Optimisation de l'algorithme de détection des défauts à base de BG-LFT

Abstract

Les systèmes industriels sont devenus de plus en plus complexes d'où une automatisation est une commande très sophistiquée est une obligation non évitable. Cette complexité peut provoquer des dégâts et des catastrophes très importants, surtout dans les systèmes pétrochimiques et nucléaires. ?viter ces dégâts est une chose essentielle pour les industriels et les scientifiques par ailleurs, ce qui a donné naissance à beaucoup de travaux de recherches dont l'objectif est de détecter, anticiper et pourquoi pas prédire les défaillances afin d'éviter des pannes et des dégâts environnementaux, économiques ainsi que les accidents humains. Dans notre travail, nous, nous avons penché sur le problème de détection optimale des défauts avec les Bonds graphs LFT. Le bond graph présente une démarche très puissante et très adaptée à la génération des systèmes de détection robuste grâce à ses propriétés comportementales structurelles et causales. L'outil bond graph a servi pour la représentation graphique des incertitudes paramétriques, cette représentation est fondée sur le principe de la transformation linéaire fractionnel appliquée au bond graph (LFT-BG) cette méthode a permis de générer des seuils adaptatifs pour une détection robuste, mais ça empêche d'avoir quelques ambiguïtés. La surestimation des incertitudes lors de la génération des seuils adaptatifs engendre une non-détection de certains défauts à faibles valeurs. Le problème d'estimations de ces incertitudes peut être vu comme un problème d'optimisation de la surface qui sépare les deux fonctions seuils, résidus générés par LFT-BG. Pour faire mettre cette idée en pratique, nous avons choisi l'utilisation des méthodes d'optimisation bio inspirée. Ces dernières sont des méthodes plus adaptées au problème d'optimisation complexe. ? la suite de cette optimisation, nous avons pu réestimer de nouvelles valeurs d'incertitude paramétriques à travers lesquelles on génère des seuils adaptatifs optimisés. Ces seuils adaptatifs optimisés ont assuré une détection optimale et précoce des défauts de faibles grandeurs. ? travers cette thèse, nous avons pu constater l'amélioration des performances de l'algorithme de détection de défaut à base des bonds graphs LFT. Cette méthode de génération de seuils optimisés a fait l'objet d'une validation sur un véhicule bond d'essai, le Robucar. Ce dernier, est un véhicule autonome intelligent. Nous avons pu vérifier l'utilité de notre algorithme de détection optimale, à l'aide d'une co-simulation à l'aide de logiciel MATLAB Simulink. Les résultats de la validation étaient prometteurs. Notre thèse est une initiation au diagnostic robuste et optimale à travers l'utilisation des méthodes d'optimisation et celle de l'intelligence artificielle dans le but de développer des systèmes de détection performant et même des systèmes de control tolérants aux défauts