Академический Документы
Профессиональный Документы
Культура Документы
Flavien Peysson
flavien.peysson@polytech.univ-mrs.fr
http://sites.polytech.univ-mrs.fr/flavien.peysson Génie Industriel et Informatique
HNx chaud TT
4
tôle
Eau
FI FI
PARTIE I 2 1
M
HNx refroidi
GÉNÉRALITÉS
TT TT
2 3
TC TC
TT
5 TT
6
PT PT
2 1
&
Echangeur
Ventilateur
Moyenne
PC
TT
1
7
! Détection de défauts et diagnostic en vue de l’amélioration de la maintenance ! Le but général de l’automatisation d’un procédé est l’amélioration de la
! Défauts d’engrenage, productivité qui peut être obtenue de différentes manières :
! Défauts moteurs, ! maximisation de la production,
! Défauts de mesure,
! diminution des coûts de main d’œuvre,
! Perte d’efficacité …
! minimisation des consommations auxiliaires et des pertes (économie d’énergie
et de matières premières, diminution de la pollution, etc.),
! amélioration de la qualité
C 942 - Diagnostic des Systèmes - Flavien Peysson 5 C 942 - Diagnostic des Systèmes - Flavien Peysson 6
! L’automatisation intégrée a pour objectif de concevoir une structure hiérarchisée afin ! L’automatisation implique l’application d’une solution (quasi-) optimale en fonction des
d’améliorer la fiabilité, la disponibilité et la sûreté de fonctionnement du système. différents niveaux hiérarchiques :
Décisions Observations
Entrées Sorties
Processus
C 942 - Diagnostic des Systèmes - Flavien Peysson 7 C 942 - Diagnostic des Systèmes - Flavien Peysson 8
L’automatisation et la Maintenance - GII L’automatisation et la Maintenance - GII
! Ce raisonnement d’ensemble est cohérent, mais il suppose la “validité” des processus mis ! L’automatisation suppose implicitement une disponibilité idéale de 100%.
en jeu et des modèles correspondant aux différents niveaux :
temps de bon fonctionnement effectif
disponibilité !
! bon fonctionnement des capteurs et des actionneurs, des chaînes d’acquisition, de mise temps de fonctionnement total
en forme
! L’automatisation a mis en évidence ce problème, car précédemment l’opérateur humain
! bon fonctionnement des chaînes de transmission et de centralisation réalisait implicitement un certain nombre d’opérations de maintenance.
! bon fonctionnement des dispositifs de régulation ! La disponibilité est une des composantes de la SDF qui se décline en termes de :
! justesse des modèles globaux de fonctionnement : pas de variation des paramètres ! Fiabilité : l’aptitude d’un système à accomplir sa mission dans des conditions données
descripteurs des processus de fabrication (vieillissement, dérive...) d’utilisation
C 942 - Diagnostic des Systèmes - Flavien Peysson 9 C 942 - Diagnostic des Systèmes - Flavien Peysson 10
! A l’automatisation, doit donc être associée une stratégie de maintenance qui permet ! La maintenance corrective : réalise la détection, la localisation, la signalisation des
d’assurer un certain niveau de disponibilité. Il faut : défauts et fournit une aide au diagnostic. Elle s’applique plus particulièrement aux défauts
! soit prévoir le temps de bon fonctionnement moyen (MTBF), aléatoires soudains.
! soit détecter, diagnostiquer, puis réparer ou reconfigurer, ! Palliative : remise en état à caractère provisoire
! Ces approches donnent lieu à différentes stratégies de maintenance : production, pour prédire et identifier les pannes potentielles :
! Systématique : « surveillance statique » utilisation du MTBF, intervention à intervalle
! la maintenance programmée : maintenance systématique,
régulier, (inconvénients : remplacement prématuré et n’évite pas les pannes)
! la maintenance selon état : maintenance corrective, maintenance conditionnelle,
! Conditionnelle : intervention planifiée lorsque des paramètres significatifs du de l’état
maintenance proactive, maintenance intelligente.
du système dépasse un seuil critique.
! Prévisionnelle : extrapolation de l’évolution des paramètres significatifs pour retarder
! Hiérarchie des stratégies de maintenance ou avancer les interventions
! Proactive : on ne surveille plus les paramètres significatifs du systèmes mais les
causes qui font dévier ces paramètres.
! La maintenance optimale est le juste milieu entre maintenance préventive et maintenance ! La force de la maintenance intelligente réside dans l’analyse et le suivi de la santé des
corrective. équipements aux travers d’un ensemble de données issues de l’ERP, de la GPAO, de la
GMAO ou encore des systèmes de surveillance basés sur la mesure de grandeurs physiques
à partir de capteurs.
! La maintenance a vocation à intervenir dans tout le cycle d’exploitation d’un système de la
construction à la destruction " Prognostic and Health Management
C 942 - Diagnostic des Systèmes - Flavien Peysson 13 C 942 - Diagnostic des Systèmes - Flavien Peysson 14
! Les instances nationales et internationales de normalisation (AFNOR, CEI) : ! L’inventaire des éléments à étudier est le suivant :
« Le diagnostic est l’identification de la cause probable de la (ou des) défaillance(s) ! nature des causes de défaillance à localiser,
à l’aide d’un raisonnement logique fondé sur un ensemble d’informations provenant
d’une inspection, d’un contrôle ou d’un test. » ! connaissance des symptômes associés aux défaillances induites par les causes,
! Cette définition résume les deux tâches essentielles en diagnostic : ! maîtrise des moyens de mesure des symptômes,
! Observer les symptômes de la défaillance.
! maîtrise des moyens de traitement des symptômes,
! Identifier la cause de la défaillance à l’aide d’un raisonnement logique fondé sur des
observations. ! connaissance des mécanismes physiques entre les causes et les effets,
Diagnostic ! inventaire du retour d’expérience,
Des conséquences
Surveillance aux causes
Détermination de l’état ! recensement des expertises disponibles,
courant
! définition du niveau de confiance dans le diagnostic,
Pronostic
Des causes
aux conséquences
! identification des utilisateurs finaux du diagnostic.
Maintenance Consignes
Mesures
Processus et connaissances
C 942 - Diagnostic des Systèmes - Flavien Peysson 17 C 942 - Diagnostic des Systèmes - Flavien Peysson 18
! Acquisition de données : Cette fonction doit fournir une image du procédé. les fonctions
suivantes doivent être réalisées :
! conditionnement et pré-traitement du signal, PARTIE II
validation du signal de mesure.
MÉTHODES
!
!
système particulier : capteur, actionneur, organe de commande, processus...
Diagnostic : est une opération de classification du défaut par son amplitude, son type et
son degré de sévérité. Les principaux outils qui peuvent être employés sont de natures
DIAGNOSTIC
diverses :
! classification et reconnaissance des formes,
Flavien Peysson
! utilisation d’arbres logiques, flavien.peysson@polytech.univ-mrs.fr
http://sites.polytech.univ-mrs.fr/flavien.peysson Génie Industriel et Informatique
! systèmes experts …
C 942 - Diagnostic des Systèmes - Flavien Peysson 19
Méthodes de Diagnostic - GII Méthodes de Diagnostic - GII
! La demande croissante de fiabilité et de sûreté de fonctionnement mais également celle ! La confiance dans les résultats du diagnostic dépend de la fiabilité des mesures. Des
d’un fonctionnement moins coûteux et plus écologique justifie l’intérêt porté à des techniques de validation de mesure existent :
techniques avancées de conduite de processus incluant des méthodes performantes de
détection de défauts et de diagnostic. ! redondance directe matérielle utilisant plusieurs capteurs
! Lorsqu’un défaut apparaît, il doit être détecté le plus rapidement possible, ensuite il doit
être localisé et identifié. ! redondance analytique faisant appel à des modèles.
! Les défauts ne peuvent pas toujours être détectés par la seule analyse individuelle des ! Les méthodes de diagnostic peuvent être classées en plusieurs grandes familles :
signaux acquis sur le système.
! les méthodes internes,
! D’où l’utilisation de modèles liant différentes variables mesurées
! les méthodes externes,
! Estimation de variables d’état
Les Méthodes Internes de Diagnostic - GII Les Méthodes Externes de Diagnostic - GII
! Dérivée des techniques utilisées par les automaticiens. ! Ces méthodes supposent qu’aucun modèle n’est disponible pour décrire les relations de
cause à effet. La seule connaissance repose sur l’expertise humaine confortée par un solide
! Elles impliquent une connaissance approfondie du fonctionnement sous la forme de retour d’expérience.
modèles mathématiques qui devront être obligatoirement validés expérimentalement avant
! Dans cette catégorie, on retrouve toutes les méthodes basées sur l’intelligence artificielle :
toute utilisation industrielle.
! la reconnaissance de formes,
! Le principe de ces méthodes, repose sur la ! les systèmes experts,
prise en compte des observations u et y ! les réseaux de neurones artificiels …
pour remonter au paramètre " ou à son
! Exemple : Réseaux de neurones artificiels
vecteur d’état interne x. Les éléments " et
x ayant par définition un sens physique ou
quasi-physique, la cause exacte de la
défaillance devient aisée à identifier et à
localiser.
C 942 - Diagnostic des Systèmes - Flavien Peysson 23 C 942 - Diagnostic des Systèmes - Flavien Peysson 24
Les Méthodes Inductives - GII Les Méthodes Déductives - GII
Une autre classification que l’on peut établir est basée sur le mode de raisonnement utilisé pour ! Les méthodes déductives : la démarche est bien sûr inversée puisque l’on part de
remonter à la cause de la défaillance. l’événement indésirable et l’on recherche ensuite par une approche descendante toutes les
! Les méthodes inductives : correspondent à une approche montante où l’on identifie toutes causes possibles. L’analyse AMDE (Analyse des Modes de Défaillance et de leurs Effets)
les combinaisons d’événements élémentaires possibles qui entraînent la réalisation d’un est une technique déductive et qualitative.
événement unique indésirable. La méthode de l’arbre de défaillance est une méthode
qualitative ou quantitative qui représente par excellence une démarche inductive.
C 942 - Diagnostic des Systèmes - Flavien Peysson 25 C 942 - Diagnostic des Systèmes - Flavien Peysson 26
! Les méthodes de diagnostic dépendent de la nature des processus, systèmes, sous-systèmes, Il existe une classification particulière des pannes :
composants ou matériels. Il faudra mettre en œuvre à chaque fois des méthodes spécifiques
tenant compte des technologies déployées : ! Panne Intermittente : « Panne d’un dispositif subsistant sur une durée déterminée et
limitée. Après cette durée le dispositif est apte à assurer la fonction ou la mission pour
! systèmes mécaniques dynamiques : moteurs, pompes, turbines, réacteurs, ....
lequel il a été conçu sans avoir fait l’objet d’une action corrective. »
! systèmes mécaniques statiques : tuyauterie, enceintes, ....
! Panne Fugitive : « Panne d’un dispositif qui est intermittente et difficilement observable. »
! systèmes numériques programmés, Les défauts fugitifs sont extrêmement difficiles à diagnostiquer car leur apparition est de
! systèmes thermo-hydrauliques : échangeurs, fours, colonnes de distillation, .... nature aléatoire.
C 942 - Diagnostic des Systèmes - Flavien Peysson 27 C 942 - Diagnostic des Systèmes - Flavien Peysson 28
Diagnostic par redondance - GII Redondance matérielle - GII
! Redondance matérielle ! La redondance matérielle consiste à mesurer une grandeur à l’aide de multiples capteurs.
Les mesures sont comparées entre elles et un vote logique permet d’isoler le capteur
! multiplier les chaînes de mesure défaillant.
! détection des capteurs défaillants Variable
x
! localisation des capteurs défaillants m1 r1
Capteur 1
Méthode fiable et simple mais implique un surcoût de l'installation et une diminution du m2 r2 Résultat :
temps moyen de bon fonctionnement global. Capteur 2 Comparaison Vote Capteur défaillant
m3 r3
Capteur 3
! Redondance analytique
! les relations entre les mesures de grandeurs dépendantes Le détecteur calcule trois résidus r1, r2 et r3 :
r 1 = m1 – m 2 r2 = m1 – m 3 r3 = m2 - m 3
! modèle statique ou dynamique
! modèle de connaissance ou de représentation ! Afin de pouvoir isoler le défaut, la redondance matérielle doit être d’ordre impair.
! Utilisée dans les systèmes où la sécurité des biens et des personnes est primordiale!
Méthode en complément de la redondance matérielle et peut permettre d'en réduire le
degré de redondance.
C 942 - Diagnostic des Systèmes - Flavien Peysson 29 C 942 - Diagnostic des Systèmes - Flavien Peysson 30
! Analyse des résidus : ! La redondance analytique consiste à utiliser des informations supplémentaires issues de
modèles générant des grandeurs homogènes à celles provenant de capteurs.
Mesure en Résidu 1 Résidu 2 Résidu 3 Mesure 1
défaut
Mesure 2
1 1 1 0 Mesure validée
Traitement
2 1 0 1 Entrée 1
"Mesure 3"
Entrée 2
3 0 1 1 Modèle
Entrée 3
Entrées Sorties
Actionneurs Système Capteurs
Méthodes locales Méthodes globales
C 942 - Diagnostic des Systèmes - Flavien Peysson 33 C 942 - Diagnostic des Systèmes - Flavien Peysson 34
Détection de défauts basée sur les modèles - GII Diagnostic des Systèmes
PARTIE III
Entrées Sorties
Système
Sorties
+ Résidus
-
GÉNÉRATION DE
Modèle
RÉSIDUS PAR
estimées
!
Cependant, la localisation d’un défaut nécessite un ensemble de résidus structurés.
Ces résidus doivent être conçus pour être sensibles à certains défauts et insensibles à
OBSERVATEUR D’ÉTAT
d’autres, permettant ainsi la localisation de l’élément défaillant : des symptômes sont
générés et comparés à des signatures de défauts.
Flavien Peysson
flavien.peysson@polytech.univ-mrs.fr
http://sites.polytech.univ-mrs.fr/flavien.peysson Génie Industriel et Informatique
! La génération de résidus par estimation d’état consiste à construire l’état ou la sortie du & x!ˆ ! ) A + HC * xˆ ' B u ' H y
# Condition d’observabilité :
système.
% yˆ ! C xˆ 2 8 C 5/
# xˆ (0) ! xˆ 06 3-
L’erreur d’estimation sera utilisée comme résidu. $ 0
0 6 CA 3 -
rang 0 !n
H est déterminé de telle sorte que l’état reconstruit 6 " 3-
tende asymptotiquement vers l’état réel du système 00 6 n +1 3 --
! Reconstruction d’ état par observateur :
avec une certaine vitesse : 1 7CA 4 .
! A - HC stable
& x! ! Ax ' Bu x ( Rn u ( Rm y(Rp
# ! observateur plus rapide que le système
Système : % y ! Cx A, B et C sont des matrices de dimensions
# x ( 0) ! x appropriées. Erreur de reconstruction
rec d’état :
$ 0 !
lim 9 (t ) ! 0
t ;:
C 942 - Diagnostic des Systèmes - Flavien Peysson 37 C 942 - Diagnostic des Systèmes - Flavien Peysson 38
Génération de résidus par observateur d’état - GII Génération de résidus par observateur d’état - GII
! Notons qu’en pratique, il est impossible de générer cette erreur d’estimation de l’état, car ! Exemple :
l’état réel du système n’est pas connu.
&= 8=+1 1 5= 8=15=
Erreur de reconstruction de la sortie : #=xÝ! 6= 3=x ' 6= 3=u
!
#= 7=1 +2 4= 7=14=
e ! y + yˆ ! C ) x + xˆ * ! C 9 %=
#= 8=1 0 5=
Schéma bloc d’une génération de résidus par observateur : #=y ! 6= 3=x
$= 7=0 1 4=
!
C 942 - Diagnostic des Systèmes - Flavien Peysson 39 C 942 - Diagnostic des Systèmes - Flavien Peysson 40
Influence d’un bruit de mesure - GII Notion de Point de Fonctionnement - GII
! On pourrait être tenté de choisir le gain de l’observateur H de telle sorte que l’erreur e
tende très rapidement vers zéro. Défauts Défauts Défauts
Entrées
Problème : l’influence du bruit qui affecte les mesures Sorties Mesures
de commande
Actionneurs Système Capteurs
U Y
! En présence d’un bruit de mesure, le système s’écrit sous la forme :
& x! ! Ax ' Bu
# ! La plupart des systèmes sont non linéaires.
% y ! Cx ' b
# x ( 0) ! x
$ 0 Linéarisation autour d’un point de fonctionnement : (U0, Y0)
C 942 - Diagnostic des Systèmes - Flavien Peysson 41 C 942 - Diagnostic des Systèmes - Flavien Peysson 42
! Biais : yi(t) = Cx(t) + fi(t) fi(t) = Cst. ! La présence d’un défaut de capteur affecte les sorties du système.
yi(t)
! Ces défauts peuvent être :
t & x! ! Ax ' Bu
#
! Additifs (ex : un biais) % y ! Cx ' f
! Dérive : yi(t) = Cx(t) + fi(t) fi(t) = !it
# x ( 0) ! x & x! ! Ax ' Bu
yi(t) $ 0
#
! Multiplicatifs (ex : un changement du gain du capteur) % y ! (C ' > C ) x
# x ( 0) ! x
t $ 0
! Blocage : yi(t) = yi(tFi) ! L’influence d’un défaut de capteur peut finalement se mettre sous la forme suivante :
yi(t)
&x! ! Ax' Bu
# ! '
t
%y Cx Ec fc
#x(0) ! x0
tFi $
! Calibrage : yi(t) = !i.ci xi(t)
! Les erreurs d’estimation de l’état et de la sortie évoluent selon la relation suivante :
xi yi
9! ! ) A + HC *9 + HEc f c e ! C 9 ' Ec f c
Influence d’un défaut d’actionneur - GII Génération de résidus par observateur d’état - GII
! L’apparition du défaut d’actionneur affecte l’équation d’état de la manière suivante : ! Les erreurs d’estimation de l’état et de la sortie évoluent selon la relation suivante :
x! ! Ax ' Bu f e ! C9
9! ! ) A + HC *9 ' Ea f a
e! ! C ) A + HC *9 ' CEa f a
! Ax ' B )U f + U 0 *
L’influence du bruit de mesure, des défauts de capteur et des défauts d’actionneur apparaît
! Ax ' B )?U ' U f 0 + U 0 *
!
clairement sur les erreurs d’estimation.
C 942 - Diagnostic des Systèmes - Flavien Peysson 47 C 942 - Diagnostic des Systèmes - Flavien Peysson 48
Observateurs à entrées inconnues - GII Observateurs à entrées inconnues - GII
! Des entrées non mesurables affectent souvent le système lors de la phase de modélisation. ! L’erreur d’estimation d’état est donnée par :
La reconstruction de l’état du système peut se faire sous certaines conditions à l’aide 9 ! x + xˆ
d’observateurs à entrées inconnues.
! x + z ' Ey
! ( I ' EC ) x + z
! Cette technique s’applique également lorsque les entrées sont toutes connues : dans ce cas,
une partie des entrées est utilisée et l’objectif est de découpler l’influence de certaines D’où : 9! ! x! + xˆ! ! ( &
I '%EC
$ ) x! + z!
entrées sur l’estimation de l’état. Ceci constitue le principe de base de génération de bancs P
d’observateurs pour la localisation de défauts d’actionneurs. ! (& $ )) Ax ' Bu ' Fd * + ) Nz ' Gu ' Hy *
I '%EC
P
! P) Ax ' Bu ' Fd * + N )Px + 9 * + Gu + H y
! Principe : ! N9 ' )PA + NP + HC * x ' )PB + G *u ' PF d
C 942 - Diagnostic des Systèmes - Flavien Peysson 49 C 942 - Diagnostic des Systèmes - Flavien Peysson 50
! La solution à cet observateur à entrées inconnues existe si l’inverse généralisée de CF ! Les erreurs d’estimation d’état et de sortie sont données par :
existe :
E ! + F (CF ) +
9! ! N9
e ! C9
& P ! I + F (CF ) + C
# PA + NP ! HC
#G ! PB ! ( K + NE )C
! L’entrée inconnue « d » n’intervient pas dans « e » et n’est donc pas détectable.
#
% N ! PA + KC
# H ! K + NE ! L’intérêt réside dans le fait qu’il est possible de discriminer une erreur affectant le
En posant
E PA + KC ! N ( &
P +%EC
$) système d’un défaut de capteur ou d’actionneur.
#
#$ N stable I
! La représentation du système en présence d’entrées inconnues et de défauts de capteur
et/ou d’actionneur peut se mettre sous la forme :
! La procédure à suivre pour la détermination des matrices est :
! Calculer l’inverse généralisée de CF,
f : défaut
! en déduire P, puis G, & x! ! Ax ' Bu ' E1 f ' Fd d : entrée inconnue
! fixer les valeurs propres de N, et en déduire K puis N,
%
! déduire la valeur de H.
$ y ! Cx ' E2 f
C 942 - Diagnostic des Systèmes - Flavien Peysson 51 C 942 - Diagnostic des Systèmes - Flavien Peysson 52
Influence des défauts - GII Bancs d’observateurs - GII
! Avec la même structure de l’observateur que nous rappelons ici : ! Nous avons vu que les défauts de capteur ou d’actionneur affectent les erreurs de
reconstruction. La détection de la présence de ces défauts peut être aisée mais il convient
& z! ! Nz ' Gu ' Hy également de les isoler. Il est donc judicieux d’analyser la structure des résidus pour
% résoudre le problème de l’isolation.
$ xˆ ! z + Ey
! l’erreur de reconstruction devient :
! Exemple :
9 ! ( I ' EC ) x + z ' EE2 f Système Observateur
! La solution consiste à structurer les résidus et l’idéal serait qu’un résidu soit sensible à un ! Cas des défauts actionneurs
défaut particulier.
L’utilisation de bancs d’observateurs construits à partir d’une partie seulement des entrées u1 u1
u2 ...
!
y
ou des sorties du système permet de répondre à ce problème. Ceci permet de distinguer les u2 ... y
Système
Système um
défauts de capteur des défauts d’actionneur. um
! Le ième observateur est piloté par toutes les entrées sauf la ième et toutes les sorties.
Ainsi la sortie de cet observateur sera sensible aux défauts affectant toutes les entrées Observateur m Observateur m
sauf la ième.
C 942
42 - Diagnostic des Systèmes - Flavien Peysson 55 C 942 - Diagnostic des Systèmes - Flavien Peysson 56
Bancs d’observateurs - GII Défauts actionneurs - GII
& 8 0 1 5 8 1 0 .5 5
Structure DOS Structure GOS # x! ! 6+ 2 + 33 x ' 6+ 0.2 0.33 u ' DEFAUT ACTIONNEUR
# 7 4 7 4
%
#y ! 8 1 15
u ... yy1 u ... yy1 # 60.5 13 x
Système 2
Système 2 $ 7 4
ym ym
! Système à 2 entrées et 2 sorties.
! On cherche à isoler les défauts d’actionneurs.
Observateur 1 Observateur 1 ! Une simulation de ce système utilisant un observateur classique unique pour générer les
résidus a été réalisée. Un défaut sur l’actionneur 2 a été testé.
. . ! Il n’est pas possible de savoir lequel des actionneurs 1 ou 2 est en défaut : les deux
. . composantes de l’erreur d’estimation de la sortie sont affectées.
. .
Observateur m Observateur m
ex4_obs.m, ex4_obs_mdl.mdl
C 942 - Diagnostic des Systèmes - Flavien Peysson 57 C 942 - Diagnostic des Systèmes - Flavien Peysson 58
u1
y
PARTIE IV
Système
GÉNÉRATION D’ÉQUATIONS
u2 + Résidu sensible au défaut
sur l’actionneur 1
-
Observateur 1
PAR
yˆ obs1
+ Résidu sensible au défaut
- sur l’actionneur 2
Observateur 2
REDONDANCE ANALYTIQUE
yˆ obs 2
Flavien Peysson
flavien.peysson@polytech.univ-mrs.fr
ex4_obs.m, ex5_obs_mdl.mdl http://sites.polytech.univ-mrs.fr/flavien.peysson Génie Industriel et Informatique
! Une relation de redondance analytique est une équation dans laquelle toutes les variables ! La redondance matérielle est un moyen efficace pour éprouver le fonctionnement des
sont connues. appareils de mesure. Le nombre de mesures est en général supérieur au nombre de
variables à mesurer. Cette redondance permet de détecter les défauts de capteurs.
! La génération de ces relations permet de déterminer des résidus statistiquement nuls
en l’absence de défauts et évoluent lorsqu’un défaut apparaît.
! Exemple :
! L’espace de parité est l’approche la plus classique pour générer ces relations. Ces relations
de parité utilisent : 81 2 15
61 0 23
! la redondance directe au moyen de relations algébriques statiques liant les différents 6 3
signaux y ( k ) ! 61 1 13 x(k )
61 0 1 33
ou 6
! la redondance temporelle issue de l’utilisation de relations dynamiques. 762 0 234
+ y1 (k ) ' 2 y3 (k ) + y4 (k ) ! 0
+ 2 y1 (k ) ' 4 y3 (k ) + y5 (k ) ! 0
Espace de parité statique - GII Espace de parité statique : cas général - GII
! D’autres équations de redondance (ne faisant pas apparaître les mêmes variables) peuvent y (k ) ! Cx (k ) ' 9 (k ) ' Ff (k )
être écrites par combinaison linéaire des équations précédentes.
où :
! Ceci permet de structurer les résidus et de faciliter l’isolation des défauts. ! y est le vecteur de mesures de dimension (m,1)
! x est le vecteur des variables à mesurer de dimension (n,1)
! Dans les équations précédentes, si on élimine y1(k), on obtient : ! f est le vecteur de défauts pouvant affecter les capteurs de dimension (p,1)
9 est le vecteur de bruits de mesures de dimension (m,1)
+ y5 (k ) ' 2 y4 (k ) ! 0
!
C 942
42 - Diagnostic des Systèmes - Flavien Peysson 63 C 942 - Diagnostic des Systèmes - Flavien Peysson 64
Espace de parité statique - GII Espace de parité statique - GII
! L’objectif est d’analyser la consistance des mesures et de détecter la présence des défauts. ! Si WF est une matrice régulière, l’équation
On cherche alors à établir des relations entre les mesures qui sont indépendantes des
p (k ) ! W9 (k ) ' WFf (k )
grandeurs inconnues mais qui restent sensibles aux défauts.
permet de détecter les défauts f(k).
! Un vecteur de parité p(k) est défini comme étant une projection du vecteur des mesures
y(k) : ! Nécessité d’étudier avec soin le rang de la matrice WF. Une colonne nulle de cette matrice
p(k ) ! W y (k ) Permet de calculer le vecteur de parité empêche la détection de certains défauts.
! Dans le cas idéal, le vecteur de parité est nul. L’équation qui traduit l’ensemble des
redondances liant les mesures devient :
! On cherche alors une matrice W orthogonale à l’espace engendré par les colonnes de C et
de F- :
W y (k ) ! 0
WC ) *
F+ ! 0
C 942
42 - Diagnostic des Systèmes - Flavien Peysson 65 C 942
42 - Diagnostic des Systèmes - Flavien Peysson 66
! On obtient ! La résolution de ces problèmes d’optimisation multicritères n’est pas toujours aisée. Une
' ' solution peut être obtenue en reformulant le problème à l’aide d’un seul critère en
p (k ) ! W9 (k ) ' WF f (k )
accordant plus de poids à l’un ou l’autre des critères précédents.
! Ce vecteur de parité est donc sensible aux défauts à détecter, à condition d’étudier
convenablement le rang de la matrice ! Si l’on souhaite un découplage parfait par rapport à l’état, deux problèmes peuvent être
envisagés :
'
WF
! Premier problème
! Dans le cas où l’équation W(CF-) = 0 n’a pas de solution, une solution approchée sera
envisagée en satisfaisant au mieux la condition d’orthogonalité. Le problème peut être
formulé sous forme d’optimisation multicritères : &C T C ! 0
# Pour ce problème, il peut être montré que C
&min WF + # 2
% CT F + est solution de :
&min W C F +
# W
) * # W
##
#min T ' 2 )QA + DQB *C ! 0 (Eq. 1)
% ou %max WF
' # C C F
' W
$
#max WF #
$ W #WC ! 0
#$
Où : A! F F
+
) *
+ T
B!F F
'
) *
' T
) T
Q ! I +C C C *
+1
C
T
C 942 - Diagnostic des Systèmes - Flavien Peysson 67 C 942 - Diagnostic des Systèmes - Flavien Peysson 68
Espace de parité statique - GII Principe de génération d’équation de redondance - GII
! La structure de l’équation (Eq.1) (respectivement (Eq.2)) montre que C est vecteur propre 8 z (k ) 5 8 C 5
généralisé de la paire (QA, QB) (respectivement (QH, QB)). Il peut également être montré 6 z (k ' 1) 3 6 CA 3
avec
que D est la plus petite valeur propre associée à ce vecteur propre. Z (k , s) ! 6 3 H (s) ! 6 3
pour Z = Y, U ou F 6 " 3 6 " 3
6 z (k ' s)3 6 s3
7 4 7CA 4
C 942 - Diagnostic des Systèmes - Flavien Peysson 69 C 942 - Diagnostic des Systèmes - Flavien Peysson 70
P (k ) ! E)Y (k , s ) + G ( s )U (k , s ) *
! ou sous forme interne en fonction des défauts :
P(k ) ! E E ( s) F (k , s)
C 942
42 - Diagnostic des Systèmes - Flavien Peysson 71 C 942 - Diagnostic des Systèmes - Flavien Peysson 72
Espace de parité dynamiqu, Exemple - GII
Diagnostic des Systèmes
! Soit le système
RÉSIDUS
Flavien Peysson
flavien.peysson@polytech.univ-mrs.fr
ex6_espace_parite.m http://sites.polytech.univ-mrs.fr/flavien.peysson Génie Industriel et Informatique
! La caractéristique essentielle des résidus générés est leur sensibilité aux changements dans ! Les méthodes présentées ici sont fondées sur des tests d’hypothèses.
le comportement du système. Ce sont des signaux statistiquement nuls en fonctionnement
normal et s’écartent de zéro lorsqu’un défaut apparaît. ! L’hypothèse la plus souvent émise est de considérer que les bruits de mesures sont
distribués selon des lois normales.
! Il faut utiliser des outils qui permettent d’analyser ces résidus dans le but de :
! Le résidu analysé étant réputé normal, on peut comparer les paramètres caractéristiques de
! détecter la présence d’un défaut affectant le système ou ses composants la distribution (moyenne et écart type (ou variance)) à des valeurs données.
! estimer l’instant de son apparition,
! déterminer sa nature et éventuellement son amplitude. ! Des tests statistiques permettent de faire cette analyse et de prendre une décision quant à la
présence ou l’absence de dysfonctionnement.
! Les signatures expérimentales de défauts sont générées à partir des résultats des décisions
statistiques.
! Ces signatures seront exploitées pour la localisation des défauts.
C 942 - Diagnostic des Systèmes - Flavien Peysson 75 C 942 - Diagnostic des Systèmes - Flavien Peysson 76
Décision statique et tests d’hypothèses - GII Tests statistiques - GII
! Il est fréquent de prendre des décisions concernant des populations sur la base ! Un test statistique est donc une règle qui permet de prendre une décision à partir de
d’informations recueillies sur des échantillons. Ces décisions sont appelées « décisions résultats expérimentaux.
statistiques ».
! Pour prendre de telles décisions, il est commode d’émettre des hypothèses sur les ! Pour exécuter ce test, cinq opérations doivent être définies :
populations concernées. Ces hypothèses sont en général exprimées relativement aux
distributions de probabilités de ces populations. ! définition de l’hypothèse H0 à contrôler, dite hypothèse nulle, et de l’hypothèse
alternative H1, négation de H0,
! Les hypothèses statistiques sont formulées dans le but de les accepter ou les rejeter. Les ! choix d’une fonction discriminante, d’une variable de test, d’une "statistique", fonction
méthodes qui permettent de prendre une décision sont appelées des tests d’hypothèses ou des résultats expérimentaux et dont les distributions de probabilité sous H0 et sous H1
des tests statistiques. sont connues, calculables analytiquement ou estimées,
C 942 - Diagnostic des Systèmes - Flavien Peysson 77 C 942 - Diagnostic des Systèmes - Flavien Peysson 78
! On fixe a priori le seuil de confiance B qui permettra la décision. Les valeurs couramment ! Le problème qui se pose est d'évaluer les résidus afin de décider si un défaut est présent ou
employées sont 0.1, 0.05 ou 0.01. non.
! Ce seuil de confiance est souvent exprimé par un niveau de probabilité, qui est simplement
1 – B. ! Soit {e(k), k=1, ..., n} la séquence des résidus destinée à être évaluée. Ainsi, il s'agit de
faire un choix entre deux hypothèses H0 et H1.
! B représente la probabilité de rejeter à tort H0 (erreur de type I), c'est le risque de première
espèce.
! H1 et H0 sont exprimées de la façon suivante :
! Le risque de seconde espèce F est la probabilité d'accepter à tort H0 (erreur de type II).
! A taille d'échantillon donnée, B et F varient en sens inverse. ! H0 : e(1) ... e(n) suit une loi de probabilité P0
! Enfin, la puissance du test (1 - F), qui mesure son aptitude à détecter un écart à H0, est la
probabilité de rejeter H0 avec raison. ! H1 : G r : 1 H r H n tel que : e(1) ... e(r - 1) suit la loi de probabilité P0
e(r) ... e(n) suit la loi de probabilité P1
H1 vraie H0 vraie
C 942 - Diagnostic des Systèmes - Flavien Peysson 79 C 942 - Diagnostic des Systèmes - Flavien Peysson 80
Tests statistiques - GII Test de Page-Hinkley - GII
! Les tests les plus classiques, en particulier, ceux issus des méthodes paramétriques ! Ce test est basé sur le principe de la détection d'un changement brusque de la moyenne d'un
séquentielles se distinguent principalement en deux classes de tests : signal gaussien. On considère que l'amplitude du saut n'est pas connue ce qui nécessite la
mise en parallèle de deux tests similaires.
! ceux nécessitant une bonne connaissance de la loi de probabilité après défaut tels que
le test des sommes cumulées de Page-Hinkley, le GLR (Generalized Likelihood Ratio), ! Soient
et le test de Wald. ! K, l'amplitude du saut
! n, le nombre d'échantillons {e(k), k = 1, ...,n}
! ceux dont le principe se borne à vérifier le non-respect d'une loi de distribution ! µ, la moyenne du résidu
décrivant les résidus avant défauts tel le test du IJ. ! µ0, la moyenne du résidu en l'absence de défaut
! µ1, la moyenne du résidu en présence de défaut
! LM l'amplitude minimum du saut à détecter
C 942 - Diagnostic des Systèmes - Flavien Peysson 81 C 942 - Diagnostic des Systèmes - Flavien Peysson 82
! L’augmentation de la moyenne est détectée lorsque : ! Le seuil de détection Q doit être fixé par apprentissage. Une valeur initiale de ce seuil peut
U n + mn R Q être calculée par :
Q est le seuil de détection
Q ! 2h
p
! Pour détecter un saut négatif, on calcule alors Tn tel que :
n ! Où pour des distributions normales, h = 2 et p est la valeur du saut L exprimée en nombre
Tn ! N (e(k ) + O 0 ' L / 2) d’écart-type du signal :
k !1
M n ! max (Tk )
0P k P n L ! pS
! La diminution de la moyenne est détectée lorsque :
M n + Tn R Q D’où : Q ! 4S
L
! Sous forme récursive, l’écriture de la relation pour le saut positif devient :
L
U n ! U n+1 ' en + O 0 +
2
mn ! min(mn+1 ,U n )
C 942 - Diagnostic des Systèmes - Flavien Peysson 83 C 942 - Diagnostic des Systèmes - Flavien Peysson 84
Surveillance par approche temporelle - GII Surveillance par approche temporelle - GII
! Les principaux défauts affectant les signaux à surveiller sont : ! Filtrage linéaire
! Filtre par moyenne glissante récursive
! un biais
1 1
! une dérive xk ! xk +1 ' xk + xk +n
n n
! un changement de variance ! Filtre du premier ordre
! Filtre médian
yn ! med ( xn+k ,(, xn ,(, xn' k )
! Principe
# Fenêtre glissante impaire
Surveillance par approche temporelle - GII Surveillance par approche temporelle - GII
d f ( xi ) + f ( xi + h) n
dx
f ( xi ) !
h
S 2 ! 1 N xi2 + x 2
n + 1 i !1
Pas h variable
Fenêtre
temps
C 942 - Diagnostic des Systèmes - Flavien Peysson 87 C 942 - Diagnostic des Systèmes - Flavien Peysson 88