Return to search

Model-based fault detection in diesel engines air-path

Cette thèse a pour but l'étude de la détection basée sur modèle de défauts pour lesmoteurs Diesel produits en grande série. La nécessité d'une surveillance continue del'état de santé des véhicules est maintenant renforcée par la législation Euro VI sur lesémissions polluantes, qui sera probablement rendue encore plus contraignante dans sesprochaines révisions. Dans ce contexte, le développement de stratégies robustes, faciles àcalibrer et valides pour des systèmes dispersés (car produits en grande série) procureraitun avantage considérable aux constructeurs automobile. L'étude développée ici tentede répondre à ces besoins en proposant une méthodologie générique. On utilise desobservateurs adaptatifs locaux pour des systèmes scalaires non linéaires et affines parrapport à l'état, pour résoudre les problèmes de la détection de défauts, de son isolationet de son estimation d'une façon compacte. De plus, les incertitudes liées aux biais demesure et de modèle et aux dérives temporelles nécessitent d'améliorer les méthodes dedétection par l'utilisation de seuils robustes pour éviter les fausses détections. Dans cettethèse, on propose un seuil variable basé sur la condition d'observabilité du paramètreimpacté par le défaut et sur une étude de sensibilité par rapport aux incertitudes surles entrées ou sur le modèle. Cette méthode permet, entre autres, de fournir un outild'analyse pour la sélection des conditions de fonctionnement du système pour lesquelsle diagnostic est plus fiable et plus robuste par rapport aux incertitudes sur les entrées.L'approche présentée a été appliquée avec succès et validée de façon expérimentale surun moteur Diesel pour le problème de détection de fuite dans le système d'admissiond'air, puis dans un environnement de simulation pour le problème de détection dedérive d'efficacité turbine. On montre ainsi ses avantages en termes de fiabilité dedétection, d'effort de calibration, et pour l'analyse des conditions de fonctionnementmoteur adaptées au diagnostic.

Identiferoai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00870762
Date21 September 2012
CreatorsCeccarelli, Riccardo
PublisherUniversité de Grenoble
Source SetsCCSD theses-EN-ligne, France
Languagefra
Detected LanguageFrench
TypePhD thesis

Page generated in 0.0019 seconds