Vous êtes sur la page 1sur 35

Contact

Vincent Cocquempot Professeur Universit Lille 1, France DED Auto EDSPI 072 Laboratoire LAGIS FRE 3303 : Tl : +33 (0)3 20 43 62 43 Fax : +33 (0)3 20 33 71 89 Mail : vincent.cocquempot@univ-lille1.fr http://sfsd.polytech-lille.net/vcocquempot

2

Du diagnostic la tolrance aux fautes


Vincent COCQUEMPOT LAGIS FRE 3303 Universit Lille 1, France

Plan de la prsentation

Plan de la prsentation

Dfaillances et diagnostic, dfinitions, notions gnrales La surveillance (FDI) et le diagnostic Utilisations du diagnostic. FTC Sret de fonctionnement Mise en place dun systme de diagnostic Dcision statistique

Gnration des indicateurs de dfaillance en utilisant un modle de comportement Apprentissage et reconnaissance des formes Gnration de rsidus par observateurs. Localisation des dfauts : banc de gnrateurs de rsidus Conclusions Quelques rfrences bibliographiques
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Dfinition dune dfaillance


Norme AFNOR (X60-500)

Dfaillances et diagnostic Dfinitions, notions gnrales

Une dfaillance est laltration ou la cessation de laptitude dun ensemble (de composants) accomplir sa ou ses fonctions requises avec les performances dfinies dans les spcifications techniques. Aprs dfaillance d'une entit, celle-ci est en tat de panne

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Dfinition dune dfaillance


Classification des dfaillances


Dfaillance (failure), faute (fault), panne (breakdown, failure), dfaut (fault, failure),
Nombreux articles sur la terminologie Des diffrences suivant les communauts : SC, SED, IA et les techniques utilises

Type de composant affect


Dfaillance capteur Dfaillance actionneur Dfaillance systme (composants internes)

Nature de la dfaillance

Une dfaillance concerne un (ou un ensemble)

de composants physiques. Leffet de la dfaillance produit des symptmes (qualitatifs, modification des signaux, volution de caractristiques)

Dfaillance constante Dfaillance voluant dans le tps Dfaillance intermittente Dfaillance fugitive Dfaillance soudaine Dfaillance progressive
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Classification des dfaillances


Dfinition gnrale du diagnostic


Des causes diffrentes


mauvais emploi (df. de commande), faiblesse inhrente, Dfaillance premire usure normale Dfaillance seconde

Norme AFNOR : Le diagnostic est lidentification de la cause probable de la (ou des) dfaillances laide dun raisonnement logique fond sur un ensemble dinformations provenant dune inspection, dun contrle ou dun test. 3 tches indispensables : observer les symptmes Interprter les symptmes : dtecter la dfaillance Identifier le composant (ou ensemble) dfaillant : diagnostiquer
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Des consquences diffrentes


Dfaillance mineure, Dfaillance majeure, Dfaillance critique, Dfaillance catastrophique

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

10

Diagnostic = Pb inverse

Diagnostic = Pb inverse

F(causes)=observations (ou symptmes) : F(x) = y

Pb bien pos illustration


y F(X) x X F Y

Le diagnostic vise exprimer les causes en fonction des observations soit dterminer F-1 x = F-1(y)

Le problme est dit bien pos Existence dune solution pour tout y Y Unicit de solution de x dans X Continuit de la solution x(y)
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Relations entre lespace X des causes et lespace Y des symptmes


Extrait de Gilles Zwingelstein, Diagnostic des Dfaillances Thorie et pratique pour les systmes industriels, Trait des Nouvelles Technologies, srie Diagnostic et Maintenance, Herms, 1995

11

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

12

Diagnostic : plusieurs fonctions


Surveillance (on-line monitoring) : Dtection et localisation des dfaillances (FDI : Fault Detection and Isolation) Identification de la nature de la dfaillance Diagnostic (diagnosis): inclus la surveillance en cherchant remonter la cause premire. Peut tre fait en-ligne ou hors ligne.

La surveillance (FDI) et le diagnostic

Plus gnralement
Surveillance : dterminer ltat rel du systme (mode de fonctionnement normal ou non) partir des informations disponibles Diagnostic : (en + de la surveillance) interprter ltat rel: Normal ? Anormal ? Pourquoi le systme est il dans cet tat (causes)?

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

14

13

Surveillance (FDI)

Surveillance (FDI)

Dtection dune dfaillance (Fault/failure detection)


Sollicitations

Dtection
Modle de bon fonctionnement

Caractristique thorique sous lhypothse de bon fonctionnement

Principe gnral :
A partir des infos disponibles : estimer une (des) caractristique(s) ou symptme(s) : paramtre(s), variable(s), grandeur(s) du systme Comparer la(les) caractristique(s) estime(s) aux caractristiques thoriques sous lhypothse de bon fonctionnement

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

SYSTEME REEL

Observations

Comparer Estimateur
caractristique estime

INDICATEUR DE COHERENCE

15

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

16

Surveillance (FDI)

Surveillance (FDI)

Dtection : Mthode avec modle

Dtection : Mthode avec modle


Observations

Sollicitations

Sollicitations

comparaison

Observations

SYSTEME REEL

SYSTEME REEL

Estimateur utilisant le modle comportemental


GENERATEUR DE RESIDU

INDICATEUR DE COHERENCE ou RESIDU

Estimation

GENERATEUR DE RESIDU

INDICATEUR DE COHERENCE ou RESIDU

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

17

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

18

Surveillance (FDI)

Diagnostic

Localisation du composant (ou de lensemble de composants) en dfaut (Fault Isolation) Utilisation de modles du systme sous diffrentes hypothses Utilisation de plusieurs caractristiques, symptmes Ensemble dindicateurs ayant des proprits de robustesse/sensibilit aux dfauts diffrentes.
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Principe gnral :

Pourquoi est-on arriv dans cet tat ? Quelle est la cause premire (composant, sous-systme incrimin) de ltat de dfaillance du systme ? Quelles sont les caractristiques (nature, amplitude, ) de la dfaillance?
Identification du dfaut : drive dun paramtre, biais sur un capteur, .

19

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

20

Diagnostic
Dfaut D1 Dfaut D2

Diagnostic
Dfaut D1 Dfaut D2

Etat estim Etat estim

Dfaut D3 volution du systme, accumulation des symptmes, possibilit de dfaillances successives


V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Dfaut D3 volution du systme, accumulation des symptmes, possibilit de dfaillances successives


21
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

22

Diagnostic
Plusieurs diagnostics possibles
Etat 1 suivi de D1 puis de D2 Etat 1 sans dfaillance Etat 2 sans dfaillance Etat 2 suivi de D3 1

Diagnostic en-ligne et hors-ligne


Dfaut D1 Dfaut D2

Des contraintes diffrentes sur les donnes utilises


en-ligne

Etat estim

: utilisation des infos disponibles (capteurs, commandes) Hors-ligne : ajouts de tests spcifiques


2

Dfaut D3


volution du systme, accumulation des symptmes, possibilit de dfaillances successives
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Des contraintes temporelles diffrentes : pas la mme chelle : en-ligne, il faut rduire au max les dlais de dtection Des contraintes diffrentes sur les traitements : enligne, les ressources sont souvent limites (systmes embarqus) Des contraintes diffrentes sur les niveaux de connaissance. Hors-ligne : ajout de la connaissance de lexpert
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

23

24

Diagnostic Passif et Actif


Diagnostic passif On utilise les sollicitations (commandes) prvues pour lexploitation normale du systme Diagnostic actif On agit volontairement on choisit les sollicitations - sur le systme pour mettre en vidence certains symptmes

Utilisations du diagnostic Commande tolrante aux fautes

Hors-ligne : dmarche de tests de loprateur de maintenance En-ligne : commande particulire applique temporairement, diffrente de la commande normale et permettant de sensibiliser les indicateurs certains dfauts.

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

26

25

Utilisations du diagnostic

Le diagnostic dans un SA
Fault Diagnosis and State Estimation

Fournit des informations loprateur (via IHM)


Information

pertinente et explicite sur ltat du

systme Conduite/commande/gestion production Utilisation du diagnostic pour la maintenance (corrective)


Commande tolrante aux fautes (FTC)/reconfiguration Pronostic, maintenance prdictive

Control

Physical Plant

No fault situation

Objectives

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

27

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

28

Le diagnostic dans un SA
Faulty Components

Le diagnostic dans un SA
Alarm FTE/FTC Maintenance
Faulty components Healthy components Fault Diagnosis Fault Tolerant State estimation Fault estimation Fault Tolerant Control

Faulty actuators Faulty sensors

(New) Objectives

Fault Diagnosis

Faulty internal components

Control

Physical Plant

Faulty behavior

?
Objectives
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Physical Plant

29

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

30

Commande Tolrante aux Fautes (FTC)


Problme classique de commande


FTC : commander un systme dfaillant pour conserver certaines performances et continuer remplir aux mieux les missions 2 stratgies
Accommodation

Trouver une loi de commande parmi un ensemble de commandes admissibles U t.q.


Le

: modification de la loi de commande en tenant compte de la dfaillance Reconfiguration : changer de loi de commande en fonction du dfaut

systme atteint un ou plusieurs objectifs fixs O Lvolution du systme est contrainte par un ensemble de contraintes C

Le problme de synthse de commande est entirement dfini par le triplet <U,O,C>

2 types dapproche
Approches

passives Approches actives


V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

31

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

32

Influence des dfauts


Commande tolrante passive : Passive FTC


Les dfaillances ne changent pas les objectifs O (fixs par lutilisateur). 2 cas:
Les

objectifs peuvent toujours tre atteints en prsence de dfaut: le systme command est dit tolrant aux fautes (fault tolerant) Les objectifs ne peuvent plus tre atteints en prsence de dfauts. Le systme command nest pas tolrant aux fautes. Les objectifs doivent tre reconfigurs.

Dfinition des objectifs de commande La loi de commande est la mme en absence et en prsence de dfauts Les dfauts sont considrs comme des perturbations Passive FTC = commande robuste vis--vis dun ensemble de fautes

Les dfauts changent les contraintes C et les commandes admissibles U


V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Toutes les fautes doivent tre connues lavance Contraintes fortes pour la synthse On ne dtecte pas obligatoirement le dfaut. Celui-ci est masqu par la commande.
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

33

34

Commande tolrante active : Active FTC


Commande tolrante active : Active FTC

Dfinition des objectifs de commande Dtermination de la loi de commande nominale (applique en absence de dfaut) Module de dtection et de localisation de dfaut : Fault detection and Isolation Module destimation du dfaut : Fault estimation module Loi de commande adaptative utilisant le dfaut estim ou commutation vers une autre commande. Difficult de synthse de la loi de commande Influence du FDI sur le FTC (et linverse) !

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

35

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

36

Commande tolrante active : Active FTC

Commande tolrante active : Active FTC

Recherches actuelles
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

37

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

38

Active FTC
Situation pratique en prsence de dfauts fonctionnement normal, commande nominale systme dfaillant, commande nominale systme dfaillant, commande nominale systme dfaillant, commande accommode

Sret de fonctionnement

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

40

39

Sret de fonctionnement
Plusieurs dfinitions : La science des dfaillances [VIL 88] Proprits qui permettent aux utilisateurs de placer une confiance justifie dans le service qui leur est dlivr [LAP 88] Ensemble de proprits qui dcrivent la disponibilit et les facteurs qui la conditionnent : fiabilit, maintenabilit et logistique de maintenance. [ISO 93]
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

La sret de fonctionnement

La sret de fonctionnement consiste connatre, valuer, prvoir, mesurer et matriser les dfaillances de manire garantir la fiabilit, la scurit, la disponibilit et la maintenabilit du systme Domaine "jeune" (premires normes en1985) Certains concepts et mthodes bien matriss actuellement mais d'autres en recherche (domaine trs prometteur)

41

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

42

Systme "sr"

Diagnostic et sret de fonctionnement


Les fonctions associes au diagnostic (FTE/FTC/ reconfiguration) contribuent la sret de fonctionnement (dependability)
La fiabilit fiabilit (reliability)= Aptitude dune entit accomplir une fonction requise, dans des conditions donnes, pendant un intervalle de temps donn. Disponibilit Disponibilit (availability)= Aptitude dun systme fonctionner quand on le sollicite La maintenabilit maintenabilit (maintenability)= Aptitude dun systme tre entretenu ou remis en marche La s scurit curit (safety)= Aptitude dun systme respecter lutilisateur et son environnement.
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Un systme "sr " , cest un systme qui ralise ce pour quoi il a t conu sans incident mettant la rentabilit en question
accident la scurit

Disponibilit

Rentabilit

Fiabilit Scurit
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

43

44

Analyse de la SdF

Paramtres de la SdF

Les paramtres de la SdF


Taux

de dfaillance/rparation MTBF, MTTF, MTTR, MUT, MDT, Evnements redouts


Mthodes classiques dtude de la SdF


AMDEC Diagramme

La fiabilit Taux de dfaillance Taux de rparation La maintenabilit La disponibilit MTTF, MDT, MUT

Aptitude dun bien accomplir une fonction requise, dans des conditions donnes, pendant un intervalle de temps donn

de fiabilit (ou de succs) Arbre des dfaillances Graphe de Markov Rseau de Ptri stochastique
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

R(t) 1

Probabilit quune mission dune dure donne soit accomplie

dure
45
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

46

Paramtres de la SdF

Paramtres de la SdF

La fiabilit Taux de dfaillance Taux de rparation La maintenabilit La disponibilit MTTF, MDT, MUT

Cest la proportion ramene lunit de temps des lments qui, ayant survcu un temps t, ne sont plus capables de fonctionner linstant t + dt (t)

La fiabilit Taux de dfaillance Taux de rparation La maintenabilit La disponibilit MTTF, MDT, MUT

Cest la proportion ramene lunit de temps des lments qui, tant en panne linstant t, seront capables de fonctionner linstant t + dt aprs rparation (t)

dR (t) (t)= dt R(t)


t
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

t
47
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

48

Paramtres de la SdF

Paramtres de la SdF

La fiabilit Taux de dfaillance Taux de rparation La maintenabilit La disponibilit MTTF, MDT, MUT

Aptitude dune entit tre maintenue ou rtablie, dans un tat dans lequel elle peut accomplir sa fonction ()
M(t)

La fiabilit Taux de dfaillance Taux de rparation La maintenabilit La disponibilit MTTF, MDT, MUT

Aptitude dun bien accomplir une fonction requise, dans des conditions donnes, un instant donn ()

Probabilit que le systme soit rpar aprs un temps donn


dM (t ) (t ) = dt M (t )

A(t) 1 A
0

temps de rparation
49

Na de sens que pour les systmes rparables

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

50

Paramtres de la SdF

Mthodes dtude de la SdF


La fiabilit Taux de dfaillance La disponibilit La maintenabilit Taux de rparation MTTF, MDT, MUT

Grandeurs plus pratiques : Les temps moyens : MTTF : jusqu' la dfaillance MTTR : de rparation MUT : de fonctionnement MDT : d'arrt MTBF : entre dfaillance

Mthodes nombreuses et varies, adaptes des objectifs diffrents


E3 E1 E4 E2 E5
21

entre

sortie
Etat Nominal
Marche

Etat Dgrad 1 2

1+2

Etat de Panne

Diagramme de fiabilit
S
Composant Modes de dfaillance Causes possibles Effets Moyen de dtection Niveau de criticit Observations

Graphe de Markov
=10-3 En panne Technicien libre

Fonctionnement Panne Fonctionnement


temps
E1

AMDEC
E2 E3

Immdiat

MTTF t=0

MDT MTTR

MUT MTBF

MDT
Arbre de dfaillance

En rparation

Dure de 1 8h

RdP stochastiques

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

51

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

52

Cahier des charges de surveillance


Que veut on surveiller? Quelle prcision de diagnostic souhaite-t-on? De quoi dispose-t-on? Quelles sont les contraintes? Quelles sont les ressources disponibles? Que veut on faire du diagnostic?

53

Mise en place dun systme de diagnostic

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

54

Diffrentes mthodes

Classification des mthodes


Adaptes au cahier des charges ! Adaptes au systme considr


Mthodes internes : avec modle comportemental explicite


SC:

Systme embarqu/fixe Dynamique lente ou rapide Types de donnes : signaux, informations qualitatives, Qualit des donnes Possde-t-on un (des) modle(s) comportementaux (fonctionnement normal/dfaillants) Taille du systme (nb de composants)? Systme distribu, communication/transmission des donnes Quantit dinformations disponibles?

Adaptes au types de donnes/informations disponibles sur le systme.


Espace de Parit, observateurs, estimateurs, techniques didentification paramtriques SED: Techniques IA, diagnostiqueurs

Mthodes externes : sans modle comportemental explicite


Reconnaissance

Adaptes la complexit du systme :


des formes Rseaux de neurones Systmes expert Traitement du signal


55
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

56

Proprits relatives au diagnostic


Dtectabilit Isolabilit Diagnosticabilit Identifiabilit Et Tolrance Maintenabilit Reconfigurabilit

Analyse des proprits relatives au diagnostic


Analyse structurelle, parcours de graphes Critres continus ou discrets : tudes classiques de lautomatique
Observabilit, Commandabilit, Identifiabilit, Stabilit.

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

57

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

58

Proprits dun systme de diagnostic


Mise en place dun systme de surveillance


Robustesse/sensibilit des indicateurs Taux/probabilits de fausses alarmes Taux/probabilits de non dtection Dlais de dtection Prcision, ambigut des diagnostics Complexit du systme de diagnostic Proprits relatives limplantation : diagnostic distribu, local, global,
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Quelles donnes disponibles?


Signaux Donnes

qualitatives

Quels traitements des donnes brutes?


Filtrage Suppression

des donnes aberrantes validation de donnes Reprsentation adapte Synchronisation


59
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

60

Mise en place dun systme de surveillance


Les donnes disponibles


Quels indicateurs?
Directs

: Les signaux/donnes accessibles Indirects : Des indicateurs calculs (estims) en utilisant les signaux/donnes disponibles.

Dcision sur les indicateurs


Tests

(moyenne, variance, ) par rapport des seuils (fixes ou non) Dtection de rupture Analyse frquentielle Appartenance un ensemble (set-membership approach) Analyse de tendance
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Consignes/Commandes (continues et discrtes) Signaux prlevs par des capteurs Informations discrtes fournies par des dtecteurs Symptmes observs par loprateur

61

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

62

Prtraitement des donnes


Les indicateurs

Mise en forme des donnes, recalage temporel, retrait de valeurs aberrantes, extrapolation si donnes manquantes, mise l chelle, normalisation Fusion dinformations multi-sources Choisir une bonne reprsentation : reprsentation du signal, des donnes suivant un certain point de vue mettant en vidence des caractristiques particulires Filtrage : permet de ne garder que les informations utiles dans le signal pour le pb trait

Un indicateur (ou rsidu) est une combinaison des donnes/signaux prtraits qui caractrise ltat dans lequel se trouve le systme. Diffrents indicateurs :
Indicateur

= signal (ou donne, symptme) prlev Indicateurs calculs en utilisant la redondance analytique: utilisation dun modle de comportement (correspondant un fonctionnement donn dun systme) pour tablir des liens entre les signaux qui doivent tre vrifis si le modle reprsente correctement ltat du systme: Mthodes base dobservateurs, de filtres, mthode dite de lespace de parit,
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

63

64

Les indicateurs

Caractristique des indicateurs :


stationnarit, tendance, spectre,

volution temporelle,

caractristiques temps-frquence, confinement des donnes dans un sous espace de lespace des donnes, caractristiques stochastiques, forme de lvolution des indicateurs (lissajous courants de foucault), caractristiques physico-chimiques (viscosit, acidit, coloration)
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Dcision statistique

66

65

Thorie de la dcision statistique


Indicateur r : variable alatoire
La dcision ncessite dutiliser des tests statistiques

Mthodes statistiques de dtection de rupture


Test dhypothse : choisir entre des hypothses suivant la valeur de la donne (chantillon) disponible 2 hypothses :

Tests binaires (Bayes, Minimax, Neyman-Pearson) Tests hypothses multiples Test composites Tests squentiels de WALD .

H0 : lchantillon correspond un fonctionnement normal H1 : lchantillon correspond un fonctionnement dfaillant H0 vrai H1 vrai = Pnd 1-Pnd Pfa : Pnd : Probabilit de fausse alarme Probabilit de non dtection

H0 retenu H1 retenu

1-Pfa = Pfa

Objectifs : minimiser les probabilits de fausses alarmes et de non-dtections


V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

67

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

68

Test dhypothse unilatral

Test de Neyman-Pearson
Rapport de vraisemblance
Likelihood function or ratio

V(r ) =

p( r | H1 ) p( r | H 0 )
H

La probabilit de dtection 1- est maximise pour une valeur de si on choisit H1 lorsque V ( r ) > = Pnd = Pfa cest--dire :
1

V( r )

> < H0

o satisfait la contrainte sur la probabilit de fausse alarme

Pfa = p( r | H 0 )dr =

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

69

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

70

Gnration des indicateurs


On possde un modle

Gnration des indicateurs de dfaillance en utilisant un modle de comportement

Mthode base dobservateurs Mthode par RRA : (espace de parit, mthode dlimination) Mthodes par identification paramtrique

Pas de modle disponible


Mise en vidence de liens entre les donnes : recherche d'un modle! ACP, techniques didentification Sans chercher de liens entre les donnes : indicateur = donne, signal mesur. ncessit dune caractrisation de lindicateur pour le systme en bon fonctionnement : Modle !

71

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

72

Model-based methods
u(t)

Model-based methods
Disturbance Disturbance Sensors y(t) u(t) Plant

(t)
Plant

(t)

Sensors

y(t)

x0 u(t)
& = f ( x,u,p ) x

d x(t)
y = h (x,m )

x0 x(t)

d
y = h ( x,d,m )

y(t)

u(t)

& = f ( x,u,d,p ) x

y(t)

Plant model

Sensors models

Plant model
73

Sensors models
74

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Model-based methods
Disturbance u(t) Plant Fault Disturbance x(t) Fault y(t) u

Gnration de rsidus par observateurs


Systme rel y

Sensors

P(.) + r(t)

d u(t)

x0 x(t)

d Observateur
y = h def ( x , d , def )

^ T.x

(.)
f ( x ,u ,d , ) h( x ,u ,d , )

& = f def ( x , u , d , def ) x

y(t)
& = x Construit partir du modle d'tat du systme y =
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Plant model

Added fault signal

Sensors models

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

75

76

Observer-based residual generation


State space model
& = f (x,u) x y = h(x,u)

Gnration de rsidus par observateurs


Systme rel
r = ( z ,u , y )
& = ( z ,u , y ) z

r(t)

State observer
& = ( z,u, y ) z x = ( z,u, y )
x 0 when t ,u,x0 ,y0 = x

PFGR : trouver et telles que u , y , x 0 1) qd d(t)=0 et (t)=0, r(t)0 2) r(t) n est pas affect par d(t)

Exponential asymptotic observer

t > t0 Kect

with K et c > 0
77

3) r(t) est affect par (t)


V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

78

Mthode utilisant les RRA


& = x y = f ( x ,u ) h( x ,u )

Mthode utilisant les RRA


& = x y = f ( x ,u ) h( x ,u )

F ( y p ,u p , x ) = 0

c ( y p ,u p ) = 0
Relations de Redondance Analytique

y dy y p = dt M p d y dt p

up

u du dt = M d pu p dt
79

Problme gnral d'limination : f et h linaires : projection dans l'espace de parit f et h non linaires : thorie de l'limination

RRA : r-criture d'une partie du modle, en liminant les variables inconnues.


V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

80

Mthode utilisant les RRA


y Systme rel r(t)

Observer-based and ARR-based method


Linear (or linearisable) systems

Linear filter between PS residual r(t) and observer residual e(t) :

RRA Calcul de c ( y p ,u p

E(p) = F(p)R(p)

Non linear systems


Existence of a non-linear relation between the 2 residuals

Le rsidu r(t) indique si la trajectoire de y est cohrente avec le modle de bon fonctionnement utilis pour calculer les RRA.
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

( (s) (s1),,e(s) ) r(t) = Obs, e y ,u


81
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

82

Observer-based and ARR-based method

Identification paramtrique
y Systme rel

Avantages ARR
General formulation Analytical form of residuals Sensitivity study Known theory for control Robustness properties Non derivable signals and non linearities

Drawbacks
Complexity for general NL syst. Derivative computation Noise sensitivity No evaluation form Difficult design for NL syst. No general theory for NL syst.

Obs.

Techniques d'identification paramtrique


Paramtres nominaux

Paramtres estims

Comparaison

r(t)

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

83

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

84

Reconnaissance des formes et apprentissage automatique (machine-learning )


z2

Apprentissage et reconnaissance des formes pour le diagnostic


z3

z1

Base de donnes (symptmes, indicateurs) d'apprentissage


85
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

86

Reconnaissance des formes et apprentissage


z2

Reconnaissance des formes et apprentissage


Mode de fonctionnement dfaillant 2 z2 Mode de fonctionnement normal 1

z1

z1

z3

z3

Mode de fonctionnement dfaillant 1

Objectif de lapprentissage : dterminer les classes (nombre de classes, frontires, forme) partir de jeux de donnes
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Objectif de lapprentissage : dterminer les classes (nombre de classes, frontires, forme) partir de jeux de donnes puis caractriser ces classes
87
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

88

Reconnaissance des formes et apprentissage


z2

Techniques d'apprentissage (1/3)


z1

?
Donne nouvelle z3

Diagnostic : Affecter une donne nouvelle une classe pour caractriser ltat de fonctionnement du systme.
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Apprentissage supervis : l'algorithme d'apprentissage utilise une base de donnes dj tiquetes par un expert. L'apprentissage est guid. Objectif : dterminer une fonction de prdiction pour pouvoir affecter une donne nouvelle une des classes apprises. Mthodes SVM : Machines vecteurs de support Mthode des k plus proches voisins (minimisation de distances) Rseaux de neurones - perceptron
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

89

90

Techniques d'apprentissage (2/3)


Techniques d'apprentissage (3/3)


Apprentissage non supervis (classification automatique) Principe : Pas de donnes tiquetes a priori. Les donnes sont traites comme des variables alatoires. L'apprentissage n'est pas guid. Diffrentes mthodes

Apprentissage par renforcement (apprentissage par essais-erreurs) Principe : A partir d'expriences itres, l'apprentissage est guid pour minimiser une fonction rcompense

non paramtriques : partitionnement de donnes (data clustering). Ex. ACP probabilistes mlanges de lois de probabilit. Hypothses sur la loi de distribution des chantillons classer. Rseaux de neurone - Carte auto adaptative de Kohonen (self organizing map (SOM) ).

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

91

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

92

Analyse en composante principale (ACP)


Analyse en composante principale (ACP)

Consiste transformer des variables lies entre elles (corrles) en nouvelles variables indpendantes les unes des autres (donc "non corrles"). Les nouvelles variables sont nommes "composantes principales". Met en oeuvre une dcomposition en valeurs et vecteurs propres de la matrice de covariance des donnes ou encore une dcomposition en valeurs singulires de la matrice des donnes LACP permet de rduire l'information en un nombre de composantes plus limit que le nombre initial de variables.

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

93

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

94

Luenberger observer
(0) = x 0 x & = Ax + Bu + K [ y y ] x y = Cx + Du
or

Gnration de rsidus par observateurs.

(0) = x 0 x & = [A KC ]x + [B KD ]u + Ky x y = Cx + Du

Luenberger, D. G. (1971). An Introduction to Observers. IEEE Trans. on Aut. Control AC-16(6), 596602.
95

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

96

Luenberger observer
Estimation error
e=xx

Luenberger observer
Faulty behavior model
& ( t ) = Ax ( t ) + Bu ( t ) + Ed ( t ) + F ( t ) x y ( t ) = Cx ( t ) + Gd ( t ) + H ( t )

Dynamic error equation


& = ( A KC ) e e

Condition of asymptotic convergence = stability condition If Re(eig(A-KC)) < 0


r(t) = y y
97

Fault response
& = ( A KC ) e + Ed + F e
r = Ce + Gd + H

e(k ) k 0

No decoupling possibility !
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

Residual

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

98

Unknown Input Observer


Definition : An observer is an "Unknown Input Observer" if
e ( t ) 0 d
Input General structure (linear systems) Disturbances d(t) Outpu t y (t ) H K

Unknown Input Observer


Estimation error :
& = Ax + Bu + Ed x y = Cx
e= xx

Plant

& = Fz + TBu + Ky z x = z + Hy

u (t )
TB

Dynamic error equation :


& = Fz + TBu + Ky z x = z + Hy

& = Ax + Bu + Ed Fz TBu Ky Hy & e 14 4 244 3 144424443


x
& x & Hy & z

By replacing, we have :
& = Cx & = CAx + CBu + CEd y Hy z=x K = K1 + K 2
99 100

Wnnenberg, J. and P. Frank (1986). System Fault Diagnostics, Reliability and Related KnowledgeBased Approaches. Vol. 1. Tzafestas, Singh, Schmidt ed.. Reidel Press.

Unknown Input Observer


& = ( A HCA K 1 C ) e ( F ( A HCA K 1 C )) x e ( K 2 FH ) y ( T ( I HC )) Bu ( HC I ) Ed

Unknown Input Observer


Theorem The necessary and sufficient conditions for the existence of an UIO are : 1) rang(CE) = rang(E)

Determination of matrices F,T,K et H


( HC I ) E T F K2
= 0 = I HC = A HCA K 1 C STABLE = FH

2) (C,A1) is detectable where A1 = A E (CE ) CE


T

] (CE ) CA
1
T

Detectable : non observable modes are stable


101 102

UIO : Design
1. Rang(CE) = Rang(E)? 2. Compute H, T et A1 : If not

END

( HC I ) E T F K2

= = = =

0 I HC A HCA K 1 C STABLE FH

UIO : Design
5. (C1A1) detectable ? Yes

eig ( A22 )

Unstable ?

No UIO

END

No : step 6

H = E[(CE )T CE ]1 (CE )T
3. Test (C,A1)

T = I HC

A1 = TA

6. Compute K 1 p by pole placement of

A11 K 1 p C1

if (C,A1) observable , K1 computed by pole placement. Step. 8 otherwise Step 4

7. Compute K1 : K1 = P 1

[( K

1 T p)

2 T (K p )

, with ( K p ) non zero matrix.

2 T

8. Compute F et K : 4. Construct P such that :

A PA1P 1 = 11 A21

0 CP 1 = [C1 0] A22
103 9. FIN

F = A1 K1C

et

= K1 + K 2 = K1 + FH
104

UIO : example
& = Ax + Bu + Ed x y = Cx
1 1 0 1 0 0 avec A = 0 1 1 1 0 0 C= 0 0 1
1. 2. rang(CE) = rang(E) = 1 H, T et A1

UIO : example
1 E= 0 0 1 CE = 0
3. rang CA = 3 (C , A1 ) 1 K1 : pole placement of A1-K1C.

Observable.

(MATLAB : K=place(A,B,P)

eig(A-BK) = P )

1 0 H = 0 0 0 0

0 0 0 T = 0 1 0 0 0 1

0 0 0 A1 = 1 0 0 0 1 1

K 1 = place ( A 1 , C , P )
T T

P=
105

[ 1

2 3]

2.0039 0.0481 K1 = 0.7588 3 0.1608 2.9961


106

UIO : example
8. F = A1 K1C et K = K1 + FH

UIO : example
A=[-1 1 0;-1 0 0; 0 -1 -1]; B=[0 ; 1 ; 0]; C=[1 0 0;0 0 1]; D=[0 ; 0]; E=[-1 ; 0 ; 0 ]; I=eye(3); H=E*inv((C*E)'*(C*E))*(C*E)' ; T=I-H*C; A1= T*A; VP_A=eig(A); P=input('Enter eigenvalues of the observer : eig(A-KC) ') K11 = place(A1',C',P); K1 = K11' ; F= A1-K1*C; K = K1 + F*H ;
107 108

0.0481 2.0039 0 F = 0.2412 0 3 0.1608 1 3.9961

0 0.0481 K = 1 3 2.9961 0

& = Fz + TBu + Ky z = z + Hy x

UIO : example

UIO : example

y and y estimate, disturbance occurs at t=5s


109 110

UIO : example

Localisation des dfauts : banc de gnrateurs de rsidus

residual = y - yest
111

112

Fault isolation : bank of RG


Actuator fault
DOS : Dedicated observer scheme
u y Sens.

Fault isolation : bank of RG


Actuator fault

Signatures table fact,1 ract,1 1 0 ract,2 fact,2 0 1


.. . .. .

GOS : Generalized observer scheme

Signatures table fact,1 ract,1 0 1 ract,2 fact,2 1 0


.. . .. .

Act. u1

System

fact,mu 0

u Act.

System

y Sens.

fact,mu 1

umu

RG1
: :

ract,1 ract,mu

umu

u1

0 1

RG1
: :

ract,1 ract,mu

.. .

.. .

1 0

RGmu

ract,mu

RGmu

ract,mu

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

113

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

114

Fault isolation : bank of RG


Sensor fault
DOS : Dedicated observer scheme Signatures table
u Act. y1 System Sens. y

Fault isolation : bank of RG


Sensor fault
GOS : Generalized observer scheme Signatures table fsens,1 fsens,2 rsens,1
y1

fsens,1 fsens,2 rcapt,1 1 0 0 1


.. . .. .

fsens,p 0

u Act. System Sens.

fsens,p 1
.. .

RG1
yp
: :

rsens,1 rsens,p

rcapt,2

0 1

1 0
.. .

0 1
yp

RG1
: :

rsens,1 rsens,p

rsens,2

.. .

..

RGp

rcapt,p

1 0

RGp

rsens,p

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

115

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

116

Bank of UIO
Example (inspired from Watanabe and Himmelblau 1982)
& = Ax + Bu + Ed x y = Cx
Concentration of chemical product Temperature of product Temperature of steam water Temperature of cooling

Bank of UIO : example


0 0 0 3.6 0 3.6702 0 0.0702 E= A= 0 0 36.2588 0.2588 0.6344 0.7781 1.4125 0
1 0 B= 1 0 0 0 1 1 0 1 0 0

with :

1 20.758 0 0

x1 = C0 x2 = T0 x3 = Tw x4 = Tm

1 0 0 0 C = 0 1 0 0 0 0 1 0

Considered faults : Actuators faults : u1 , u2 , u3


Watanabe, K. and D. M. Himmelblau (1982). Instrument Fault Detection in Systems with Uncertainties. Int. J. Systems Sci. 13, 137158.

117

118

Bank of UIO : example


% UIO Example : Watanabe and Himmelblau 1982, % init system matrices A=[-3.6 0 0 0; 0 -3.6702 0 0.0702;0 0 -36.2588 0.2588; 0 0.6344 0.7781 -1.4125]; B=[1 0 0 ; 0 1 -1 ; 1 0 1 ; 0 0 0]; C=[1 0 0 0;0 1 0 0;0 0 1 0]; D=zeros(3,3); E=[1 ; 20.758 ; 0 ; 0]; I=eye(4); VP_A=eig(A) P=2*VP_A;

Bank of UIO : example


%UIO3 B3 = B(:,1:2); E3 = [E B(:,3)]; H3=E3*inv((C*E3)'*(C*E3))*(C*E3)' ; T3=I-H3*C; A13= T3*A; K = place(A13',C',P); K13 = K' ; F3= A13-K13*C; K3 = K13 + F3*H3 ; %UIO1 B1 = B(:,2:3); E1 = [E B(:,1)]; H1=E1*inv((C*E1)'*(C*E1))*(C*E1)' T1=I-H1*C;
119

A11= T1*A; K = place(A11',C',P); K11 = K' ; F1= A11-K11*C; K1 = K11 + F1*H1 ; %UIO2 B2 = B(:,[1 3]); E2 = [E B(:,2)]; H2=E2*inv((C*E2)'*(C*E2))*(C*E2)' ; T2=I-H2*C; A12= T2*A; K = place(A12',C',P); K12 = K' ; F2= A12-K12*C; K2 = K12 + F2*H2 ;
120

%UIO dynamics

Bank of UIO : example

Actuator signals with fault and disturbance


121 122

Bank of UIO : example

Bank of UIO : example

Outputs with fauty actuators and disturbance


123

UIO1 residual (robust wrt d and faulty actuator 1)


124

Bank of UIO : example

Bank of UIO : example

UIO2 residual (robust wrt d and faulty actuator 2)


125

UIO3 residual (robust wrt d and faulty actuator 3)


126

Conclusions

Conclusions

127

Le diagnostic et la commande tolrante aux fautes des systmes est un domaine (relativement rcent) pluridisciplinaire: Physique (connaissance des phnomnes, modlisation, ..) Analyse fonctionnelle Automatique classique (observation, commande) Traitement du signal Manipulation et reprsentation des donnes Thorie de la dcision statistique + implantation des algorithmes, transmission de linformation, conception dIHM de supervision,
128

Quelques orientations actuelles


Conception de systmes srs de fonctionnement. Intgrer le diagnostic ds la conception (placement optimal de capteurs, actionneurs, traitements,) Pronostic en utilisant des modles de dgradation et en estimant les dures de vie rsiduelles des composants Diagnostic actif Diagnostic et FTC de systmes dynamiques hybrides Diagnostic et FTC des systmes distribus Liens FTC et sret de fonctionnement

Quelques rfrences bibliographiques

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

130

129

Bibliographie - Terminologie, dfinitions,


Bibliographie Sret de fonctionnement


AFNOR : Association Franaise de Normalisation norme 60010X Gilles Zwingelstein, Diagnostic des Dfaillances Thorie et pratique pour les systmes industriels, Trait des Nouvelles Technologies, srie Diagnostic et Maintenance, Herms, 1995 Isermann, R. (1997). Supervision, fault-detection and fault-diagnosis methods. An introduction. Control Engineering Practice, vol. 5, no. 5, pp. 639-652. Issues of fault diagnosis for dynamic systems. Patton R.J., Frank P.M., Clark R.N. eds., ISBN 3-540-19968-3, Springer Verlag, 2000. Biswas, G.; Cordier, M.-O.; Lunze, J.; Trave-Massuyes, L.; Staroswiecki, M., Diagnosis of Complex Systems: Bridging the Methodologies of the FDI and DX Communities, IEEE Transactions on Systems, Man, and Cybernetics, Part B, Volume 34, Issue 5, Oct. 2004 Page(s):2159 - 2162
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

J. C. Laprie, Guide de la Sret de Fonctionnement, Cpadus, Ed. Toulouse, 1995. A. Villemeur, A. Villemeur, Dependability of Industrial Systems. Paris: Eyrolles,1988, Gilles Zwingelstein, Diagnostic des Dfaillances - Thorie et Pratique pour les Systmes Industriels, Hermes Science Publications, Collection : Diagnostic & Maintenance, 1995 M. Rausand and A. Hoyland, System Reliability Theory: Models, Statistical Methods and Applications, Second ed., John Wiley & Sons Inc Ed, 2004.

131

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

132

Bibliographie FDI (Fault Detection and Isolation) Mthodes avec modle (Model-based FDI)

Bibliographie FDI (Fault Detection and Isolation) Mthodes sans modle a priori

Issues of Fault Diagnosis for Dynamic Systems, Patton, Ron J.; Frank, Paul M.; Clark, Robert N. (Eds.) , Springer, 2000. Janos Gertler, Fault Detection and Diagnosis in Engineering Systems, Marcel Dekker, New York (1998). Rolf Iserman, Fault-Diagnosis Systems: An Introduction from Fault Detection to Fault Tolerance, 2006, XVIII, 475 p. 227, Springer Supervision des procds complexes, Sylviane Gentil ed., chapitre 5, 38 p., ISBN 978-2-7462-1510-8, Trait Information, Commande, Communication, IC2, Herms Science Publications, Paris, 2007. + nombreuses thses, HDR, publications..
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

J. Gertler, J. Cao. PCA-based fault diagnosis in the presence of control and dynamics. AIChE Journal, 2004. Y Tharrault. Diagnostic de fonctionnement par analyse en composantes principales : Application une station de traitement des eaux uses. Institut National Polytechnique de Lorraine, These de doctorat, 2008. http://tel.archives-ouvertes.fr/tel-00364698/en/ K. M. Pekp, C. Christophe, V. Cocquempot. Dtection et localisation de dfauts de capteurs pour les systmes structure linaire et bilinaire. In Diagnostic des systmes complexes, Ed. D. Lefebvre, H. Chafouk, A. El Hami, M. Bennouna, ISBN 9954 - 8992 - 0 - 0, 2008. pp 201-21. B. Dubuisson, Diagnostic et reconnaisance des formes, Trait des Nouvelles technologies, Srie Diagnostic et maintenance, Herms Cours/TD de lINSA de Rouen (Stphane Canu): http://asi.insa-rouen.fr/enseignement/siteUV/dx_rdf/
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

133

134

Bibliographie Mthodes de classification Reconnaissance des formes, classification


Stphane CANU, Machines noyaux pour lapprentissage statistique http://www.techniques-ingenieur.fr/book/te5255/machines-a-noyaux-pour-lapprentissage-statistique.html Nombreuses rfrences sur la reconnaissance des formes ladresse http://www.ph.tn.tudelft.nl/PRInfo/books.html

Bibliographie Tolrance aux fautes


Mogens Blanke, Michel Kinnaert, Jochen Schrder, Jan Lunze, Marcel Staroswiecki, Diagnosis and fault-tolerant control, dition: 2 - 2006 - 672 pages, Springer. Yang, Hao, Jiang, Bin, Cocquempot, Vincent, Fault Tolerant Control Design for Hybrid Systems, Series: Lecture Notes in Control and Information Sciences , Vol. 397 2010, XVI, 192 p., Mahmoud, Mufeed, Jiang, Jin, Zhang, Youmin, Active Fault Tolerant Control Systems : Stochastic Analysis and Synthesis. Lecture Notes in Control and Information Sciences, Vol. 287, Springer, 2003. Noura, H., Theilliol, D., Ponsart, J.-C., Chamseddine, A., Fault-tolerant Control Systems Design and Practical Application, Springer, series : Advances in Industrial Control, 2009

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

135

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

136

Bibliographie Traitement du signal


Sites WEB

Michle Basseville and Igor V. Nikiforov, Detection of Abrupt Changes Theory and Application; Prentice-Hall, Inc. (ISBN 0-13-126780-9 - April 1993 - Englewood Cliffs, N.J.). http://www.irisa.fr/sisthem/kniga/ Bote outils MATLAB (gratuites)

GDR MACS : http://www.univ-valenciennes.fr/GDR-MACS/ GT S3 : http://perso.ensem.inpl-nancy.fr/Didier.Maquin/S3/ GIS 3SGS : https://www.gis-3sgs.fr/ GDR ISIS : http://gdr-isis.org/ IMDR : Institut Matrise des Risques http://www.imdr.eu/v2/extranet/index.php?page=gtr


Analyse Temps-frquence : http://tftb.nongnu.org/index_fr.html


Analyse temps/Echelle (ondelettes) : http://www-stat.stanford.edu/~wavelab/

http://gdr-isis.org/rilk/gdr/Kiosque/ouvrage

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

137

V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes

138

Contact
Vincent Cocquempot Professeur Universit Lille 1, France DED Auto EDSPI 072 Laboratoire LAGIS FRE 3303 : Tl : +33 (0)3 20 43 62 43 Fax : +33 (0)3 20 33 71 89 Mail : vincent.cocquempot@univ-lille1.fr http://sfsd.polytech-lille.net/vcocquempot

139