Z. Puis le matériau est instrumenté à cœur à l'aide d'électrodes minces et flexibles (flex). Ensuite, une analyse de spectroscopie d'impédance est réalisée sur des échantillons en cycle de cuisson et en poste cuisson lors des tests mécaniques grâce un banc de mesure spécifiquement développé. Les résultats de l'analyse renseignent sur les propriétés intrinsèques du matériau et montrent une sensibilité de ces propriétés électriques (RP et CP ou Z et θ) en fonction de l'évolution du cycle et des tests mécaniques. Il est donc possible de faire le Structural Health Monitoring (SHM) ou mieux encore le Prognostics and health management (PHM). / The high-performance composite materials based on carbon fiber are increasingly used in critical security areas (aeronautics and civil engineering) for the high mechanical performances as regards to their low density. They offer many benefits such as mechanical strength, mass and consumption reduction. Thus, it is important to know their characteristics during curing process or their use. With the aim to optimize their use or to control their integrity, efforts are employed by using several techniques to monitor their curing cycle or the health of the structures during the conditioning stage and the service stage. Beyond the existing methods of unique measurement of the resistance or the capacitance of the material, we present herein a technique of electrical impedance analysis to extract some specific material properties (resistance, capacitance, Impedance and argument) in order to know its behavior. As the microstructure of the material contains a conductor part (carbon fiber) and an insulator part (resin), a three-dimensional (3D) model of the electrical conduction in the material was established by using a network of a resistance RP connected in parallel with a capacitance CP (impedance Z) to describe the anisotropy of the material. Then, the thin flexible electrodes (flex) are inserted inside the material and the specific impedance measurement bench is developed to perform a real-time measurement of RP and CP or Z and θ. Spectroscopic impedance analysis of the studied samples informs about the intrinsic properties of material and shows a sensitivity of these electrical properties according to the curing cycle. Then the sensitivity to some physical parameters (temperature, deformations, etc.) will be demonstrated in order to provide necessary elements to know or predict the health of the material for SHM (Structural Health Monitoring) and PHM (Prognostics and health management) purpose.

Health condition monitoring, commonly referred as Integrated Vehicle Health Management (IVHM) for fleets or vehicles, studies the current and future health state of a system. Health monitoring techniques based on data driven approaches have proven successful in several areas and are easily scalable; however they do not rely on the understating of the physics of failure; whereas Physics-based Model (PbM) approaches require expert knowledge of the failure modes and are based on the understanding of the component behaviour and degradation mechanisms. The development of IVHM is particularly challenging for legacy aircraft due to the restrictive regulations of the aerospace industry. This thesis proposes a novel PbM technique to detect metal-metal contact in hydrodynamic bearings. The planetary transmission of an aircraft’s Integrated Drive Generator (IDG) is used as a case study. Research on the detection of metal-metal contact in hydrodynamic bearings has focused on data driven approaches using vibration or acoustic emissions rather than on PbMs. The proposed technique estimates metal-metal contact by modelling the physical phenomena involved in the failure mechanism and only the speed, load and temperature are required as inputs, all of them available in the IDG and not requiring any additional sensors. The study of metal-metal in hydrodynamic bearings in the field of tribology has focused on mixed lubrication models of the whole bearing, or computational models accounting for local effect under the hydrodynamic lubrication region. In addition to the IVHM technique, this thesis contributes to the field of tribology by proposing a computational mixed lubrication model capable of studying metal-metal contact locally along the lubricated surface of the bearing. Experimental results of a plain journal bearing have been used to validate the PbM and a replica of the transmission of the IDG has been tested to evaluate the effectiveness of the proposed technique at detecting metal-metal contact.

No description available.

No description available.

Pour les constructeurs de moteurs d'avions comme Snecma, la disponibilité est un des enjeux clés de l'avenir. En effet, la limitation des retards et annulations de vols ainsi que la réduction de la fréquence et de la durée des opérations de maintenance pourraient entraîner des économies importantes. Pour accroître la disponibilité, l'outil le plus utilisé actuellement est le "prognostics and health management" (PHM). La première contribution de la thèse est de proposer des cadres terminologique et fonctionnel pour le développement du PHM adapté aux spécificités des moteurs d'avions. Par la suite, une approche intégrée basée sur le nouveau modèle en V3 est formalisée. La seconde contribution est un processus basé sur les modèles pour le développement de la partie embarquée chargée de l'extraction des indicateurs de santé. Elle est basée sur l'analyse de sensibilité, la régression par vecteurs supports et des nouveaux indicateurs de performances. Puisque ce processus est réalisé avant l'entrée en service, les données stochastiques sont obtenues par propagation d'incertitudes. Pour surmonter les temps de calcul liés aux évaluations du modèle, des métamodèles sont utilisés. Plus particulièrement, la troisième contribution de la thèse est une technique originale combinant régression par vecteurs supports et Krigeage. L'approche globale est finalement testée sur le système carburant d'un moteur d'avion. Les résultats sont prometteurs, tant au niveau industriel pour les précieuses informations qu'elle fournit sur la qualité du jeu d'indicateurs de santé qu'au niveau académique pour la précision apportée par la nouvelle approche du Krigeage-SVR. / For manufacturers of aircraft engines such as Snecma, the increase of systems availability is one of the key challenges of the future. Indeed, the limitation of delays and cancellations and the reduction of maintenance operations frequency and duration could lead to important costs savings. To improve availability, the most proven tool is currently prognostics and health management (PHM). The first contribution of this thesis work is to propose complete terminological and functional frameworks for the development of PHM adapted to the specific application on aircraft engines. Subsequently, an integrated development approach based on the original V3-model is formalized. The second contribution is an original model-based process for the development of the embedded extraction of health indicators, based on sensitivity analysis, support vector regression and original performance indicators for the validation. Since it is aimed at being performed before the entry into service, the stochastic data are issued from Monte-Carlo based uncertainties propagation. In order to overcome the prohibitive computation time of the model evaluations, surrogate models are used. More particularly, the third contribution of this thesis work is an original technique combining support vector regression with Kriging. The whole approach is finally tested on an aircraft engine fuel system. The results are promising, both at the industrial level with the release of valuable information about the quality of the health indicators set and at the academic level with the proven accuracy of the novel SVR-Kriging approach.

Face au défi des entreprises pour le maintien de leurs équipements au maximum de leur fiabilité, de leur disponibilité, de leur rentabilité et de leur sécurité au coût de maintenance minimum, des stratégies de maintenance telles que le CBM et le PHM ont été développées. Pour mettre en œuvre ces stratégies, comme pour la planification des activités de production il est nécessaire de connaître l’aptitude des systèmes à réaliser les futures tâches afin de réaliser le séquencement des opérations de production et de maintenance. Cette thèse présente les éléments d'une fonction générique qui évalue la capacité des systèmes techniques multi-composants à exécuter les tâches de production de biens ou de services assignées. Ce manuscrit présente une proposition de modélisation de systèmes techniques multi-composants représentant les différentes entités qui les composent, leurs états et leurs relations. Plusieurs types d’entités ont été identifiés. Pour chacun d’eux, des inférences sont proposées pour définir à l’intérieur du système l’aptitude de l’entité à accomplir les futures tâches de production à partir des évaluations de son état présent et futur et des évaluations des états présents et futurs des autres entités avec lesquelles elle est en relation. Ces évaluations des états présents et futurs sont basées sur l’exploitation de pronostics locaux des composants. Ces pronostics sont des prévisions qui intrinsèquement comportent des incertitudes pouvant être aléatoires ou épistémiques. La fonction proposée et les inférences prennent en compte ces deux formes d’incertitudes. Pour cela, les traitements et la fonction proposée exploite des éléments de la théorie de Dempster-Shafer. La modélisation des systèmes multi-composants pouvant être représentée sous la forme de graphes dont les états des nœuds dépendent de données comportant des incertitudes, des éléments des réseaux bayésiens sont également utilisés. Cette fonction fournit des indicateurs, sur l’aptitude de chaque entité du système à accomplir les futures tâches de production mais aussi indique les composants nécessitant une intervention afin d’améliorer cette aptitude. Ainsi, ces indicateurs constituent les éléments d'aide à la décision pour la planification des opérations de maintenance de façon conditionnelle et préventive, mais aussi pour la planification des opérations de production. / One major challenge of companies consists in maintaining their technical production resources at the maximum level of reliability, availability, profitability and safety for a minimum maintenance cost, maintenance strategies such as CBM and PHM have been developed. To implement these strategies, as with production activity planning, it is necessary to know the ability of systems to perform future tasks to order production and maintenance operations. This thesis presents the generic function that evaluates the ability of multi-component technical systems to perform the production tasks of goods or services. This manuscript presents a proposal for the modelling of multi-component technical systems representing the different entities that compose them, their states and their relationships. Several types of entities have been identified. For each of them, inferences are proposed to define within the system the entity's ability to perform future production tasks based on its own assessment of its present and future state and the assessments of the present and future states of the other entities with which it is involved. These assessments of present and future states are based on the use of local prognoses of components. These prognoses are predictions that inherently involve uncertainties that may be aleatory or epistemic. The proposed function and inferences take into account these two kinds of uncertainty. To do this, the inferences and the proposed function uses elements of the Dempster-Shafer theory. Since the modelling of multi-component systems can be represented in the form of graphs whose node states depend on data with uncertainties, elements of Bayesian networks are also used. This function provides indicators on the ability of each system entity to perform future production tasks but also indicates the components that require maintenance to improve this ability. Thus, these indicators constitute the elements of decision support for the planning of maintenance operations in a conditional and preventive way, but also for the planning of production tasks.