Contribution au diagnostic des systèmes par bond graph

Abstract

La détection et l'isolation des défauts (FDI) est une tâche essentielle qui permet d’éviter les conséquences des pannes sur les performances du système. Le Bond Graph, en tant qu'outil de modélisation, fournit à travers ses propriétés structurelles et causales, une génération automatique de Relations de Redondance Analytique (RRA). Ces relations sont utilisées pour les applications de diagnostic, elles constituent les contraintes mathématiques qui permettent de vérifier la cohérence entre les mesures du processus et le comportement du système de référence représenté par le modèle. L'approche de diagnostic RRA classique permet à la fois de détecter et d'isoler le composant défectueux du système. Dans ce travail, l'objectif principal est d'augmenter le nombre de défauts isolables en augmentant le nombre de RRA, en utilisant la sortie du modèle de graphe de liaison avec la sortie mesurée du système réel. La représentation Bond Graph sous forme de transformation linéaire fractionnelle (LFT) a été exploitée pour l’intégration de la fonction linéaire, cette dernière est utilisée pour l’amélioration de la détection des défauts en présence des erreurs de mesures. L'intérêt innovant de ce travail est que le nombre des défauts isolés peut être amélioré sans l'ajout de capteurs supplémentaires. Suite à la discussion générale de la méthode proposée, un sous-système robotique (traction d'un robot mobile omnidirectionnel) est envisagé pour valider la procédure proposée. Deux scénarii défectueux sont ensuite présentés et discutés en utilisant à la fois l'approche classique et l'approche proposée. La méthode proposée est capable d'isoler 3 défauts qui ne peuvent pas être isolées avec l’approche de RRA classique.