Vous êtes sur la page 1sur 193

Laboratoire dAutomatique, Gnie Informatique et Signal LAGIS - UMR CNRS 8146

N o dordre : 63

Ecole Centrale de Lille


THESE Prsente en vue de lobtention du grade de

DOCTEUR
Discipline : Productique, Automatique et Informatique Industrielle tel-00200030, version 1 - 20 Dec 2007 Par

Mohand Arab DJEZIRI

Diagnostic des Systmes Incertains par lApproche Bond Graph


Doctorat dlivr par lcole Centrale de Lille Thse encadre par : Belkacem OULD BOUAMAMA , Genevive DAUPHIN-TANGUY et Rochdi MERZOUKI

Soutenue le 7 dcembre 2007 devant la commission du jury

Jury : M. Didier Maquin. Professeur: Institut National Polytechnique de lorraine (Rapporteur) M. Michel Verg. Professeur : ENSAM Paris (Rapporteur) M. Kamel Youcef Toumi. Professeur : Massachusetts Institute of Technology (Examinateur) M. David Henry. MDC : Universit des Sciences et Technologie de Bordeaux (Examinateur) M. Belkacem Ould Bouamama. Professeur : Ecole Polytechnique Universitaire de Lille (Coencadreur) Mme. Genevive Dauphin-Tanguy. Professeur : Ecole Centrale de Lille. (Coencadreur) M. Rochdi Merzouki. MDC : Ecole Polytechnique Universitaire de Lille. (Coencadreur)

tel-00200030, version 1 - 20 Dec 2007

Table des matires


Remerciements Introduction Gnrale
tel-00200030, version 1 - 20 Dec 2007

1 3 9 9 10 11 12 12 14 17 19 22 25 25 25 26 28 28 29 31 33 34 35

1 Approches qualitatives et quantitatives de diagnostic robuste 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Approches qualitatives de diagnostic robuste . . . . . . . . . . . . . . . 1.2.1 1.2.2 1.3.1 1.3.2 1.3.3 Approche Baysienne . . . . . . . . . . . . . . . . . . . . . . . . Les rseaux de neurones ous . . . . . . . . . . . . . . . . . . . Lespace de parit . . . . . . . . . . . . . . . . . . . . . . . . . Les observateurs . . . . . . . . . . . . . . . . . . . . . . . . . . Le ltrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3 Approches quantitatives de diagnostic robuste . . . . . . . . . . . . . .

1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Modlisation LFT des lments bond graphs 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Construction dun modle bond graph . . . . . . . . . . . . . . . . . . 2.3 Reprsentation LFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.1 2.4.1 2.4.2 2.4.3 Hypothses de mise en forme LFT . . . . . . . . . . . . . . . . Elment BG avec une incertitude additive . . . . . . . . . . . . Elment BG avec une incertitude multiplicative . . . . . . . . . Modles BG-LFT des lments de stockage dnergie . . . . . . 2.4.3.1 2.4.3.2 Elments I et C en causalit drive . . . . . . . . . . Elments I et C en causalit intgrale . . . . . . . . . i 2.4 Modlisation des lments BG incertains . . . . . . . . . . . . . . . . .

ii 2.4.4

Table des matires Modles BG-LFT des lments conservatifs de puissance . . . . 2.4.4.1 2.4.4.2 2.4.5 Elment TF . . . . . . . . . . . . . . . . . . . . . . . . Elment GY . . . . . . . . . . . . . . . . . . . . . . . 36 36 37 40 41 42 43 46 50 50 56 57 59 59 59 59 61 61 64 74 74 75 76 79 80 82 86 87 87 87 89 90

Modle BG-LFT de llment RS . . . . . . . . . . . . . . . . .

2.5 Construction dun modle BG-LFT . . . . . . . . . . . . . . . . . . . . 2.6 Comparaison de lapproche dtat LFT avec lapproche BG-LFT . . . . 2.6.1 2.6.2 2.6.3 Approche modle dtat LFT . . . . . . . . . . . . . . . . . . . Approche BG-LFT . . . . . . . . . . . . . . . . . . . . . . . . . Comparaison des deux approches . . . . . . . . . . . . . . . . .

2.7 Cas de dpendance paramtrique . . . . . . . . . . . . . . . . . . . . . 2.8 Evaluation des incertitudes paramtriques . . . . . . . . . . . . . . . .


tel-00200030, version 1 - 20 Dec 2007

2.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 Les bond graphs pour le diagnostic robuste 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Graphe bi-partite et bond graph . . . . . . . . . . . . . . . . . . . . . . 3.2.1 3.2.2 3.2.3 3.2.4 3.3.1 3.3.2 Graphe bi-partite . . . . . . . . . . . . . . . . . . . . . . . . . . Couplage sur un graphe bi-partite . . . . . . . . . . . . . . . . . Variables et contraintes sur un bond graph . . . . . . . . . . . . Couplage sur un modle bond graph . . . . . . . . . . . . . . . Forme gnrale de la RRA incertaine . . . . . . . . . . . . . . . Gnration des seuils adaptatifs . . . . . . . . . . . . . . . . . .

3.3 Gnration de rsidus robustes . . . . . . . . . . . . . . . . . . . . . .

3.4 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5 Analyse de la sensibilit . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5.1 3.5.2 Lindice de sensibilit normalis . . . . . . . . . . . . . . . . . . Indice de dtectabilit de dfauts . . . . . . . . . . . . . . . . .

3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Gnration automatique des RRAs robustes 4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Logiciels de diagnostic qualitatif . . . . . . . . . . . . . . . . . . . . . . 4.2.1 Logiciels de diagnostic quantitatif . . . . . . . . . . . . . . . . . 4.3 Gnration automatique de RRAs robustes laide des BGs . . . . . .

iii 4.3.1 4.3.2 Logiciels de modlisation par Bond Graph . . . . . . . . . . . . Gnration automatique des RRAs robustes . . . . . . . . . . . 91 94

4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 5 Applications 103

Partie I

Application un systme lectromcanique

105

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 5.2 Description du banc dessais . . . . . . . . . . . . . . . . . . . . . . . . 106 5.3 Modlisation du couple perturbateur . . . . . . . . . . . . . . . . . . . 107
tel-00200030, version 1 - 20 Dec 2007

5.4 Modlisation bond graph du systme lectromcanique . . . . . . . . . 109 5.5 Identication des paramtres . . . . . . . . . . . . . . . . . . . . . . . 112 5.6 Validation du modle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 5.7 Procdure de diagnostic robuste . . . . . . . . . . . . . . . . . . . . . . 118 5.8 Rsultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . 122 5.8.1 Cahier des charges . . . . . . . . . . . . . . . . . . . . . . . . . 122 5.9 Rsultats exprimentaux . . . . . . . . . . . . . . . . . . . . . . . . . . 127 5.10 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130

Partie II

Application un systme thermouide

131

5.11 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132 5.12 Problmatique et hypothses de modlisation . . . . . . . . . . . . . . 133 5.13 Modlisation BG-LFT du GV . . . . . . . . . . . . . . . . . . . . . . . 135 5.13.1 Bond graph mots du systme . . . . . . . . . . . . . . . . . . 135 5.13.2 Modle bond graph de la cuve . . . . . . . . . . . . . . . . . . . 136 5.13.3 Modle bond graph de la pompe et la conduite . . . . . . . . . 139 5.13.4 Modle bond graph de la chaudire . . . . . . . . . . . . . . . . 142 5.13.5 Gnration des RRAs robustes . . . . . . . . . . . . . . . . . . 148 5.13.6 Rsultats exprimentaux . . . . . . . . . . . . . . . . . . . . . . 153 5.14 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159

iv 6 Conclusions gnrales et perspectives

Table des matires 161

6.1 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161 6.2 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162 7 Annexes 7.1.1 7.1.2 165 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165 Elments Bond Graphs un port . . . . . . . . . . . . . . . . . 166 7.1.2.1 7.1.2.2 7.1.2.3
tel-00200030, version 1 - 20 Dec 2007

7.1 Gnralits sur les bond graphs . . . . . . . . . . . . . . . . . . . . . . 165

Reprsentation . . . . . . . . . . . . . . . . . . . . . . 166 Utilisation des variables dans la modlisation bond graph166 Elements passifs . . . . . . . . . . . . . . . . . . . . . 168 Elments actifs . . . . . . . . . . . . . . . . . . . . . . 170 Elments de jonction . . . . . . . . . . . . . . . . . . . 171 Transformateur TF . . . . . . . . . . . . . . . . . . . 172 Gyrateur GY . . . . . . . . . . . . . . . . . . . . . . . 173 Liens dinformation . . . . . . . . . . . . . . . . . . . 173 Rgle daectation de la causalit . . . . . . . . . . . . 174 Chemin causal . . . . . . . . . . . . . . . . . . . . . . 177

7.1.2.4 7.1.2.5 7.1.3 7.1.3.1 7.1.3.2 7.1.3.3 7.1.4 7.1.4.1 7.1.4.2 7.1.5 7.1.6

Elments bond graphs 2 ports . . . . . . . . . . . . . . . . . . 172

Notion de causalit . . . . . . . . . . . . . . . . . . . . . . . . . 173

Bond graph bicausal . . . . . . . . . . . . . . . . . . . . . . . . 177 Equations dtat associes au modle bond graph . . . . . . . . 178 7.1.6.1 Proprits des variables dtat . . . . . . . . . . . . . 179 180

Bibliographie

Remerciements
Je tiens remercier toutes les personnes que jai rencontres durant ces deux annes de thse. Je remercie Madame Genevive Dauphin-Tanguy, Professeur lEcole Centrale de Lille et Madame Mireille Bayart, Professeur lEcole Polytechnique Universitaire de Lille, pour mavoir accueilli dans leurs quipes. Je remercie plus particulirement Belkacem Ould Bouamama, Professeur lEcole Polytechnique Universitaire de Lille, Rochdi Merzouki, Matre de confrence lEcole Polytechnique Universitaire de Lille, et Genevive Dauphin-Tanguy, Professeur lEcole Centrale de Lille pour mavoir encadr. Je les remercie pour leur pdagogie, leur soutien et pour toutes les discussions instructives et fructueuses que nous avons eues durant toute la dure de ce travail de recherche. Je remercie Michel Verg, Professeur lENSAM Paris et Didier Maquin Professeur lInstitut Polytechnique de lorraine davoir accept dtre les rapporteurs actifs de ce prsent mmoire. Tous mes remerciements vont aux personnes pr-cites, ainsi qu Kamel Youcef Toumi, Professeur Massachusetts Institute of Technology et David Henry, Matre de confrence lUniversit Bordeaux1 davoir accept dtre les membres du jury de la soutenance de thse. Je remercie galement les membres du jury pour leurs commentaires constructifs et pour avoir apport un regard neuf sur mes travaux. Mes remerciements vont aussi aux membres des quipes SFSD et Bond Graph, Aziz Nakrachi, chef du dpartement automatique lEcole Polytechnique Universitaire de Lille, Abdel Aitouche, Enseignant chercheur HEI, Michel, Olivier, Malika et Marcelle. Je tiens remercier Samer, Khaled, Kamel, Redouane, Cindy, Midzodzi, Xu, et Mohamed que jai eu le plaisir de ctoyer durant ces trois annes de thse.

tel-00200030, version 1 - 20 Dec 2007

2 Table Des Abrviations


FDI LFT RRA BG LMI LTI BG-LFT GV JEF BDF Fault Detection and Isolation Linear Fractional Transformations Relations de Redondance Analytique Bond Graph Linear Matrix Inequality Linear Time Invariant Bond graph sous forme LFT Gnrateur de Vapeur Jeu, Elasticit, Frottement Bloc Diagramme Fonctionnel Differential-Algebraic Equations Plan dInstrumentation Dtaill Sret de Fonctionnement des Systmes Dynamiques Fault Detection Filter Diagnosis Observer Parity Space Advanced Decision Support System for Chemical and Petrochemical Industry

Remerciements

tel-00200030, version 1 - 20 Dec 2007

DAE PID SFSD FDF DO PS CHEM

Introduction Gnrale
Cadre de la thse Le travail de thse est eectu au Laboratoire dAutomatique, Gnie Informatique et Signal (LAGIS UMR CNRS 8146). Il est ralis dans le cadre dune opration transversale bond graph et surveillance mise en place en 1998. La thmatique dveloppe dans ce groupe de travail se fonde dans les contributions des quipes: Sret de Fonctionnement des Systmes Dynamiques (SFSD) et Bond Graph (BG) sur deux points de vue: la dtection et lisolation des dfauts (FDI) et la commande tolrante aux fautes (FTC) en utilisant un outil fdrateur, les bond graphs. Ces travaux de recherche (B. Ould Bouamama. (2002) [49], A. K. Samantaray & al.(2005) [62]) ont t valids par des applications industrielles dans le cadre de projets europens CHEM(20012004), et la conception dun outil logiciel pour la gnration dalgorithmes de supervision des processus nergtiques dcrits par des modles bond graphs dterministes (B. Ould Bouamama & al. (2006) [52]). Le prsent travail est une continuit de cette recherche, et sintresse la surveillance robuste des processus industriels dcrits par des modles BG incertains. Une procdure de gnration automatique des indicateurs de fautes robustes est dveloppe, compltant ainsi loutil logiciel implment pour le cas dterministe. Les rsultats de recherches (M. A. Djeziri & al. (2006) [18], M. A. Djeziri & al. (2007) [19], M. A. Djeziri & al. (2007) [21]) sont valids par deux applications des processus de natures physiques direntes (un systme lectromcanique (JEF), et un systme nergtique (GV)). Positionnement du travail de recherche La complexit croissante des systmes industriels automatiss et les contraintes de comptitivit en terme de cot de production, disponibilit et scurit des installations, ont mobilis durant ces dernires annes une large communaut de chercheurs pour amliorer la surveillance et le diagnostic de ce type de procds. Il est en eet inutile de concevoir des installations industrielles plus complexes, si celles-ci doivent rgulirement prsenter 3

tel-00200030, version 1 - 20 Dec 2007

4 un danger pour les personnes, lenvironnement et les biens.

Introduction Gnrale

Lamlioration de la sret de fonctionnement des systmes repose essentiellement sur les algorithmes de dtection et disolation des dfauts, connus sous lexpression anglaise Fault Dtection & Isolation (FDI), qui consistent principalement comparer le comportement rel du systme avec des comportements de rfrence dcrivant le fonctionnement normal (pour la dtection des dfauts), ou dcrivant dirents genres de dfauts (pour lanalyse et lisolation des pannes), tout en minimisant les fausses alarmes, les non dtections ainsi que les retards dans la dtection des dfauts. La dgradation des performances des algorithmes de diagnostic est principalement due la connaissance imparfaite des valeurs paramtriques des modles et leurs variations alatoires. Plusieurs travaux ont t raliss dans la littrature pour dvelopper des mthodes de diagnostic robuste, se basant sur les direntes informations disponibles pour dcrire le comportement des systmes. Deux types de mthodes sont utilises, les mthodes qualitatives et les mthodes quantitatives. Lapproche qualitative consiste rpartir lespace paramtrique en plusieurs classes correspondant des modes de fonctionnement connus, puis de dterminer par apprentissage les relations mathmatiques entre les eets (observations des experts, mesures de capteurs et donnes statistiques), et les causes (les dfauts). Mais il nest gnralement pas possible didentier tous les modes de fonctionnement possibles du systme, cause de la connaissance imparfaite des valeurs paramtriques et de leurs variations alatoires. Cette approche a fait lobjet de plusieurs publications ces dernires annes, telles que: J. L. De Miguel & al. (2005) [14] qui utilisent les rseaux de neurones ous pour le diagnostic dun moteur courant continu. K. Hising-Chia & al. (2004) [36] et A. P. Rotshtein & al. (2005) [61], utilisent les rseaux de neurones ous pour dcrire les relations de causes eets, ainsi que les algorithmes gntiques pour optimiser le choix des paramtres des rseaux de neurones. Les lois de probabilits baysiennes sont aussi utilises, lorsque les donnes statistiques archives sur le comportement antrieur du systme sont susamment importantes, et peuvent dnir les probabilits a priori doccurrence de chaque classe de fonctionnement. Ainsi le principe des mthodes qualitatives est bas sur la rsolution dun problme de reconnaissance de formes. La dicult dans la dcision est situe aux frontires des classes de fonctionnement, due aux incertitudes paramtriques qui reprsentent pour ce type dapproche, lambigut sur les observations des experts, les bruits de mesure, et les marges de conance sur les probabilits calcules partir des donnes statistiques. Lutilisation de la logique oue donne de nouvelles frontires, mais ne donne pas une

tel-00200030, version 1 - 20 Dec 2007

5 solution au problme de dcision pour les observations localises sur la frontire de plusieurs classes. Pour les approches quantitatives, appeles aussi mthodes base de modles, la premire tape consiste gnrer des relations de redondance analytique, qui expriment la dirence entre les informations issues du systme rel et celles gnres par son modle de fonctionnement normal. Ces relations appeles galement rsidus, caractrisent le mode de fonctionnement du systme et sont nulles en fonctionnement normal. Cependant, la robustesse de ces approches dpend principalement de la prcision du modle. Parmi les travaux de recherche sur le diagnostic robuste aux incertitudes paramtriques utilisant les mthodes quantitatives, on peut citer ceux dvelopps dans O. Adrot & al. (1999) [1]. Dans ce papier, on utilise lespace de parit pour la gnration des rsidus avec des incertitudes paramtriques structures et bornes dans un intervalle, ainsi que larithmtique des intervalles pour lvaluation. Z. Han & al. (2002) [31] utilisent la mme mthode pour la gnration des rsidus, avec des incertitudes paramtriques structures et bornes par une norme et un test probabiliste " khi deux" pour lvaluation. A. Zoghadri & al. (1996) [77] proposent une transformation non linaire pour dcoupler la partie nominale du modle de la partie incertaine, puis un banc dobservateurs pour lisolation de dfauts. Un modle incertain sous forme LFT est propos par D. Henry & al. (2001) [32] et D. Henry & al. (2006) [33], qui utilisent des mthodes de ltrages pour la gnration des rsidus, avec des spcications assurant la stabilit du ltre, la robustesse aux incertitudes et la sensibilit aux dfauts. Dans M. Basseville (1998) [6] et M. Basseville & al. (1993 ) [7], les auteurs tudient direntes mthodes probabilistes utilises pour le diagnostic robuste et comparent leurs performances. Lespace de parit et les observateurs sont bien adapts pour le diagnostic des dfauts capteurs et actionneurs. Les paramtres des RRAs gnres nont pas une perception physique claire et ne peuvent pas tre associs directement aux dfauts sur les composants physiques. Les mthodes de ltrage sont fondes sur lhypothse que les dfauts nagissent pas la mme frquence que les incertitudes, cette hypothse est correcte pour les bruits de mesure qui sont des signaux haute frquence, mais elle nest pas toujours vrie dans le cas des incertitudes paramtriques. Les mthodes hybrides de diagnostic combinent les avantages des deux approches prcdentes dans le but dobtenir les meilleures performances. Parmi les travaux sur ces mthodes, nous citons F. J. Garcia & al. (2000) [27] qui utilisent la logique oue pour la gnration des rsidus et la redondance analytique pour lisolation des dfauts.

tel-00200030, version 1 - 20 Dec 2007

Introduction Gnrale

Lespace de parit et le ltrage consistent liminer linuence des incertitudes paramtriques sur les rsidus. Lobjectif de la mthode dveloppe dans ce mmoire est par contre de gnrer des rsidus incertains partir de modles BG-LFT, puis dvaluer lnergie apporte aux indicateurs de fautes par ces incertitudes, permettant ainsi de calculer les seuils adaptatifs de fonctionnement normal. Une mthode danalyse de sensibilit aux incertitudes et aux dfauts est propose pour amliorer les performances du diagnostic; elle consiste dnir des indices de sensibilit aux incertitudes paramtriques et des indices de dtectabilit des dfauts. Les indices de sensibilit paramtriques sont classs sur une chelle normalise de 0 1, permettant ainsi didentier le paramtre le plus pertinent, dont lincertitude a le plus dinuence sur les rsidus. Les indices de dtectabilit des dfauts mesurent laptitude du rsidu dtecter un dfaut physique, autrement dit, ils permettent dvaluer la valeur partir de laquelle le dfaut est dtectable, son nergie tant suprieure celles introduites par lensemble des incertitudes. Intrt des BG pour le diagnostic des systmes incertains Les systmes industriels sont rgis par plusieurs phnomnes physiques et divers composants technologiques, cest pourquoi loutil bond graph bas sur une analyse nergtique et multi physique est bien adapt (D. C. Karnopp & al. (1990) [37], M. Verg & al. (2004) [73]) . Par sa structure graphique, loutil BG permet une analyse causale et structurelle directement sur le modle. Ces proprits ont t exploites initialement pour dterminer les conditions dobservabilit et de commandabilit des systmes G. Dauphin-Tanguy (2000) [13]. Dans les approches classiques de surveillance, on se contente principalement des descriptions toutes faites (quations dtat, fonctions de transfert,. . . ), alors que dans les systmes rels le processus est dcrit par des schma PID (Plan dInstrumentations Dtaill) fournissant lensemble de larchitecture dinstrumentation et des boucles de rgulation. Le modle bond graph est une image de ces PID. Dans le domaine de la surveillance base de modle, la conception intgre des systmes de diagnostic partir des PID du processus, jusqu limplmentation des algorithmes de surveillance en utilisant un seul outil (les bond graph) sont dveloppes dans B. Ould Bouamama & al. (2005) [51]. Par sa structure causale, le parcours des chemins causaux sur le bond graph (qui est un graphe) permet de ltrer les alarmes (dtermination de lorigine des dfauts), de gnrer des RRAs (par limination des variables inconnues). Ainsi le modle bond graph explicite aussi bien la structure que le comportement du systme. Les proprits fonctionnelles et causales permettent alors de gnrer les RRAs de faon

tel-00200030, version 1 - 20 Dec 2007

7 modulaire sur la base des quations de conservation nergtique issues des jonctions 0 et 1. Enn, les dfauts processus (de type fuite, blocage, jeu mcanique,. . . ) peuvent tre systmatiquement aects aux RRAs qui leur sont sensibles, car ces indicateurs sont dduits des quations nergtiques. Cette proprit permet alors dautomatiser la construction des tableaux de signature des pannes et des matrices dincidence (A. K. Samantaray & al. (2005) [62]). Le bond graph tant un modle physique o les paramtres sont explicitement reprsents par des lments de type rsistif R, capacitif C, inductif et inertiel I,. . . etc, les incertitudes peuvent tre alors modlises sur ces lments. Nous proposons dans ce travail dutiliser quelques rsultats dj dvelopps dans le domaine de la modlisation par BG des incertitudes pour le diagnostic des systmes incertains C. Si Kam & al. (2005) [66].
tel-00200030, version 1 - 20 Dec 2007

Parmi les rcents travaux qui utilisent loutil bond graph pour la modlisation des incertitudes paramtriques, C. Si Kam & al. (2001) [65], W. Borutzky & al. (2004) [10], C. Si Kam & al. (2005) [66] proposent deux mthodes de modlisation des incertitudes sur les lments bond graph. La premire consiste reprsenter lincertitude paramtrique comme un lment bond graph, et la deuxime introduit la forme LFT. Organisation du manuscrit Le premier chapitre prsente les mthodes qualitatives et quantitatives les plus utilises dans la littrature pour le diagnostic des systmes incertains. Bien que lespace paramtrique est dirent pour les deux approches, les performances recherches sont les mmes, savoir un maximum de prcision dans la dcision en vitant les fausses alarmes, les non dtections et les retards dans la dtection des dfauts. Les exemples proposs dans ce chapitre montrent limportance de la prise en considration des incertitudes dans la procdure de dcision et leurs eets sur la dgradation des performances du diagnostic. Le chapitre 2 concerne la modlisation des lments bond graph incertains sous forme LFT. Les tapes de ralisation dun modle bond graph partir dun systme physique sont dveloppes avec un exemple dillustration. Les incertitudes paramtriques sont estimes en exploitant les connaissances disponibles par une mthode statistique ou par une mthode ensembliste. Le chapitre 3 dvelope le diagnostic robuste par lapproche bond graph. Dans cette partie est expos lalgorithme de gnration des RRAs robustes partir des modles BG LFT, o la partie incertaine des RRA est utilise pour gnrer les seuils adaptatifs des rsidus. Lanalyse de la sensibilit des rsidus par rapport aux incertitudes paramtriques permet de dnir des indices de sensibilit paramtriques et des indices de dtectabilit

Introduction Gnrale

tel-00200030, version 1 - 20 Dec 2007

des dfauts. Dans le chapitre 4, aprs un bref historique sur les logiciels ddis la modlisation par bond graph, nous prsenterons quelques logiciels de diagnostic base de modles qualitatifs et quantitatifs, puis nous dcrirons limplmentation informatique de la mthode dveloppe au chapitre prcdent sur le logiciel FDIPad, de ltape de modlisation LFT jusqu la gnration automatique des RRAS robustes, avec un exemple dillustration. Le chapitre 5 prsente deux applications direntes, la premire est un banc dessais qui reprsente un systme lectromcanique compos dun moteur, un rducteur et une charge externe. Le but de cette application est de dtecter et disoler des dfauts tels que la variation anormale de lamplitude du jeu dans la partie rducteur, tout en distinguant le dfaut des variations paramtriques. Le deuxime systme est un procd nergtique de gnration de vapeur, qui constitue un systme non stationnaire, o lespace paramtrique est plus complexe.

Chapitre 1 Approches qualitatives et quantitatives de diagnostic robuste


tel-00200030, version 1 - 20 Dec 2007

1.1

Introduction

Les premires mthodes de diagnostic furent bases sur la redondance des matriels jugs critiques pour le fonctionnement du systme. La redondance matrielle est trs rpandue dans les domaines o la sret de fonctionnement est cruciale pour la scurit des personnes et de lenvironnement, comme dans laronautique et le nuclaire. Les principaux inconvnients de la redondance matrielle sont lis au cot d la multiplication des lments. Les progrs raliss dans le domaine des calculateurs numriques permettent aujourdhui la mise en uvre dans le milieu industriel des mthodes modernes de lautomatique et de lintelligence articielle. Ces nouvelles approches permettent dliminer en partie, voire mme en totalit, la redondance matrielle pour le diagnostic des systmes industriels. On peut globalement distinguer deux grandes familles dans les mthodes de diagnostic : les mthodes bases sur la modlisation des systmes, appeles mthodes quantitatives; les mthodes bases sur lintelligence articielle, appeles mthodes qualitatives. Lutilisation dune des deux mthodes est dicte par le type de connaissance dont on dispose pour laccomplissement de telle ou telle tape du diagnostic. Lutilisation conjointe des deux approches permet lexploitation de lensemble des informations disponibles concernant le fonctionnement du systme, ainsi que lamlioration des performances de la procdure de dtection et disolation des dfauts. 9

10

Chapitre 1. Approches qualitatives et quantitatives de diagnostic robuste

1.2

Approches qualitatives de diagnostic robuste

tel-00200030, version 1 - 20 Dec 2007

Pour les approches qualitatives de diagnostic, lespace paramtrique considr est constitu de lensemble des mesures issues des capteurs, les observations dexperts, ainsi que des donnes statistiques archives sur le fonctionnement antrieur du systme. Les incertitudes paramtriques reprsentent lambigut dans les observations des experts, les bruits de mesures et les marges de conance sur les probabilits calcules partir des donnes statistiques antrieures. Le principe de dcision consiste rsoudre un problme de reconnaissance de formes, et permet de sparer lespace paramtrique en plusieurs classes, qui correspondent des modes de fonctionnement connus comme illustr dans la FIG. 1.1, puis de crer une base de connaissance sous forme de relations entre les eets (mesures des capteurs, observations dexperts, donnes statistiques) et les causes qui reprsentent les dfauts. Le problme de dcision se pose sur les frontires de ces classes, car la connaissance imparfaite des valeurs des paramtres et de leurs variations alatoires ne permet pas dattribuer une observation situe sur la frontire de deux classes lune delles. Il existe plusieurs approches qui permettent damliorer la dcision sur les frontires des classes, et de crer de nouvelles classes si les observations obtenues nappartiennent aucune des classes dj dnies, comme lapproche baysienne et les rseaux de neurones ous.

x3
Frontires entre classes

C3

C2

C1 C4

C5 x2

x1

Fig. 1.1 Exemple de rpartition de classes dans un espace paramtrique.

1.2. Approches qualitatives de diagnostic robuste

11

1.2.1

Approche Baysienne

Cette approche repose sur les lois de probabilit de Bays, qui suppose connue la loi de densit de probabilit p(x/Ci ) relative chaque classe. Sur le plan pratique, lhypothse de Gauss permet de modliser chaque classe par une loi gaussienne de dimension q. La moyenne mi , la variance i et la probabilit a priori doccurrence de chaque classe pi sont respectivement calcules par les estimateurs (1.3) (1.4) (1.5). Lobservation x doit alors tre aecte la classe Ci fournissant la plus grande probabilit a posteriori p(Ci /x). p(Ci /x) = p(Ci ).p(x/Ci )
l X j =1

; i=1...l.

(1.1)

p(Cj ).p(x/Cj )

tel-00200030, version 1 - 20 Dec 2007

1 T 1 (x mi ) exp . (x mi ) p(x/Ci ) = p 2 i (2)q det (i ) 1


Ni 1 X mi = . xj Ni j =1

(1.2)

(1.3)

i =

Ni 1 X . (x mi ) . (x mi )T Ni j =1

(1.4)

La rgle de dcision consiste crer une base de connaissance en dnissant deux seuils de rejets dhypothses. Lutilisation dun seuil de rejet par ambigut Ra , quand lobservation se trouve une frontire sparant plusieurs classes ou une zone commune celles-ci, et dun seuil de rejet par distance Rd , quand lobservation est susamment loigne de toutes les classes dj dnie, permet didentier dautres modes de fonctionnement . Une base de connaissance incluant les rejets peut stablir comme suit: x est aecte Ci si p(Ci /x) = max (p(Cj /x)) 1 Ra j =1...l x est aecte C0 si p(Ci /x) = max (p(Cj /x)) < 1 Ra j =1...l x est aecte Cd si p(Ci /x) = max (p(Cj /x)) < Rd
j =1...l

Ni pi = PNi

j =1 Nj

(1.5)

o C0 reprsente la classe des rejets dambigut et Cd la classe de rejet en distance.

12

Chapitre 1. Approches qualitatives et quantitatives de diagnostic robuste

Il est clair que la robustesse de cette approche de diagnostic dpend fortement du choix des seuils de rejet, qui ont pour objectif dtablir un meilleur compromis au dilemme entre les fausses alarmes et les non dtections. Malheureusement, il nexiste pas de mthode qui permet un choix optimal de ces seuils. Ce choix dpend des donnes statistiques antrieures et de lexprience de loprateur humain. Lidentication de nouvelles classes permet damliorer progressivement les performances de cet algorithme de diagnostic.

1.2.2

Les rseaux de neurones ous

tel-00200030, version 1 - 20 Dec 2007

Le principe de cette mthode consiste utiliser des rseaux de neurones, dont les entres (eets) et les sorties (causes) sont des sous ensembles ous. Pour tre exploitables, les rsultats sont convertis en valeurs numriques aprs une opration dite de dfuzzication . Les rseaux de neurones ayant la proprit dapproximateurs universels sont capables dapprocher au mieux les relations non linaires de causes eets. Les coecients de pondration des neurones sont calculs base dexemples, au moyen dun algorithme dapprentissage conu pour minimiser un critre sur lerreur dapproximation. La phase dapprentissage est suivie dune phase de test, qui consiste appliquer aux rseaux des exemples nayant pas t utiliss prcdemment, permettant ainsi dvaluer leurs capacits de gnration. Des travaux de recherche rcents ont introduit les algorithmes gntiques pour assurer un choix optimal des paramtres des rseaux (K. Hising-Chia & al. (2004) [36], et A. P. Rotshtein & al. (2005) [61])

1.3

Approches quantitatives de diagnostic robuste

Lespace paramtrique considr dans les mthodes base de modle peut tre spar en deux catgories:

Paramtres correspondant des composants matriels rsistance lectrique, condensateur, vanne, cuve, transformateur lectrique,...

Paramtres correspondant des phnomnes physiques frottement, inertie, raideur, conductivit thermique, densit volumique, ....

Le principe des approches quantitatives est de comparer le comportement du systme rel celui dun modle qui dcrit son fonctionnement normal, en gnrant des relations de

1.3. Approches quantitatives de diagnostic robuste

13

redondance analytique appeles aussi rsidus ou indicateurs de fautes. Lorsque le modle est parfait (pas dincertitudes paramtriques et pas dincertitudes de modlisation), les rsidus sont nuls en fonctionnement normal et dirents de zro en cas de dfaillance. Mais les incertitudes tant toujours prsentes dans un modle, les travaux de recherche de cette dernire dcennie se concentrent sur la prise en compte des incertitudes dans lvaluation des rsidus, pour lamlioration des performances du diagnostic de systmes de plus en plus complexes et incertains. La procdure de diagnostic base de modle se rsume en quatre tapes: - la ralisation dun modle du systme en fonctionnement normal, en prenant en considration les incertitudes; - la comparaison du comportement du systme avec celui du modle;
tel-00200030, version 1 - 20 Dec 2007

- ltape de dcision (dtection de dfauts); - ltape de diagnostic (isolation de dfauts). Le principe de la gnration de rsidus robustes par les mthodes quantitatives est illustr dans le schma de la FIG. 1.2:
Systme rel
Entres connues Entres inconnues Dfauts

Modle incertain
Entres connues

Fonctionnement actuel du systme Situation mesure

Modle de fonctionnement normal Situation calcule

Comparaison Rsidus Dcision: -valuation probabiliste -valuation ensembliste Diagnostic: isolation de fautes

Fig. 1.2 Principe de gnration de rsidus base de modle

14

Chapitre 1. Approches qualitatives et quantitatives de diagnostic robuste

1.3.1

Lespace de parit

Cette mthode est gnralement applique dans un espace temps discret, en prenant des mesures sur un intervalle de temps appel fentre dobservation. La redondance dinformation est ainsi cre sans avoir recours aux drivations successives des mesures. Les incertitudes paramtriques sont modlises selon le type des informations disponibles. Prenons lexemple suivant dun modle dtat, avec des incertitudes non structures sur les matrices A et B et des incertitudes stochastique (bruits de mesures), lobjectif est de dtecter et disoler des dfauts capteurs et actionneurs (Z. Han & al. (2002) [31]). x(k + 1) = (An + A ) .x (k) + (Bn + B ) .u(k) + E.d(k) y (k) = C.x (k ) + o(k )

(1.6)

tel-00200030, version 1 - 20 Dec 2007

avec An et Bn respectivement les valeurs nominales des matrices A et B du modle. A et B les incertitudes non structures sur les matrices A et B. x (k) et x(k + 1) sont respectivement ltat du systme linstant k et k + 1. u(k ) est le vecteur de commande du modle. y (k) est le vecteur de sortie du modle. o(k) est le vecteur des bruits de mesures. d(k) est le vecteur des perturbations. C est la matrice de sortie et E la matrice des gains des perturbations. En considrant les termes incertains comme un vecteur e(k) li ltat du systme par une matrice identit, on obtient le systme dquations suivant: x(k + 1) = An .x (k) + Bn .u(k ) + e(k) x (k) e(k) = A B . + E.d(k) u(k) y (k) = C.x (k ) + o(k )

(1.7)

Une majoration de type norme est suppose connue sur les incertitudes non structures, telle que lnergie apporte au systme par le terme incertain est infrieure ou gale une constante M connue (quation (1.8)) ke(k)k = k A .x(k) + B .u(k) + E.d(k)k M (1.8)

avec k k la norme L2 . En prenant des mesures dans une fentre dobservation [k s, k ] , le systme devient:

1.3. Approches quantitatives de diagnostic robuste

15

yks . r = . yk
tel-00200030, version 1 - 20 Dec 2007

0 C.B n .
1 C.As n .Bn

0 0 C CAn C 0 = . . . s1 2 C.As C.As n C.An n

uks 0 .. 0 . . . . .. s2 C.An .Bn .. C.B n uk1 .. 0 xks .. 0 eks . .. . . .. C ek1 oks . + . ok

..

(1.9)

Lquation (1.9) peut scrire dune faon plus simple comme suit:

xks ys Hs .us1 = Cs . + os es1

(1.10)

avec s la longueur de la fentre dobservation, ys les valeurs du vecteur y (k) sur la fentre dobservation s, es1 les valeurs du vecteur e(k) sur la fentre dobservation s 1, us1 les valeurs du vecteur u(k) sur la fentre dobservation s 1, xks les valeurs du vecteur dtat linstant k s, et os les valeurs du vecteur o(k ) sur la fentre dobservation s.

Hs =

0 C.Bn .

0 0 .

.. .. ..

0 0

1 s2 C.As n .Bn C.An .Bn .. C.B0

16

Chapitre 1. Approches qualitatives et quantitatives de diagnostic robuste

Cs =

tel-00200030, version 1 - 20 Dec 2007

Aprs le choix dune matrice de parit , orthogonale la matrice Cs qui regroupe les coecients du vecteur dtat inconnu xks et de la partie incertaine es1 , les rsidus sont gnrs en multipliant les deux parties de lquation (1.10) par .

0 0 C C.An C 0 s = ; Gs = . . . 1 s2 C.As C.An C.As n n

0 0 C C.An C 0 = Gs . . . s1 2 C.As C.As n C.An n

.. 0 .. 0 . .. . .. C

.. 0 .. 0 .. . .. C

r =

Le terme .os est la forme d0 valuation.

ys . = .os us1 ys Le terme . Is Hs . est la forme de calcul. us1 Is Hs

(1.11)

avec r le vecteur primaire de rsidus et Is une matrice identit dordre s. La forme dvaluation des rsidus correspond aux bruits de mesures, qui sont supposs gaussiens de moyenne nulle et de variance connue R0 . Pour la dcision, il sut de surveiller la moyenne des rsidus, le dfaut est dtect lorsque cette moyenne scarte de zro, ou bien utiliser des tests probabilistes dhypothse, comme le test khi-deux et le test de Ficher. Il nest pas possible dutiliser le vecteur primaire de rsidus r de lquation (1.11) pour la dtection de dfauts actionneurs, car la matrice de parit , orthogonale Cs , est aussi orthogonale Hs (quation (1.12)). Dans ce cas les rsidus ne sont plus sensibles aux dfauts actionneurs.

1.3. Approches quantitatives de diagnostic robuste Hs = Gs . (Is Bn ) Cs = s Gs

17

(1.12)

tel-00200030, version 1 - 20 Dec 2007

avec le produit du tenseur de Kronecker. La dtection de dfauts actionneurs peut se faire par un choix judicieux de la matrice de parit, tel que .s = 0 pour liminer ltat inconnu, et .Gs .es1 6= 0 pour assurer la sensibilit des rsidus aux dfauts actionneurs. La quantit .Gs .es1 est prise en considration dans lvaluation des rsidus, en utilisant lhypothse de lquation (1.8) et la distribution gaussienne de moyenne nulle des bruits de mesure . Compte tenu de lhypothse de lquation (1.8), lvaluation des rsidus se fait par un test probabiliste, en supposant que les rsidus suivent une distribution probabiliste non centre, avec un vecteur de paramtres de dcalage L = .Gs .M reprsentant les moyennes des rsidus en fonctionnement normal

1.3.2

Les observateurs

En automatique et en thorie de linformation, un observateur dtat est une extension dun modle reprsent sous forme de reprsentation dtat. Lorsque ltat du systme nest pas mesurable, on construit un observateur qui permet de reconstruire ltat partir dun modle du systme dynamique et des mesures dautres grandeurs. La thorie de lobservateur dtat a t introduite dans les annes soixante par Luenberger pour les systmes linaires. Kalman a galement formul un observateur en considrant un systme linaire stochastique. Lextension de la thorie de lobservateur aux systmes non linaires reste un domaine o la recherche est trs active, mais lutilisation la plus commune est lemploi dun ltre de Kalman tendu. Le principe de base de la gnration de rsidus laide dobservateurs est de raliser une estimation des sorties du systme partir des grandeurs accessibles la mesure. Le vecteur rsidu est alors construit comme lcart entre la sortie estime et la sortie mesure, cest dire laide de lerreur destimation sur la sortie. Les rsidus gnrs ne sont gnralement pas nuls en fonctionnement normal, cause des bruits et des incertitudes. Ainsi, le diagnostic robuste aux incertitudes base dobservateurs a fait lobjet de plusieurs travaux de recherches ces dernires annes (R. J. Patton & al. (1997) [55], S. X. Ding & al. (2002) [16], C. Jiang & al. (2005) [34], A. Johansson & al. (2006) [35], X. G. Yan & al. (2007) [74]).

18

Chapitre 1. Approches qualitatives et quantitatives de diagnostic robuste

Dans A. Johansson & al. (2006) [35], un modle linaire incertain de la forme (1.13) est propos en prenant en considration les incertitudes additives et les incertitudes multiplicatives par rapport ltat.

x = A.x + P. ( x) + E. + u + F y = C.x + v

(a) (b)

(1.13)

tel-00200030, version 1 - 20 Dec 2007

o est le produit de Kroneker. A Rnn , P Rnnm et C Rkn sont des matrices constantes. x(t) Rn est le vecteur dtat, y (t) Rk est le vecteur des sorties mesures. F (t) Rn et v(t) Rk sont des bruits additifs. E (t) Rnm et u(t) Rn sont les entres du systme. (t) Rm est le vecteur des incertitudes paramtriques suppos born(| (t)| Rm ) et introduit de faon bilinaire par rapport ltat. Pour garantir lexistence dune solution unique la reprsentation (1.13)-(a), on suppose que E, F, et u sont intgrables. Lorsque lobservateur de Luenberger est appliqu un systme de la forme (1.13), la dynamique de lerreur destimation de ltat prend aussi la forme (1.13). puisque cest lerreur destimation qui constitue le rsidu; il est ncessaire de dterminer des bornes (seuils) suprieures des modules des sorties mesures y. Dans A. Johansson & al. (2006) [35] chaque borne est donne comme un systme dynamique avec E, F, et v comme entres, en supposant que les bornes de E, F, et v sont connues. Ces seuils sont ensuite utiliss pour gnrer les seuils des rsidus. Lobservateur de Luenberger est construit en supposant quil ny a pas dincertitudes ( (t) = 0), son expression prend alors la forme (1.14): x =A.x + K. (y C.x)

(1.14)

En introduisant lerreur destimation x =xx et en combinant (1) et (3), on obtient la dynamique de lerreur destimation suivante: x = (A K.C ) .x + P. ( x) + E. + F K.v

(1.15)

Proprit 1.1: Soit A Rnn , B et C Rpq , D Rmr , E Rqs , x Rn et y Rm . Avec m, n, p, q, r et s sont des entiers positifs: (a) Si A > 0 et B > C, alors (A B ) > (A C ) et (B A) > (C A) (c) (A B ) . (D E ) = (A.D) (B.E ) . (b) |A B | = |A| |B | .

1.3. Approches quantitatives de diagnostic robuste (d) x y = (x Im ) .y = (In y ) .x.

19

Lquation (1.15) na pas la forme (1.13) due au terme P. ( x). Cependant en appliquant la proprit (1.1-(d)) on obtient: ) . x=x +x =x + (Im x La dynamique de lerreur devient alors: x = (A K.C ) .x + P. ( x) + (P. (Im x ) + E ) . + F K.v Ainsi, la substitution dans (1.13) donne: ) ; F F K.v A (A K.C ) ; u 0; E E + P. (Im x
tel-00200030, version 1 - 20 Dec 2007

Enn, on obtient une dynamique de lerreur destimation de lobservateur de Luenberger (1.14), avec comme sortie le rsidu de lquation (1.16) r = y C.x = C.x +v (1.16)

Le rsidu de lquation (1.16) nest pas nul en fonctionnement normal, cause des incertitudes et des bruits. Un signal dvaluation (not galement r) et un seuil (not a) sont alors dnis, et le dfaut est dtect lorsque r(t) > a(t) pour t > 0. Pour assurer la robustesse aux incertitudes, le seuil doit satisfaire lingalit: a(t) > Sup(t)6 r(t) Des travaux rcents se concentrent sur le diagnostic des systmes non linaires incertains, tel que X. G. Yan & al. (2007) [74], qui proposent une forme particulire dobservateurs mode glissant, dont les paramtres peuvent tre obtenus en utilisant les techniques LMI.

1.3.3

Le ltrage

Les mthodes de ltrage et les observateurs sont aussi utiliss ces dernires annes pour le diagnostic robuste (A. Edelmayer & al. (1994) [22], A. Edelmayer & al. (1996) [23], P. Frank & al. (1997) [25], M. Rank & al. (1999) [57], F. Rambeaux & al. (2000) [56], M. Zhong & al. (2003) [76]...). Ces mthodes sont trs utilises pour les systmes linaires an dliminer leet des bruits de mesures et des perturbations hautes frquences sur les

20

Chapitre 1. Approches qualitatives et quantitatives de diagnostic robuste

rsidus. Il est galement intressant dutiliser ces approches dans le cas particulier o les incertitudes paramtriques ninterviennent pas la mme frquence que les dfauts. Pour illustrer le principe des mthodes de ltrage, prenons lexemple de la mthode propose par D. Henry & al. (2006) [33] qui utilisent un modle LFT (voir chapitre 2) pour dvelopper un schma de FDI robuste par ltrage, avec des spcications formules au sens de normes H , H , H2 , et des contraintes locales assurant la stabilit des ltres. Ces normes sont dnies comme suit: Norme H2 norme He - La norme H2

tel-00200030, version 1 - 20 Dec 2007

krk2 = krk2 =

1 2

1/2 r (t).r(t).dt
T

(1.17) 1/2

r (w).r(w).dw

avec rT (t) la transpos du rsidu r(t) dans le domaine temporel, et r (w) le conjugu transpos du rsidu r(w) dans le domaine frquentiel - La norme He (norme H2 tronque) Z 1/2 r (t).r(t).dt
T

t2

krke = krk2, =

t1

krke = krk2,W =

1 2

w2

r (w).r(w).dw

w1

1/2

avec = t2 t1 avec W = w2 w1

(1.18)

Soit u(t) Rp et y (t) Rm respectivement les signaux dentre et de sortie dune matrice de transfert M (s) RH - La norme H (notion de maximum damplication nergtique de u par M ) ky k2 = max ky k2 u6=0 kuk kuk2 =1 2 = sup max (M (jw))
w

Norme H et norme H

kM k = max kM k

(1.19)

avec max valeur singulire maximale de M - La norme H (notion de minimum damplication nergtique de u par M )

1.3. Approches quantitatives de diagnostic robuste

21

kM k = min kM k

ky ke = min ky ke u6=0 kuk kuke =1 e = inf min (M (jw)) avec W = w2 w1


wW

(1.20)

avec min valeur singulire minimale de M Le schma gnral de FDI base de ltre est donn par la FIG. 1.3. Le modle du systme est constitu dun modle nominal P temps invariant (LTI), et dun bloc incertain : kk 1 regroupant les incertitudes paramtriques, les incertitudes de modlisation et les bruits de mesures.

tel-00200030, version 1 - 20 Dec 2007

w d f

P
v
y

Fig. 1.3 Le schma gnral de FDI base de ltrage x (t) = A.x (t) + B1 .w (t) + B2d .d (t) + B2f .f (t) z (t) = C1 .x (t) + D11 .w (t) + D12d .d (t) + D12f .f (t) y (t) = C2 .x + D21 .w (t) + D22d .d (t) + D22f .f (t) r (t) = v (t) v (t) = W.y (t) v (t) F : x F (t) = AF .xF (t) + BF .y (t) v (t) = CF .x (t) + DF .y (t) : w = .z

P :

(1.21)

(1.22)

(1.23)

o n r r c c c c = diag 1 .Ik ,..., mr .Ikmr , 1 .Ikmr+ 1 ,..., mc .Ikmr+mc ,1 ,...,m

(1.24)

22

Chapitre 1. Approches qualitatives et quantitatives de diagnostic robuste

c c r i Iki avec i = 1,...,mr , j .Ikmr+j avec j = 1,...,mc et l .Ikmr+j avec l = 1,...,m sont respectivement, le bloc de scalaires rels, le bloc de scalaires complexes et le bloc complexe c c non structur qui correspond aux dynamiques ngliges, avec r i R, i C, i C. d reprsente les perturbations externes, f les dfauts aectant le systme, z et w sont des signaux ctifs internes au modle. v est la sortie du ltre F, qui correspond lestimation de v = W y, r est le vecteur de rsidus, y est la sortie du modle, x est le vecteur dtat. A, B1 , B2d , B2f , C1 , D11 , D12d , D12f , C2 , D21 , D22d , D22f sont des matrices de dimensions appropries. AF , BF , CF , DF sont les matrices du ltre calculer.

Lobjectif de cette approche consiste trouver les matrices AF , BF , CF , DF du ltre de sorte satisfaire les spcications suivantes: Spcication (S.1): kTrd k < 1 pour tout modle de perturbations : kk 1, o Trd reprsente la fonction de transfert en boucle ferme entre r et d.
tel-00200030, version 1 - 20 Dec 2007

Spcication (S.2): kTrf k > 2 sur tout le rang de frquence spci , et pour tout modle de perturbations : kk 1, o Trf reprsente la fonction de transfert en boucle ferm entre r et f, et est la plage de frquence o lnergie des dfauts est sucseptible dtre concentre. Spcication (S.3): Les ples du ltre F sont partie relle ngative pour tout modle de perturbations : kk 1. Spcication (S.4): Contrler leet des perturbations externes d sur le vecteur de rsidus r, de sorte maintenir son amplitude au dessous dun certain niveau 3 en fonctionnement normal, avec 3 un rel positif .

Les premiers travaux utilisant loptimisation H pour le FDI robuste tel que Edelmayer & al. (1994) [22], Edelmayer & al. (1996) [23], Mangoubi & al. (1998) [43] et Mangoubi (1998) [44], sont bass sur les approches de factorisation et les quations algbriques de Riccati (ARE) pour la synthse des ltres. D. Henry & al. (2006) [33] proposent une solution base sur les techniques doptimisation LMI (Linear Matrix Inequality).

1.4

Conclusion

Dans ce chapitre, un ensemble de travaux rcents sur le diagnostic des systmes incertains est prsent. Les performances recherches pour les direntes mthodes sont un minimum de fausses alarmes, de non dtection, et de retard dans la dtection des dfauts. Ainsi pour les atteindre, il faut dterminer avec exactitude les frontires entre les dirents modes de fonctionnement normal et dfaillant. Souvent la connaissance imparfaite

1.4. Conclusion

23

et ambigu des paramtres des modles et leurs variations alatoires, ne permettent pas dattendre la perfection en performance. Les approches quantitatives tudies dans ce chapitre sont bases sur des modles dtat linaires, o lespace paramtrique ne peut pas tre associ des composants matriels ou des phnomnes physiques prcis. Les modles dtat non linaires sont diciles exploiter mme en dterministe, que ce soit pour la commande ou pour le diagnostic. Plusieurs travaux de recherches sont publis ces dernires annes concernant principalement le diagnostic base de modles dtat non linaires dterministes (Yang & al. (1997) [75], H. Hammouri & al. (1999) [30], L.Li & al. (2004) [42], M. A. Djeziri & al. (2007) [20], X. G. Yan & al. (2007) [74]).

tel-00200030, version 1 - 20 Dec 2007

24

Chapitre 1. Approches qualitatives et quantitatives de diagnostic robuste

tel-00200030, version 1 - 20 Dec 2007

Chapitre 2 Modlisation LFT des lments bond graphs


tel-00200030, version 1 - 20 Dec 2007

2.1

Introduction

Avant de dvelopper la mthodologie de diagnostic des systmes paramtres incertains par les BG, on introduit dans ce chapitre la modlisation des incertitudes paramtriques par BG. Deux mthodes sont proposes par G. Dauphin-Tanguy & al. (1999) [12] et C. Si Kam (2001) [64]. La premire consiste reprsenter lincertitude sur un lment bond graph comme un autre lment de mme type, causalement li llment nominal ou au reste du modle. Ces incertitudes sont gardes en causalit drive lorsque le modle est en causalit intgrale prfrentielle pour ne pas modier lordre du modle. La deuxime mthode est la forme LFT (Linear Fractional Transformations) introduite sur des modles mathmatiques par R. Redheer (1960) [58]. Cette forme de modlisation ore plusieurs avantages dun point de vue diagnostic des systmes incertains et permet de modliser toutes les incertitudes. Pour dvelopper notre approche de diagnostic robuste, nous avons opt pour la modlisation LFT. Nous illustrons dans ce chapitre les motivations de ce choix et lintrt de cette forme standard dun point de vue analyse structurelle et diagnostic robuste aux incertitudes.

2.2

Construction dun modle bond graph

La modlisation par bond graph est base sur la caractrisation des phnomnes dchanges de puissance dans un systme dune manire graphique (par un lien). Ces puissances sont 25

26

Chapitre 2. Modlisation LFT des lments bond graphs

dcrites par des couples eort-ux, lis par lintermdiaire des jonctions. Il existe aussi quelques bond graphs o le produit eort-ux nest pas une puissance, ils sont appels pseudo bond graphs et sont utiliss principalement pour la modlisation des phnomnes rencontrs en gnie des procds (thermiques, chimiques,. . . ). Laspect multi physique des bond graphs vient du fait qu partir dun systme physique quelconque, il est possible dobtenir une reprsentation graphique indpendante du domaine physique tudi. La construction dun modle bond graph peut se faire en trois niveaux: A. Le niveau technologique Ce niveau consiste dterminer les direntes parties du systme, puis construire larchitecture du modle par lassemblage des dirents sous-systmes. Cest une approche fonctionnelle proche de lapproche SADT (Structured Analysis and Design Technic). Le modle bond graph est sous forme de botes noires, o les entres/sorties sont les liens de puissance entre les direntes parties du systme. Sur ce modle appel bond graph mots ou word bond graph, les phnomnes physiques napparaissent pas explicitement. B. Le niveau physique Cette tape consiste reproduire graphiquement tous les phnomnes physiques pris en compte dans les hypothses de modlisation. A ce niveau, loutil bond graph permet par sa nature graphique, laide dun langage unique, de mettre en vidence la nature des changes de puissance dans le systme, tels que les phnomnes de stockage, de transformation et de dissipation dnergie. Lordre et le type de dynamique du systme sont dduits directement du modle. Grce son caractre volutif, la structure graphique du modle obtenu peut tre modie par un simple ajout dlments bond graphs. C. Le niveau structurel et mathmatique Cette tape consiste aecter des causalits aux composants du modle, puis crire les lois constitutives des composants et des phnomnes. Laectation des causalits permet de vrier la cohrence des relations de causes eets prises en considration dans les hypothses de modlisation, ainsi que les proprits structurelles du systme ( commandabilit, observabilit,. . . ) et les contraintes physiques ( boucles algbro-direntielles critiques).

tel-00200030, version 1 - 20 Dec 2007

2.3

Reprsentation LFT

Les transformations linaires fractionnelles (LFT) sont des objets gnriques trs utiliss dans la modlisation des systmes incertains. Luniversalit des LFT est due au fait que

2.3. Reprsentation LFT

27

toute expression rationnelle peut scrire sous cette forme (A. Oustaloup. (1994) [53], D. Alazard & al. (1999) [3]). Cette forme de reprsentation est trs utilise pour la synthse des lois de commande des systmes incertains utilisant le principe de la -analyse. Elle consiste sparer la partie nominale dun modle de sa partie incertaine comme illustr dans la FIG 2.1. Les valeurs nominales sont regroupes dans une matrice augmente note M , suppose propre, et les incertitudes quel que soit leur type (incertitudes paramtriques structures et non structures, incertitudes de modlisation, bruits de mesures...) sont runies dans une matrice de structure diagonale.

u
M
tel-00200030, version 1 - 20 Dec 2007

Fig. 2.1 Reprsentation LFT.

Dans le cas linaire, cette forme standard mne une reprsentation dtat de la forme (2.1): x = A.x + B1 .w + B2 .u z = C1 .x + D11 .w + D12 .u y = C2 .x + D21 .w + D22 .u

(2.1)

avec x Rn le vecteur dtat du systme, u Rm le vecteur regroupant les entres de commande du systme, y Rp le vecteur regroupant les sorties mesures du systme. w Rl et z Rl regroupent respectivement les entres et les sorties auxiliaires. n, m, l et p sont des entiers positifs. Les matrices (A, B1 , B2 , C1 , C2 , D11 , D12 , D21 , D22 ) sont des matrices de dimensions appropries.

28

Chapitre 2. Modlisation LFT des lments bond graphs

2.3.1

Hypothses de mise en forme LFT

tel-00200030, version 1 - 20 Dec 2007

La mise sous forme LFT exige que le modle soit propre et observable C. Si Kam (2001) [64]. La mthodologie bond graph permet par des manipulations causales de vrier ces proprits directement sur le modle bond graph. Proprit 1.1 Un modle bond graph est propre si et seulement sil ne contient aucun composant dynamique en causalit drive lorsque il est en causalit intgrale prfrentielle, et rciproquement (C. Sueur & al. (1989) [69]). Proprit 1.2 : Un modle bond graph est structurellement observable en tat si et seulement si les conditions suivantes sont respectes: i) Sur le modle bond graph en causalit intgrale, il existe un chemin causal entre tous les lments dynamiques I et C en causalit intgrale et un dtecteur De ou Df ; ii) Tous les lments dynamiques I et C admettent une causalit drive sur le modle bond graph en causalit drive prfrentielle. Si des lments dynamiques I ou C restent en causalit intgrale, la dualisation de dtecteurs De et Df doit permettre de les mettre en causalit drive (C. Sueur & al. (1989) [69]).

2.4

Modlisation des lments BG incertains

La modlisation des systmes linaires paramtre incertains a t dveloppe dans C. Si Kam (2001) [64], nous invitons le lecteur consulter les rfrences correspondantes pour plus de dtails sur la modlisation des lments BG incertains (R, I, C, T F et GY ). Nous nous limiterons donc dans cette partie montrer les deux mthodes de modlisation des lments BG incertains, ainsi que les avantages des BG-LFT pour le diagnostic robuste en utilisant llment R comme exemple. Nous dvelopperons ensuite la modlisation LFT dun lment RS, qui na pas t dvelopp dans les rfrences prcdentes, qui concernaient uniquement les systmes linaires, tandis que le modle de llment RS incertain est non linaire. Les modles BG dterministes dun lment physique R en causalit rsistance et conductance sont respectivement donns par les FIGs. 2.2-(a) et (b).

2.4. Modlisation des lments BG incertains

29

eR fR
(a)

R: R

eR fR
(b)

R: R

Fig. 2.2 (a) : Elment R dterministe en causalit rsistance. (b) : Elment R dterministe en
causalit conductance

Dterminons le modle bond graph incertain de cet lment.

2.4.1

Elment BG avec une incertitude additive

tel-00200030, version 1 - 20 Dec 2007

En introduisant une incertitude de faon additive sur llment R en causalit rsistance on obtient: eR = (Rn + R) .fR = Rn .fR + R.fR = en + einc (2.2)

avec Rn la valeur nominale de llment R et R lincertitude additive sur le paramtre. eR et fR sont respectivement leort et le ux dans llment R. en = Rn .fR et einc = R.fR reprsentent respectivement leort apport par le paramtre nominal et leort introduit par lincertitude additive. Lquation (2.2), montre clairement que leort introduit par lincertitude additive R est indpendant de la valeur nominale du paramtre Rn . Cette forme de reprsentation est donc valable pour les systmes linaires paramtres constants. On peut envisager de ltendre pour modliser des systmes complexes paramtres variables, comme le gnrateur de vapeur propos dans lapplication du chapitre 5, en faisant un dveloppement limit au voisinage de la valeur nominale. Le modle bond graph quivalent au modle mathmatique de lquation (2.2) est donn par la FIG. 2.3-(a), et la FIG. 2.3-(b) montre le modle bond graph de llment R en causalit conductance. Lapproche bond graph permet danticiper les problmes de simulation et de gnration de RRAs robustes. En eet, dans le cas o lincertitude est introduite de faon additive sous forme dun lment BG, les proprits structurelles du modle incertain empchent la gnration automatique des RRAs robustes, et gnre des erreurs dans la simulation du modle. Pour illustrer cette particularit, analysons les modles BG des lments C et I en causalit intgrale et drive des FIGs. 2.4 et 2.5 Les modles BG des lments C et I en causalit intgrale des FIG. 2.4-(a) et FIG. 2.5-(a) montrent que lincertitude reprsente par un lment bond graph est causalement

30

Chapitre 2. Modlisation LFT des lments bond graphs

R: R n

R: R n

eR fR

1
(a)

R : R

eR fR

1
(b)

R : R

Fig. 2.3 (a) : Elment R en causalit rsistance avec incertitude additive. (b) : Elment R en
causalit conductance avec incertitude additive.

tel-00200030, version 1 - 20 Dec 2007

finc eC fC

C: Cn

Boucle diffrentielle

C : Cn eC fC

Boucle diffrentielle

0
(a)

fn

C : C

0
(b)

C: C

Fig. 2.4 (a) : Elment C en causalit intgrale avec incertitude additive. (b) : Elment C en
causalit drive avec incertitude additive.

I : In en eI fI
1
(a)

Boucle diffrentielle

I : In
eI fI

Boucle diffrentielle

einc

I : I

1
(b)

I : I

Fig. 2.5 (a) : Elment I en causalit intgrale avec incertitude additive. (b) : Elment I en
causalit drive avec incertitude additive.

2.4. Modlisation des lments BG incertains

31

lie au paramtre nominal et na aucun lien causal avec le reste du modle. Cette situation donne lieu une boucle direntielle entre llment nominal et lincertitude. Ainsi, sur des modles complexes, o le nombre dincertitudes paramtriques est important, la simulation de la dynamique du modle devient pratiquement impossible cause des boucles algbrodirentielles. Lorsque les modles BG des lments C et I sont mis en causalit drive (FIG. 2.4-(b) et FIG. 2.5-(b)), le paramtre nominal (Cn et In ) passe en causalit drive et le paramtre correspondant lincertitude (C et I ) passe en causalit intgrale, mais la boucle direntielle reste toujours prsente. Le problme des boucles algbro-direntielles restera donc prsent quelle que soit la causalit adopte pour dvelopper le schma de diagnostic.

tel-00200030, version 1 - 20 Dec 2007

2.4.2

Elment BG avec une incertitude multiplicative

Lintroduction dune incertitude de faon multiplicative sur llment R en causalit rsistance donne:

eR = Rn . (1 + R ) .fR = Rn .fR + R .Rn .fR = en + R .en = en + einc

(2.3)

avec Rn la valeur nominale de llment R et R lincertitude multiplicative sur le paramtre. eR et fR sont respectivement leort et le ux dans le paramtre R. en = Rn .fR et einc = R .Rn .fR reprsentent respectivement leort apport par le paramtre nominal et leort introduit par lincertitude multiplicative. Contrairement leort introduit par une incertitude additive par rapport au paramtre (quation (2.2)), leort apport par une incertitude multiplicative (quation (2.3)) est une fonction de leort apport par le paramtre nominal. Ceci est une proprit importante pour ltape didentication paramtrique et pour ltape de diagnostic. En eet, les systmes complexes contiennent gnralement des paramtres variables, comme la densit volumique l de leau dans la chaudire du GV prsent au chapitre 5; ce paramtre, qui est une fonction non linaire de la temprature et de la pression dans la chaudire, est identi par interpolation polynomiale en utilisant une table thermodynamique. Lincertitude additive l est dicile borner car elle aussi varie de faon non linaire, mais le rapport l entre lincertitude additive et la valeur nominale est plus facile borner. Lintroduction dune incertitude multiplicative sur llment R en causalit conductance donne:

32

Chapitre 2. Modlisation LFT des lments bond graphs 1 1 1 1 fR = . 1 + .eR = .eR + 1 . .eR = fn + 1 .fn = fn + finc R R R R Rn Rn n

(2.4)

R lincertitude multiplicative sur llment R en causalit conductance. avec 1 = R n +R R eR et fR sont respectivement leort et le ux dans llment R en causalit conductance. 1 1 fn = R .eR et finc = 1 . R .eR reprsentent respectivement le ux apport par le paramtre n n R nominal et le ux introduit par lincertitude multiplicative.

Les modles bloc diagramme quivalents aux quations (2.3) et (2.4) sont respectivement donns par les FIGs. (2.6)-(a) et(b)

fR
tel-00200030, version 1 - 20 Dec 2007

Rn

eR n

+ +

eR

eR

1 fn Rn
fn = z 1

+ +

fR

eR n = zR

einc = wR
R

1
(b)

f inc= w1
R

(a)

Fig. 2.6 (a): Modle bloc diagramme LFT dun lment R en causalit rsistance avec incertitude multiplicative. (b): Modle bloc diagramme LFT dun lment R en causalit conductance avec incertitude multiplicative.

A partir des quations (2.3) et (2.4), on peut construire les modles bond graphs des FIG. 2.7-(a) et (b).
- R
-1/R

MSe: w R

De* : z R

MSf: w1/R

Df * : z1./R

einc
eR fR
1

en
(a)

en
0

finc en f1 = f R
R: R n eR fR 0

fn

fn
(b)

e1 = e R fn

R: R n

Fig. 2.7 (a) : Modle BG-LFT dun lment R en causalit rsistance avec incertitude multiplicative. (b) : Modle BG-LFT dun lment R en causalit conductance avec incertitude multiplicative.

2.4. Modlisation des lments BG incertains

33

Remarque 2.4.1 Les signes () qui apparaissent dans les modles bond graphs de la FIG. 2.7 sont dus aux conventions de signes sur les jonctions 1 et 0. Les symboles De et Df sont employs pour prciser le fait quil ny a pas de dtecteurs rels sur les sorties auxiliaires (capteurs virtuels). Sur les modles BG des FIGs. 2.7-(a) et (b), les dtecteurs ctifs sont introduits pour expliquer le principe de la modlisation BG sous forme LFT, mais ces variables tant connues (le systme est suppos observable), les modles BG des FIGs. 2.7-(a) et (b) peuvent prendre les formes donnes par les FIGs. 2.8-(a) et (b).

R
tel-00200030, version 1 - 20 Dec 2007

zR = en

1
R

z 1 = fn
R

MSe: w R

MSf: w1/R

einc
eR fR
1
(a)

f inc
R: R n eR fR 0
(b)

en f1 = f R

e1 = e R fn

R: R n

Fig. 2.8 (a): Modle BG LFT simpli dun lment R incertain en causalit rsistance. (b):
Modle BG LFT simpli dun lment R incertain en causalit conductance.

Le passage dun modle BG dterministe un modle incertain sous forme LFT consiste donc introduire des sources modules deort ou de ux, qui sont ajoutes respectivement au niveau des jonctions 1 ou 0. Ainsi, le modle reste causalement correct et ses proprits structurelles ne sont pas modies (commandabilit, observabilit,. . . ). De plus, ces sources modules sont causalement lies au reste du modle, o leur apport nergtique se propage sous forme deort ou de ux, et sajoute au bilan nergtique au niveau des jonctions. Cette forme standard est donc la mieux adapte au diagnostic des systmes paramtres incertains.

2.4.3

Modles BG-LFT des lments de stockage dnergie

La procdure de diagnostic dtaille au chapitre 3 exige que les composants dynamiques I et C soient mis en causalit drive prfrentielle, an dviter lapparition des conditions

34

Chapitre 2. Modlisation LFT des lments bond graphs

initiales gnralement inconnues dans les quations gnres partir du modle bond graph.

2.4.3.1

Elments I et C en causalit drive

La loi caractristique de llment incertain I en causalit drive avec une incertitude multiplicative est donne comme suit:

eI = In . (1 + I ) . eI = In .
tel-00200030, version 1 - 20 Dec 2007

eI

dfI dfI + I . In . dt dt dfI wI = In . dt

dfI dt

(2.5)

I avec I = , In la valeur nominale de llment I , I lincertitude multiplicative sur le In paramtre, et I lincertitude additive sur le paramtre. wI lentre ctive qui reprsente lincertitude sur leort la sortie de llment I . eI et fI sont respectivement leort et le ux dans llment incertain I.

La loi caractristique de llment incertain C en causalit drive avec une incertitude multiplicative est donne comme suit:

fC = Cn . (1 + C ) . fC = Cn . fC

deC deC + C . Cn . dt dt deC wC = Cn . dt

deC dt

(2.6)

C avec C = , Cn la valeur nominale de llment C , C lincertitude multiplicative sur le Cn paramtre, et C lincertitude additive sur le paramtre. wC lentre ctive qui reprsente lincertitude sur le ux la sortie de llment C . eC et fC sont respectivement leort et le ux dans llment incertain C.

Les modles bond graph sous la forme LFT des lments I et C en causalit drive quivalents aux quations (2.5) et (2.6) sont respectivement donns en FIG. 2.9-(a) et FIG. 2.9-(b)

2.4. Modlisation des lments BG incertains


eI fI I: I
- I

35
eC fC C: C
- C

MSe: w I e3 eI fI
1

De* : z I e2 e4 0 e1 f1 =f I I: In eC fC

MSf: w C f3 0 f4
(b)

Df * : z C f2
1

e1 = eC f1

C: Cn

(a)

Fig. 2.9 (a) : Elment I en causalit drive prfrentielle. (b) : Elment C en causalit drive
prfrentielle.

tel-00200030, version 1 - 20 Dec 2007

2.4.3.2

Elments I et C en causalit intgrale

La loi caractristique de llment incertain I en causalit intgrale avec une incertitude multiplicative est donne comme suit: Z 1 eI .dt + fI0 = . 1 + 1 I In Z Z 1 1 = eI .dt + 1 . eI .dt + fI0 I In In Z 1 = eI .dt w 1 + fI0 I In

fI fI fI

(2.7)

I avec 1 = In , w 1 lentre ctive qui reprsente lincertitude sur le ux la sortie de +I I I llment I . fI0 est une constante qui reprsente les conditions initiales. La loi caractristique de llment incertain C en causalit intgrale avec une incertitude multiplicative est donne comme suit:

eC eC eC

C avec 1 = C , w 1 lentre ctive qui reprsente lincertitude sur leort la sortie de n +C C C llment C . eC0 est une constante qui reprsente les conditions initiales.

Z 1 fC .dt + eC0 = . 1+1 C Cn Z Z 1 1 = fC .dt + 1 . fC .dt + eC0 C Cn Cn Z 1 = fC .dt w 1 + eC0 C Cn

(2.8)

36

Chapitre 2. Modlisation LFT des lments bond graphs

Les modles bond graphs LFT des lments I et C en causalit intgrale quivalents aux quations (2.7) et (2.8) sont respectivement donns en FIG. 2.10-(a) et FIG. 2.10-(b).
eI fI I: I
- 1/I eC fC

C: C
- 1/C

M Sf: w 1/I f3
eI fI

Df * : z 1/I f2

M Se: w 1/C D e * : z 1/C e3 eI f1 I: I n eC fC 1 fC


(b)

e2 0
e1 fC

f4
(a)

C: C n

Sf : -f I 0

Se : -e C 0

tel-00200030, version 1 - 20 Dec 2007

Fig. 2.10 (a) : Elment I en causalit intgrale prfrentielle. (b) : Elment C en causalit
intgrale prfrentielle.

2.4.4

Modles BG-LFT des lments conservatifs de puissance

Les lments transformateurs de puissance utiliss en bond graph sont: le transformateur not T F , le gyrateur not GY, et llment RS . Le transformateur T F conserve la puissance, mais relie les eorts entre eux et les ux entre eux. Le gyrateur GY conserve la puissance, mais relie les eorts aux ux. Llment RS reprsente toutes les transformations irrversibles de puissance en puissance thermique. 2.4.4.1 Elment TF

La loi caractristique de llment incertain T F en causalit m scrit comme suit:

e1 = mn . (1 + m ) .e2 e1 = mn .e2 + mn . ( m .e2 ) e1 = mn . (e2 wb ) avec wb = m .e2 f2 = mn . (1 + m ) .f1 f2 = mn .f1 + mn . ( m .f1 ) f2 = mn . (f1 + wa ) avec wa = m .f1

(2.9)

2.4. Modlisation des lments BG incertains

37

m avec m = . mn mn , m et m reprsentent respectivement la valeur nominale, lincertitude multiplicative et lincertitude additive sur le module de llment T F . e1 , f1 et e2 , f2 , sont respectivement leort et le ux lentre et la sortie de llment T F. wa , wb sont des entres ctives. Le modle bond graph de llment T F en causalit m avec incertitude multiplicative est donn FIG. 2.11-(a). 1 La loi caractristique de llment incertain T F en causalit m est donne comme suit:

e2 =
tel-00200030, version 1 - 20 Dec 2007

e2 f1 f1

1 . 1 + 1 .e1 m mn 1 = . (e1 + wa ) avec wa = 1 .e1 m mn 1 = . 1 + 1 .f2 m mn 1 = . (f2 wb ) avec wb = 1 .f2 m mn


1 m

(2.10)

m avec 1 = m n +m m Le modle bond graph de llment T F en causalit est donn FIG. 2.11-(b).

avec incertitude multiplicative

2.4.4.2

Elment GY

La loi caractristique de llment incertain GY en causalit r est donne par lexpression (2.11):

e1 = rn . (1 + r ) .f2 e1 = rn . (f2 wb ) avec wb = r .f2 e2 = rn . (1 + r ) .f1 e2 = rn . (f1 + wa ) avec wa = r .f1

(2.11)

r avec r = . r rn , r et r reprsentent respectivement la valeur nominale, lincertitude multiplicative et lincertitude additive sur le module de llment GY . e1 , f1 et e2 , f2 , sont respectivement leort et le ux lentre et la sortie de llment GY. wa , wb sont des entres ctives.

38

Chapitre 2. Modlisation LFT des lments bond graphs

e1 f1

TF
..

e2 f2

m
M Sf : w a
e3 = m ne4 f3

- m

tel-00200030, version 1 - 20 Dec 2007

Df * : za

M Se : w b
e4 f4 = m nf3

De* : z b

e1 = e 3 f1
e1 f1

TF
..

e2 f2 = f4

TF
..

e2 f2

mn
(a )

m
D e* : z a

1 m

- 1 /m

M S e: w a

M Sf : w b
e3 e 4 = 1 m n .e 3 f4

Df * : zb e2 = e4 f2

e1 f1 = f 3

f 3 = 1 m n .f 4

TF
..

mn
(b )

Fig. 2.11 Elment TF avec les deux types de causalit.

2.4. Modlisation des lments BG incertains


e1 f1

39

GY
..

e2 f2

r Df * : za e1 = e 3
e1 f1

r
M Sf : w a e 3 = rn .f 4 f3

r M Sf : w b e 4 = rn .f 3 f4 Df * : zb e2 = e4 f2

f1 GY
..

GY
..

e2 f2

rn
(a )

1
r

- 1
r

M Se : w a e1

De* : za

M Se : w b

D e* : z b e2 f2 = f4

tel-00200030, version 1 - 20 Dec 2007

f1 = f 3

e3 e4 GY 1 1 f 3 = (1 rn ).e 4 . . f 4 = (1 rn ).e 3

rn

(b )

Fig. 2.12 Elment GY avec les deux types de causalit. Le modle bond graph de llment GY en causalit r avec incertitude multiplicative est donn FIG. 2.12-(a). La loi caractristique de llment incertain GY en causalit 1 est donne par lexpresr sion (2.12): 1 . 1 + 1 .e2 r rn 1 = . (e2 wb ) avec wb = 1 .e2 r rn 1 = . 1 + 1 .e1 r rn 1 = . (e1 + wa ) avec wa = 1 .e1 r rn

f1 = f1 f2 f2

(2.12)

r avec 1 = m . n +r r Le modle bond graph de llment GY en causalit 1 avec incertitude multiplicative r est donn FIG. 2.12-(b).

40

Chapitre 2. Modlisation LFT des lments bond graphs

2.4.5

Modle BG-LFT de llment RS

Le modle bond graph de llment RS dterministe est donn FIG. (2.13)-(b)

e1RS f 1RS

Chaleur

e 2RS f 2RS

e1RS f 1RS

RS
(b)

e 2RS f 2RS

(a)

Fig. 2.13 Elment RS. (a): Rsistance chauante. (b): Son modle bond graph En bond graph le symbole R signie un lment rsistif associant une relation algbrique entre leort et le ux (comme une rsistance lectrique : u Ri = 0). Pour inclure les eets thermiques dans le cas o cette rsistance chaue et dgage de la chaleur, on ajoute le symbole S (comme source). Llment RS tient alors compte de la gnration de la chaleur. Comme dans la partie thermique on utilise les pseudo bond graphs pour des raisons bien dveloppes dans (P. J. Gawthrop (1995) [28], J. U. Thoma & al. (2000) [71]), le ux u2 f2RS est dj une puissance thermique (J/s). On aurait donc f2RS = e1RS .f1RS = RS dans le cas dune rsistance lectrique. Lorsque les variables de puissance sont toutes les deux connues lentre du multiport RS , le principe de conservation de puissance permet de dterminer avec prcision le ux gnr de chaleur la sortie sans utiliser la valeur du paramtre RS. Le ux de chaleur Q partir dune puissance lectrique lorsque le courant i et la tension lectrique u sont connus est donn par lexpression: = u.i Q Dans le cas dune causalit simple o on connat soit leort soit le ux lentre du multiport, la puissance dlivre est une fonction non linaire de la variable de puissance connue et de la valeur du paramtre RS permettant ainsi de prendre en considration lincertitude sur llment RS . Lorsque cest la variable eort qui est connue lentre du multiport, lexpression du ux la sortie s0 crit: = (RSn ,e1RS ) . 1 +
1 RS

tel-00200030, version 1 - 20 Dec 2007

f2RS

1 RS

= (RSn ,e1RS ) +

. (RSn ,e1RS ) = f2RSn + fRSinc

(2.13)

2.5. Construction dun modle BG-LFT

41

Le modle bond graph incertain sous forme LFT du multiport RS quivalent au modle mathmatique de lquation (2.13) est donn par la FIG. 2.14-(a).
(RSn , e1RS ). 1
RS

(RSn , f1RS ). RS

De* : z 1
e1RS f 1RS

RS

MSf : w

f RSinc
0 RSn
(a)

1 RS

Df * : z RS
e1RS f 1RS

MSf : w RS
f RSinc e 2RS 0 f 2RS

f RSn

e 2RS f 2RS

RSn
(b)

f RSn

Fig. 2.14 Elment incertain RS.sous forme LFT


tel-00200030, version 1 - 20 Dec 2007

avec e1RS leort connu lentre du multiport RS . Dans le cas o cest la variable ux qui est connue lentre du multiport RS, lexpression du ux la sortie s0 crit:

f2RS = (RSn ,f1RS ) . (1 + RS ) = (RSn ,f1RS ) + RS . (RSn ,f1RS ) = f2RSn + fRSinc (2.14) avec f1RS le ux connu lentre du multiport RS . Le modle bond graph incertain sous forme LFT du multiport RS quivalent au modle mathmatique de lquation (2.14) est donn par la FIG. 2.14-(b).

2.5

Construction dun modle BG-LFT

La mthode consiste remplacer chacun des lments incertains par son BG-LFT. Le BG-LFT complet peut alors se reprsent par le schma de la FIG. 2.15, o apparat la structure standard de la FIG. 2.1. Une mthode systmatique dcriture de lquation dtat peut tre appliqu sur le BGLFT, comme sur tout BG. Le rsultat obtenu sera sous la forme standard (2.1). Le calcul formel des direntes matrices de la forme (2.1) est dvelopp dans C. Si Kam (2001) [64].

42

Chapitre 2. Modlisation LFT des lments bond graphs


Stockage dnergie Cn,In Dissipation dnergie Rn

Sources Se, Sf

u
w
Structure de jonction 0, 1, TF, GY De* Df*

y z

Dtecteurs De, Df

M
MSe, MSf

tel-00200030, version 1 - 20 Dec 2007

Fig. 2.15 Reprsentation dun BG-LFT

2.6

Comparaison de lapproche dtat LFT avec lapproche BG-LFT

Lavantage de lapproche BG-LFT par rapport une approche dtat LFT se rsume dans deux points : la complexit dans la construction du modle et la structuration des incertitudes sur le modle. En eet, en prsence dlments inductifs ou inertiels (I ) sur le systme, la construction dun modle dtat linaire ou non linaire sous forme LFT devient dicile. Dans le cas linaire et en prsence dlments inductifs ou inertiels (I ), les paramtres a (i, j ) et b (i, j ) des matrices dtat et de commande A et B sont une combinaison entre les lments rsistifs et capacitifs (R et C ) et les lments inductifs ou inertiels (I ). Le passage la forme LFT nest pas toujours possible et dpend du choix des variables dtat. Sur les modles dtat non linaires la sparation de la partie nominale du modle de sa partie incertaine devient encore plus dicile, voire impossible. Sur un modle bond graph, chaque lment correspond un composant matriel ou un phnomne physique bien prcis, facilitant ainsi lidentication des valeurs numriques des paramtres et des incertitudes, puis le passage la forme LFT se fait par un simple ajout de sources modules deort et de ux sur le modle. Les variables dtat sur un modle bond graph sont lies aux lments dynamiques I et C , et laspect causal et structurel du modle permet la gnration automatique dun modle dtat incertain sous la forme

2.6. Comparaison de lapproche dtat LFT avec lapproche BG-LFT standard (2.1) directement partir du bond graph.

43

Pour bien illustrer ces deux avantages, prenons un exemple simple, un circuit lectrique R, C , I (FIG. 2.16) suppos propre et observable.
R L

Se: u

Fig. 2.16 Circuit lectrique R, C I


tel-00200030, version 1 - 20 Dec 2007

2.6.1

Approche modle dtat LFT

Le modle dtat dterministe du systme de la FIG. 2.16 est construit selon les variables dtat choisies. La reprsentation dtat (2.15) est obtenue en utilisant les variables dtat q (la charge dans la capacit C ) et (le ux magntique dans la bobine L)
1 L

0 q q 0 = . + .u 1 R 1 C L

(2.15)

La reprsentation dtat (2.16) est obtenue en utilisant les variables dtat q (la charge dans la capacit C ) et q (le courant dans la capacit C et la bobine L)

En introduisant des incertitudes multiplicatives sur les paramtres R, C , et L, les modles (2.15) et (2.16) deviennent:
1 Ln .(1+ L )

0 1 q 0 q = . + .u 1 R 1 q C.L L q L

(2.16)

0 q q 0 = . + .u Rn (1+ R ) 1 Cn .(1+C ) Ln (1+L ) 1

(2.17)

44

Chapitre 2. Modlisation LFT des lments bond graphs

Avec cette criture il nest pas possible de sparer la partie nominale du modle de sa partie incertaine. Pour le faire, D. Alazard & al. (1999) [3] propose de rcrire le modle de sorte sparer llment inductif du reste des lments, puis dutiliser le lemme de linversion matricielle pour obtenir un modle dtat sous forme LFT. Ce rarrangement nest possible que sur le modle (2.18), alors que sur le modle (2.17) la sparation de la partie nominale du modle de sa partie incertaine nest pas possible avec cette criture. Le modle (2.18) est rcrit sous la forme (2.19)
tel-00200030, version 1 - 20 Dec 2007

0 1 q q = . + Rn (1+R ) 1 q q Cn .(1+C ).Ln (1+L ) Ln (1+L )

0
1 Ln (1+L )

.u

(2.18)

0 1 0 1 q q 0 . = . + .u (2.19) 1 Cn .(1 + 1 ) Rn (1 + R ) 1 0 Ln + L .Ln q q


C

soit encore

1 q 0 0 1 .q 0 0 0 1 q C . = . + . + .u 1 1 Cn Rn Cn Rn 0 Ln + L .Ln q q 1 R .q
C avec 1 = 1+ C C ou alors

(En + E ) .x = A .x + B1 .w1 + B2 .u

(2.20)

avec

q x = ; q 1 .q w1 = C R .q

0 0 0 = ; B1 = ; B2 ; 1 1 Cn Rn 1 Cn Rn 0 0 1 0 ; E = ; En = 0 L .Ln 0 Ln A =

2.6. Comparaison de lapproche dtat LFT avec lapproche BG-LFT w1 peut galement scrire
1 0 z1 w 1 1 0 q C C w1 = C = C = q wR zR 0 R 0 R

45

(2.21)

Sous cette forme, le systme nest pas encore une expression LFT. Lemme 2.1 Lemme de linversion matricielle

tel-00200030, version 1 - 20 Dec 2007

avec V , L, R des matrices de dimensions appropries, et I matrice identit de dimension approprie. En supposant que E peut scrire sous la forme: E = ..W avec et en utilisant le lemme de linversion matricielle on obtient: 0 0 1 0 1 0 = et = , W = 0 L .Ln 0 1 0 1

1 (V + LR)1 = V 1 V 1 .L. I + R.V 1 .L .R.V 1

(2.22)

1 1 1 1 1 (En + ..W )1 = En En .. I + W.En .. .W.En avec 1 1 En = 0 0

1 Ln

on peut crire lquation (2.20) sous la forme quivalente:

x =

1 1 1 1 .A .x + En .B2 .u + En .B1 .w1 En ..w2 = En

1 1 1 1 1 . (A .x + B2 En En .. I + W.En .. .W.En .u + B1 .w1 ) (2.23) 1 1 1 w2 = . I + W .En .. .W.En . (A .x + B 2 .u + B 1 .w1 )

avec

(2.24)

w2 est calcule en utilisant un logiciel de calcul symbolique "Maple", les rsultats sont donns comme suit:

46

Chapitre 2. Modlisation LFT des lments bond graphs q 1 1 R q + u . .q R . . q L. C n n R Cn n


C

ce qui permet de dnir: w 1 =


L

0 w2 = avec wL = wL

1 + L

L .z 1 1+ L L

avec (2.25)

z1 =
L

1 1 q Rn q +u .w 1 Rn .wR Cn Cn C

Le modle est alors mis sous forme LFT (quation (2.26)): x = A.x + B1 .w + B2 .u z = C1 .x + D11 .w + D12 .u w = .z 1 wC 0 0 . wR + .u 1 1 Ln Ln w1 L 0 w1 0 C . wR + 0 .u 0 1 0 w1
L

tel-00200030, version 1 - 20 Dec 2007

(2.26)

avec

0 q = 1 q Cn

1
Rn Ln

q . + q

0
1 Ln .Cn

0
Rn Ln

1 0 0 0 zC 1 q zR = 0 . + 0 1 0 q 1 1 z1 Rn Rn Cn Cn L 1 1 1 wC C zC . wR = R zR w1 1 z1 L L L

(2.27)

2.6.2

Approche BG-LFT

Construisons prsent le modle BG LFT du systme lectrique. Le modle bond graph dterministe du systme est ainsi donn par la FIG. 2.17.

2.6. Comparaison de lapproche dtat LFT avec lapproche BG-LFT

47

R:R

Se: u

I:L

C:C

tel-00200030, version 1 - 20 Dec 2007

Fig. 2.17 Modle BG dterministe en causalit intgrale dun circuit R, C, I

R:Rn
6

De*: zR=eRn

1
2

10

MSe:wR

Se: u

1n
3

0n
5 14

MSf:w1/L

12

MSe:w1/C

1
L

1
C

11

Df*: z1/L=fIn

1
7 8

13

De*: z1/C=eCn

I:Ln

C:Cn

Fig. 2.18 Modle BG-LFT en causalit intgrale dun circuit R, C, I

48

Chapitre 2. Modlisation LFT des lments bond graphs

Le modle bond graph incertain sous forme LFT est obtenu en remplaant chaque lment incertain par son modle BG-LFT; on obtient alors le modle BG-LFT de la FIG. 2.18. Ce modle est construit plus facilement quun modle dtat et reprsente dlement le systme rel. Les incertitudes paramtriques R , 1 , 1 correspondent des compo1 C sants matriels bien prcis. Les interactions entre les eorts (ou les ux) introduits par les paramtres nominaux et les incertitudes sont assures par les contraintes causales et structurelles du modle; les eorts (ou les ux) se propagent en suivant des chemins causaux et sajoutent au niveau dune jonction 1 (ou dune jonction 0). Un modle dtat LFT peut tre obtenu facilement en utilisant les bond graphs. Les variables dtat sont lies aux lments dynamiques sur le modle, puis le modle dtat est construit en utilisant les contraintes de structure sur les jonctions et les lois de comportement sur les lments bond graphs. Calculons le modle dtat du circuit lectrique partir du modle bond graph LFT de la FIG. 2.18. Les variables dtat sont qC (la charge dans la capacit C ) et L (le ux dans la bobine L), le vecteur dtat et sa drive scrivent: R C f8 .dt qC f8 q ; x = = = R L L e7 e7 .dt

tel-00200030, version 1 - 20 Dec 2007

Jonction 1n :

x=

e7 = e3 = e1 e2 e4 L = u (e6 e10 ) (e8 e14 ) e3 = 1 L = u (Rn .f6 wR ) .qC w 1 C Cn 1 L = u (Rn . (f7 f12 ) wR ) .qC w 1 C Cn 1 1 L = u Rn . . 1 w 1 wR .qC w 1 L C Ln L Cn Jonction 0n :

(2.28)

f8 = f5 = f4 = f3 1 q C = . 1 w 1 L Ln L

(2.29)

2.6. Comparaison de lapproche dtat LFT avec lapproche BG-LFT

49

zR , z 1 , z 1 sont les sorties ctives calcules partir du modle bond graph de la FIG. C L 2.18:
1 zC z = zR z1 L

avec

eCn = eRn fLn

e8 = e6 f7

(2.30)

tel-00200030, version 1 - 20 Dec 2007

e6 = Rn .f6 = Rn .f3 1 e6 = Rn . . w 1 L Ln L e8 = 1 .qC Cn 1 . Ln L

f7 =

Ainsi, partir des quations (2.28), (2.29) et (2.30) le modle dtat est donn sous la forme (2.31), qui correspond la forme standard de lquation (2.1)

C f8 0 q = = . 1 Rn e7 Cn Ln L 0 0 0

1 Ln

1 1 Cn 0 zC qC n . + zR = 0 R Ln L 1 z1 0 L n L 1 1 wC C wR = . R w1 1
L L

z1 C zR z1
L

1 wC qC 0 0 1 + . wR L 1 1 Rn w1 L 0 0 w1 C . wR 0 Rn 0 0 w1 L

0 + .u 1

(2.31)

50

Chapitre 2. Modlisation LFT des lments bond graphs

2.6.3

Comparaison des deux approches

Pour pouvoir comparer les deux approches, nous faisons le changement de variable L = L.iL = L.q C Lquation (2.31) devient alors

C 0 1 qC 0 0 q = . + 1 1 n q C R q C L Ln1 L .Cn Ln n n 1 0 zC q C . = + zR 0 Rn q C z1 0 1 L 1 1 wC C wR = . R w1 1
1 Cn
L L

tel-00200030, version 1 - 20 Dec 2007

0 0

(2.32) que lon peut comparer avec lquation (2.27). La dirence porte sur la dnition des variables z et w et donc sur la matrice .

. 0 0 Rn 0 0 0 z1 C zR z1
L

1 wC 1 . wR Rn Ln w1 L w1 C wR w1 L

0 + .u 1 Ln

2.7

Cas de dpendance paramtrique

La reprsentation LFT dun lment bond graph, dont la loi caractristique est une fonction linaire ou non linaire dun ensemble de paramtres, ne dire pas de celle des paramtres indpendants. Les incertitudes sont values, puis introduites sur le modle nominal sous forme multiplicative. Dans lexemple pdagogique propos ci-dessous (FIG. 2.19), ainsi que dans les applications proposes dans le chapitre 5, des cas de paramtres dpendants sont prsents. Lexemple de la FIG. 2.19-(a) reprsente une suspension olopneumatique dun quart de vhicule, galement appele suspension hydropneumatique. Llment olopneumatique

2.7. Cas de dpendance paramtrique

51

combine les fonctions de suspension et damortissement. Il est compos dun cylindre, dans lequel coulisse un piston sur lequel sappuie lessieu. Le piston est rempli dune huile haute pression incompressible. La partie suprieure du cylindre dbouche sur une sphre compartimente par une membrane en lastomre. La partie suprieure de la membrane est remplie par un gaz incompressible (azote). La partie infrieure remplie dhuile, communique avec le cylindre travers une tuyre de petit diamtre. Lhuile est maintenue en pression par une pompe hydraulique de haute pression situe dans le compartiment moteur. Au dmarrage du vhicule, la pompe met sous pression lhuile qui est distribue au cylindre via un circuit haute pression. Lhuile appuie sur la membrane lastomre, et comprime le gaz dans la sphre. A ce moment, on peut observer que le vhicule slve. En circulation, lorsque la roue rencontre une bosse, elle appuie sur le piston qui va comprimer le gaz grce lhuile. Lorsque la roue revient ltat normal, le gaz comprim repousse le piston. La fonction damortissement est assure par la tuyre, qui spare la sphre du piston. Le passage rduit, freine la circulation dhuile. 2 .Pe s .g La raideur olopneumatique de la sphre a pour expression Csph = P avec Pe = M , SP 0 V0 Csph est la capacit de la sphre, Pe est la pression statique lquilibre, = 1.4 est la constante isentropique de lazote. P0 et V0 reprsentent respectivement, la pression de gonage de la sphre et le volume de la sphre vide, Ms est la masse de la caisse, g est la force de gravit. Le modle bond graph du systme en causalit intgrale est donn par la FIG. 2.19(b), et le modle bond graph sous forme LFT du systme est donn par la FIG. 2.20 (C. Si. Kam & al. (2005) [66]). Le modle reprsente les mouvements autour de lquilibre statique par rapport la pesanteur en ngligant les conditions initiales. Des incertitudes multiplicatives sont introduites sur les lments: Csph , Ra , Mns et Ms et le module m du transformateur T F qui correspond la surface du piston.

tel-00200030, version 1 - 20 Dec 2007

52

Chapitre 2. Modlisation LFT des lments bond graphs


I : Ms
C : Csph =

p 2 e p 0 .V0

0
Csph

TF

m
Ra

&2 x

Ms

I : M ns

R : Ra

&1 x
& x
(a)

C : Cp =

1 kp

& Sf: x

(b)

tel-00200030, version 1 - 20 Dec 2007

Fig. 2.19 Suspension olopneumatique dun quart de vhicule et son modle bond graph dterministe en causalit intgrale

Df * : Z 1
Ms

I : M sn
11

m
Df * : z a MSf : w a

MSf : w
9

1
1 Ms

De* : z

10

13 8

1 Csph

0
18

22

C : Csph n =

p 2 en
p 0 .V0

0
6

12

14

TF

15

1
25

16

17

1
20

19

MSe : w

mn 1
4

1 Csph

21

MSe : w R a

0
3

I : M ns

MSe : w b De* : z b
- m
24

De* : z R a

C : Cpn =

1 k pn

0
1

MSf : w

1 Mns

Df * : z

1 Mns

R : R an

& Sf: x

Fig. 2.20 Modle bond graph LFT en causalit intgrale de la suspension olopneumatique dun
quart de vhicule

2.7. Cas de dpendance paramtrique Les variables dtat sont:

53

pMns pMs x= qkp = lkp qCsph = Vsph avec lkp = x x1 .


tel-00200030, version 1 - 20 Dec 2007

(2.33)

Les entres correspondant aux incertitudes paramtriques sont modules par les expressions suivantes: w 1 = 1 .z 1 Mns Mns Mns w 1 = 1 .z 1 Ms Ms Ms wRa = Ra .zR a

w 1 = 1 .z 1 Csph Csph Csph wa = m .za wb = m .zb avec


1 Ms

(2.34)

Ms , Msn +Ms

1 Mns

Mns , Mnsn +Mns

1 Csph

Csph , Csphn +Csph

Ram =

Ra . Ran

1 , 1 , Ra , 1 , m et Msn , Mnsn , Ran , Csphn , mn sont respectivement les incerMs Mns Csph titudes multiplicatives et les valeurs nominales des lments, Ms , Mns , Ra , Csph , m. Les entres ctives w 1 , w 1 , wRa , et w 1 correspondent respectivement aux incertitudes Ms Mns Csph sur les lments Msn , Mnsn , Ran ,Csphn . wa et wb reprsentent lincertitude sur le module m de llment T F. Les sorties ctives z 1 , z 1 , za , zb , z 1 et zRa sont dtermines partir du modle M ns Ms Csph bond graph de la FIG. 2.20.

54

Chapitre 2. Modlisation LFT des lments bond graphs

1 Mns

= =

1 Ms

za = zb =

z
tel-00200030, version 1 - 20 Dec 2007

1 Csph

zRa =

1 .pMns (2.35) Mnsn 1 .pMs Msn 1 1 .pMns .pMs Mnsn Msn 1 1 .q 1 w 1 wRa wa + mn .Ran .w 1 + mn .Ran . .pMns Csph Ms Csphn Csph Mnsn 1 mn .Ran . .pMs mn .Ran .w 1 M ns Msn 1 .q 1 Csphn Csph 1 1 wa + mn .Ran .w 1 + mn .Ran . .pMns mn .Ran . .pMs mn .Ran .w 1 Ms M ns Mnsn Msn

Le modle dtat est prsent sous la forme (2.31) avec

m2 .Ra n n Mnsn A = 1 Mns n C1 =


mn Mnsn 1 Mnsn

2 .R an n m Mnsn

m2 n .Ran Msn
n .Ran mMs n 2

0
mn Ms n

0
1 Msn 1 Ms n mn .Ran Msn

0 0 0 0 0 0

0
1 Mnsn mn .Ran Mnsn

0
mn .Ran Mnsn

0
mn .Ran Msn

n 0 0 mn kp Cm 0 mn mn 0 sphn mn 0 0 0 0 m m m n n n Csphn ; B = (2.36) 1 1 0 0 0 0 0 0 0 0 0 0 0 0 mn mn mn 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ; D11 = 1 m .R m .R 0 m .R 1 1 n an n an n an Csphn 1 0 0 0 0 0 0 Csphn 0 0 0 0 mn .Ran mn .Ran mn .Ran

2.7. Cas de dpendance paramtrique

55

tel-00200030, version 1 - 20 Dec 2007

(2.37) Lexpression de llment Csph est une fonction non linaire de llment Ms . Sachant que le modle LFT de llment Ms spare parfaitement sa partie nominale de sa partie incertaine, il sut de remplacer llment Ms par sa valeur nominale dans lexpression de Csph pour obtenir la valeur nominale Csphn , puis de calculer la valeur de lincertitude Csph sur llment Csph comme suit:

1 w Mns 1 w Ms wa w= w b w 1 Csph wRa

0 0 0 0 0 M1ns 1 0 0 0 0 0 Ms 0 0 0 a 0 0 = 0 0 0 0 0 b 0 0 0 0 0 1 Csph 0 0 0 0 0 Ra

1 z Mns 1 z Ms za . z b z 1 Csph zRa

0 0 ; D12 = 0; B2 = 1 0

Ms = Msn + Ms .Msn (Ms )2 = (Msn + Ms .Msn )2 (Ms )2 = (Msn )2 + 2. (Msn ) . Ms + 2 Ms On obtient: Csph = (Msn + Ms .Msn )2 . soit
g . S 2
2

g . S 2

P0 .V0

= Csphn + Csph .Csphn

ce qui donne

P Csphn = (Msn )2 . P0 .V0 Csph = 2. (Msn ) . Ms + 2 Ms

1 Csph

Csph . 1 + Csph

56

Chapitre 2. Modlisation LFT des lments bond graphs

2.8

Evaluation des incertitudes paramtriques

Lespace paramtrique dans un modle bond graph peut tre classi en deux catgories : la premire correspond aux composants matriels fabriqus en srie (rsistance lectrique, condensateur, vannes, . . . ). Dans ce cas, la valeur nominale du paramtre est donne par le constructeur avec une incertitude borne. La seconde catgorie correspond aux phnomnes physiques, dont les valeurs nominales sont calcules ou identies exprimentalement. Aprs ltape didentication, la valeur nominale du paramtre et la valeur de lincertitude sont values en utilisant une approche statistique (M. A. Djeziri & al. (2006) [18]) ou ensembliste (M. A. Djeziri & al. (2007) [19]). Lorsque la variation du paramtre i {R, C, I, RS, T F, GY } est normalement distribue autour dune valeur nominale, sa moyenne m i ainsi que son cart type Si peuvent tre calculs de la manire suivante (M. R. Spiegel. (2002) [68]): n P 1 i = n . i(k) m k=1 1/2 n (2.38) P 2 1 (i(k) m i) Si = n .
k=1

tel-00200030, version 1 - 20 Dec 2007

La moyenne du paramtre reprsente sa valeur nominale, tandis que la valeur additive de lincertitude i est une fonction de lcart type Si , et dpend du niveau de conance recherch (M. R. Spiegel. (2002) [68]). Approximativement 68% des valeurs du paramtre i sont dans lintervalle: m i Si < i < m i + Si ; Approximativement 95% des valeurs du paramtre i sont dans lintervalle: m i + 2.Si ; 2.Si < i < m Approximativement 99% des valeurs du paramtre i sont dans lintervalle: m i 3.Si < i < m i + 3.Si . avec n la longueur de la fentre dobservation. Si le niveau de conance choisi est de 99%, la valeur nominale du paramtre in ainsi que la valeur de lincertitude additive i peuvent tre estimes comme suit: in = m i

i = 3.S i

(2.39)

2.9. Conclusion

57

Dans le cas o la variation du paramtre i nest pas assez symtrique autour dune moyenne, la valeur additive de lincertitude i est considre gale la dirence entre la valeur maximale du paramtre, enregistre sur la fentre dobservation, et sa valeur moyenne. Les incertitudes multiplicatives i sur les paramtres i sont lies aux incertitudes adR ditives i, et aux valeurs nominales in par les relations suivantes: R = ; 1 = Rn R R I I C C RS RS 1 = 1 = 1 ; = ; ; = ; ; = ; = ; I C RS Rn +R In In +I Cn Cn +C RSn RSn +RS I C RS T F T F GY GY T F = T Fn ; 1 = T Fn +T F ; GY = GYn ; 1 = GYn +GY .
TF GY

2.9
tel-00200030, version 1 - 20 Dec 2007

Conclusion

La modlisation est une tape trs importante dans un schma de diagnostic, car les performances recherches de dtection et disolation de fautes dpendent fortement de la prcision du modle. Le choix de loutil bond graph pour le diagnostic robuste aux incertitudes paramtriques, est d son aspect nergtique et multi physique. Dans ce chapitre, nous avons montr que le parcours des chemins causaux entre les incertitudes et les sorties permet de suivre la propagation de leurs inuences travers le modle. Les proprits causales et structurelles des bond graphs sont aussi utilises pour vrier lobservabilit structurelle du systme. Les paramtres du systme apparaissent explicitement sur le modle bond graph, ils sont reprsents par les lments R, C , I , RS , T F , et GY . Ces derniers correspondent des composants matriels ou des phnomnes physiques. Cette proprit facilite lidentication des valeurs numriques des paramtres et des incertitudes, mme en cas de dpendance paramtrique. La modlisation LFT des lments bond graphs ore des avantages du point de vue analyse structurelle et implmentation informatique. Cette forme standard de modlisation des systmes incertains nintroduit pas de nouveaux lments bond graph sur le modle. Par consquent, aucun changement ne se produit dans lordre du systme et dans ses proprits structurelles. Lanalyse structurelle peut alors se faire directement sur le modle dterministe. Dun point de vue implmentation informatique, le passage la forme LFT ne fait pas apparatre des boucles algbro-direntielles trs contraignantes dans la rsolution numrique des quations.

58

Chapitre 2. Modlisation LFT des lments bond graphs

tel-00200030, version 1 - 20 Dec 2007

Chapitre 3 Les bond graphs pour le diagnostic robuste


tel-00200030, version 1 - 20 Dec 2007

3.1

Introduction

Le diagnostic des systmes incertains a fait lobjet de plusieurs travaux de recherches ces dernires annes tels que: (S. Ploix (1998) [54], Z. Han & al. (2002) [31], M. Zhong & al. (2003) [76], K. Hsing-Chia & al. (2004) [36], D.Henry & al. (2005) [33], M. A. Djeziri & al. (2007) [19], X. G. Yan & al. (2007) [74]). Cet intrt se traduit par le fait que les systmes physiques sont complexes et non stationnaires et les industriels cherchent plus de scurit et de rendement. Lapproche bond graph propose dans ce chapitre permet, par sa structure nergtique et multi physique, dutiliser un seul outil pour la modlisation, lanalyse structurelle, la gnration des RRAs incertaines et des seuils adaptatifs de fonctionnement normal, ainsi que lanalyse de la sensibilit des rsidus. En eet, lutilisation dun modle bond graph sous forme LFT permet de gnrer des RRAs constitues de deux parties parfaitement spares : une partie nominale, qui reprsente le rsidu, et une partie incertaine, qui sert la fois au calcul des seuils adaptatifs de fonctionnement normal et lanalyse de sensibilit.

3.2
3.2.1

Graphe bi-partite et bond graph


Graphe bi-partite

Il existe plusieurs reprsentations graphiques des systmes, comme le graphe orient et 59

60

Chapitre 3. Les bond graphs pour le diagnostic robuste

le graphe bi-partite. Ce dernier est loutil le mieux adapt lanalyse structurelle, par la vrication de ltat du couplage entre un ensemble de contraintes et un ensemble de variables inconnues. Lorsquil est possible de calculer toutes les variables inconnues en utilisant juste une partie des contraintes, le reste constitue des relations de redondance analytique. Dnition 1 Le graphe bi-partite associ un systme est un graphe avec deux ensembles de sommets: lensemble des contraintes C et lensemble de variables et de paramtres Z . Des liens sont dnis par la rgle suivante: il existe un lien entre un sommet c i C et un sommet zj Z si et seulement si le sommet zj apparat dans la contrainte c i (M. Blanke & al. (2003) [8]).
tel-00200030, version 1 - 20 Dec 2007

Lensemble des variables Z et des contraintes C sont:

Z = xa xd x d u y d Ch C = Cg dt

(3.1)

,z2 ,...,zN } = K X est lensemble des variables. K est le sous-ensemble de o Z = {z1 variables connues, constitu des variables de mesure y et des commandes u. X = xa xd x d est le sous-ensemble de variables inconnues. xa sont les variables inconnues lies par des contraintes algbriques, xd sont des variables inconnues lies par des contraintes d direntielles, dt renvoie la contrainte de drivation, C = {c 1 ,c2 ,...,cM } = Cg Ch o Cg est lensemble des contraintes direntielles et Ch est lensemble des contraintes de mesures.

Le modle du systme scrit comme suit :

x d = g (xa ,xd ,u) y = h (xa ,xd ,u)

(3.2)

Dnition 2 Le modle structurel du systme (C ,Z ) est un graphe bi-partite (C ,Z ,) o C Z est lensemble des sommets dnis par (c i ,zj ) , si la variable zj apparat dans la contrainte c i (M. Blanke & al. (2003) [8]).

3.2. Graphe bi-partite et bond graph

61

3.2.2

Couplage sur un graphe bi-partite

Les couplages sont des liens causaux qui associent, dans un systme, des variables inconnues des contraintes partir desquelles elles peuvent tre calcules. Les variables qui ne peuvent pas tre couples ne peuvent pas tre calcules. Les variables qui peuvent tre couples de plusieurs manires peuvent tre calcules par dirents moyens. La thorie des graphes bi-partite montre que nimporte quel graphe bi-partitede dimension nie peut tre dcompos en trois sous-graphes avec des proprits spciques, respectivement lis soit un systme sur-dtermin, juste-dtermin ou sous-dtermin. Cette dcomposition est canonique et les trois sous-ensembles jouent un rle important dans lanalyse des proprits structurelles dun systme (observabilit, commandabilit,...).
tel-00200030, version 1 - 20 Dec 2007

Dnition 3 (Graphe sur-dtermin) un graphe (C ,Z ,) est sur-dtermin si le couplage est complet sur les variables Z mais pas sur les contraintes C (M. Blanke & al. (2003) [8]). Dnition 4 (Graphe juste-dtermin) un graphe (C ,Z ,) est juste-dtermin si le couplage est complet sur les variables Z et sur les contraintes C (M. Blanke & al. (2003) [8]). Dnition 5 (Graphe sous-dtermin) un graphe (C ,Z ,) est sous-dtermin si le couplage est complet sur les contraintes C mais pas sur les variables Z (M. Blanke & al. (2003) [8]). La forme standard dun graphe bi-partite est dduite de la reprsentation dtat du systme, o il devient dicile de dnir lensemble des variables inconnues et des contraintes dans le cas non linaire. Ces deux ensembles sont dduits directement de la structure du bond graph. La gnration des RRAs partir dun modle bond graph est quivalente la dtermination dun sous systme sur-dtermin sur la matrice dincidence (image du graphe bi-partite). Llimination des variables inconnues sur le bond graph se fait sur un couplage particulier partir des quations de conservation gnres aux jonctions 0, 1.

3.2.3

Variables et contraintes sur un bond graph

Loutil bond graph est un langage de modlisation bas sur une description nergtique des phnomnes physiques. Les relations de causes eets sont dcrites par des boucles et

62

Chapitre 3. Les bond graphs pour le diagnostic robuste

des chemins causaux, reprsentant les intra-changes et les extra-changes de puissances du systme modlis. Les contraintes sur un modle bond graph sont attribues aux comportements des lments R, C , I , RS , T F et GY, et aux jonctions 0 , 1. Chaque lment est rgi par une contrainte dite de comportement, contenant deux variables inconnues qui sont leort et le ux sur llment bond graph. Les jonctions 0 , 1 reprsentent la structure du systme, elles dcrivent le lien entre les dirents lments en dnissant les relations de partage et de conservation deorts et de ux. Le dtecteur deort est li une jonction 0 o leort est conserv, tandis que le dtecteur de ux est li une jonction 1 o le ux est conserv. Sur un modle bond graph et par analogie avec le graphe bi-partite, on dnit les ensembles des variables inconnues Z et des variables connues K .
tel-00200030, version 1 - 20 Dec 2007

Les variables xd lies par les contraintes direntielles apparaissent sur les lments dynamiques I et C du modle bond graph mis en causalit drive dans le cas de la surveillance base de modle. Llment C en causalit drive lie la drive de leort e C au ux fC , C (e C , fC ) = 0. La contrainte direntielle sur llment I lie la drive du ux fI leort eI , I fI , eI = 0. L0 ensemble des variables inconnues xd lies par des contraintes direntielles peut donc scrire sous la forme (3.3): o n C , fC , fI , eI xd e (3.3)

Les variables xa lies par des contraintes algbriques apparaissent sur les lments bond graphs associs des relations constitutives algbriques. Ces quations constitutives sont lies aux lments physiques R, RS , T F et GY. L0 ensemble des variables inconnues xa lies par des contraintes algbriques est donn sous la forme (3.4)

xa

eR , fR , e1T F , f1T F , e2T F , f2T F , e1GY ,

o R et RS reprsentent respectivement une rsistance passive et une rsistance active gnrant de la chaleur. T F et GY sont des transformateurs de puissance. Les variables connues sont reprsentes en bond graph par les dtecteurs deort (De) et de ux (Df ), et les variables de contrle qui peuvent tre des sources deort Se ou de ux Sf constantes, ou variables (modules) MSe et MSf . On obtient alors lensemble des variables connues

f ,e ,f ,f ,e ,f ,e 1GY 2GY 2GY 1RS 1RS 2RS 2RS

(3.4)

3.2. Graphe bi-partite et bond graph

63

K {De, Df, Se, Sf, MSe, MSf }

(3.5)

Du point de vue de la mthodologie bond graph, lensemble des contraintes peut tre dcompos en quatre sous-ensembles - Les contraintes de comportement C i : Elles regroupent lensemble des contraintes algbriques et direntielles, et dcrivent les phnomnes physiques au niveau des lments bond graphs.

CR : R (fR ,eR ) = 0 : RS (f1RS ,e1RS ,f2RS ) = 0 CRS

tel-00200030, version 1 - 20 Dec 2007

CT F : f T F (f1T F ,f2T F ) = 0 et eT F (e1T F ,e2T F ) = 0 CGY

: f GY (f1GY ,e2GY ) = 0 et eGY (e1GY ,f2GY ) = 0

Llment RS (dtaill au chapitre 2.4.5) assure une transformation irrversible de puissance. Cet lment se comporte donc comme une source de ux (qui gnre f2RS ) module par la puissance lentre de llment (f1RS .e1RS ). La contrainte RS est ainsi une relation entre le ux f2RS la sortie de llment et la puissance (f1RS .e1RS ) lentre de llment. - Les contraintes structurelles C Jonction : Ces contraintes sont indpendantes des notions mtriques et reprsentent les lois de conservation de puissance dans un systme, elles sont dduites des quations aux jonctions sur un modle bond graph: MSep = 0 X X X fi , : J0 Sfk , MSfp = 0 ei , X Sek , X X

: C (e ,f ) = 0 CC C C C : I eI ,fI = 0 I

: J1 CJ 1 CJ 0

o k et p sont respectivement le nombre de sources constantes et de sources modules lies la jonction.


- Les contraintes de mesure Cm : Elles dcrivent les mesures qui sont disponibles. Elles expriment la faon dont les capteurs transforment quelques variables dtat du processus en signaux de sortie, qui peuvent tre utiliss pour la commande et le diagnostic. Sur

64

Chapitre 3. Les bond graphs pour le diagnostic robuste

un modle bond graph, les capteurs deorts sont placs sur les jonctions 0 et les capteurs de ux sur les jonctions 1. La sortie du capteur donne la valeur de la variable de puissance commune tous les liens de la jonction. Les contraintes de mesure sont dnies comme suit

Cmf : mf (Df, fJ ) = 0 : me (De, eJ ) = 0 Cme

avec fJ le ux sur la jonction 1 li au dtecteur Df et eJ leort sur la jonction 0 li au dtecteur De.


tel-00200030, version 1 - 20 Dec 2007
- Les contraintes de drivation Cdf et Cde : Ces contraintes ne sont pas directement lies au systme physique, et elles napparaissent pas explicitement sur le modle bond graph. Elles sont utilises pour calculer la drive dun ux ou dun eort, car on utilise une causalit drive. Ces contraintes sont ajoutes la matrice dincidence et sont causales:

df Cdf : df f, f = 0 f = dt dt de Cde : de (e, e ) = 0 e = dt dt

3.2.4

Couplage sur un modle bond graph

A partir du modle bond graph, il est donc ais de construire le graphe bi-partite. Les deux sommets formant le graphe (variables et contraintes) sont dduits directement du modle bond graph du systme, comme cela a t dvelopp prcdement. Le point de dpart pour llimination des variables inconnues sur la matrice dincidence dduite du graphe bi-partite est dicile xer. La dtermination dun couplage sur-dtermin pour la gnration des RRAs sur un modle bond graph se fait par llimination des variables inconnues contenues dans les contraintes de structure issues des quations aux jonctions 0 et 1. Proposition 3.1 Partir de lquation rgissant le comportement dun lment bond graph pour gnrer une relation de redondance analytique revient choisir la jonction laquelle se rattache cet lment (B. Ould Bouamama & al. (2002) [49] ). Compte tenu de cette proposition, on peut se limiter la gnration de RRAs partir des quations structurelles. Le couplage particulier utilis sur le bond graph consiste

3.2. Graphe bi-partite et bond graph

65

calculer les variables inconnues sur les lments bond graphs laide des contraintes de mesure, des contraintes de drivation et des contraintes de comportement dduites du modle bond graph. Les quations du bilan nergtique sur les jonctions constitueront les RRAs. Un dtecteur deort (ou de ux) mesure une variable sous forme dun signal, mais ne fournit aucune puissance au systme physique. La puissance fournie par un capteur au systme physique est nulle. Ainsi, en terme dchange nergtique, le ux (ou leort) renvoy par un dtecteur deort (ou de ux) au systme physique est nul. Puisque la gnration des RRAs se fait directement sur le BG en causalit drive, un dtecteur deort (ou de ux) dont la causalit est inverse (dualise) est considr comme une source de signal SSe = De (ou SSf = Df ) module par la valeur mesure, comme illustr sur la FIG. 3.1. Cette valeur du dtecteur est impose lquation de jonction laquelle est rattach le capteur. Sur la matrice dincidence, cette valeur du dtecteur (grandeur de mesure) est le point de dpart de llimination des variables inconnues sur le graphe orient. Ainsi, les modles en causalit intgrale des FIGs. (3.1)-(a) et (3.2)-(a) sont des modles destins la simulation physique alors que ceux en causalit drive des FIGs. (3.1)-(b) et (3.2)-(b) sont destins la gnration des RRAs
I I

tel-00200030, version 1 - 20 Dec 2007

Df

~ SSf : Df

(a)

(b)

Fig. 3.1 (a): BG en causalit intgrale avec un dtecteur de ux. (b): BG en causalit drive
avec un dtecteur de ux dualis.

Remarque 3.2.1 La dualisation dun dtecteur lui donne beaucoup dimportance sur le modle bond graph en causalit drive car il devient une source dinformation qui impose sa valeur la jonction, il nest donc plus facultatif sur un modle bond graph et son retrait va engendrer un conit de causalit. partir du modle BG de la FIG. 3.1-(b) on peut crire:

66
C

Chapitre 3. Les bond graphs pour le diagnostic robuste


C
~ SSe : De

De

(a)

(b)

Fig. 3.2 (a): BG en causalit intgrale avec un dtecteur deort. (b): BG en causalit drive
avec un dtecteur deort dualis.

tel-00200030, version 1 - 20 Dec 2007

SSf =

avec i le numro de larc reli la jonction et bi = 1 suivant que la demi-che entre ou sort de la jonction. partir du modle BG de la FIG. 3.2-(b) on peut crire: SSe = X bi .fi = 0

bi .ei = 0

La gnration de la RRA revient liminer les variables inconnues ei et fi par le parcours du chemin causal de la variable connue la variable inconnue. Ceci revient au mme que de la dterminer partir du graphe orient laide de la matrice dincidence. Toutefois, en prsence dlments dynamiques qui doivent tre mis en causalit drive, des couplages "interdits" peuvent apparatre ds des contraintes causales. Ceci signie que llimination de la variable inconnue sur la contrainte causale considre nest pas toujours possible. Dans le cas algbrique o lquation est non linaire, le calcul de la variable ne peut se faire que dans un sens. Dans le cas direntiel, on ne peut intgrer sans connatre les conditions initiales. Proposition 3.2 Sur un modle bond graph destin la surveillance (mis en causalit drive), le systme sera sous-dtermin si en dualisant les dtecteurs, les lments dynamiques ne peuvent pas tre mis en causalit drive. Remarque 3.2.2 La proposition 3.2 est formule en supposant les conditions initiales inconnues puisque le systme est mis en causalit drive. Le conit de causalit peut tre leve en mettant llment lorigine du conit en causalit intgrale : dans ce cas, si les

3.2. Graphe bi-partite et bond graph

67

conditions initiales sont connues, le couplage devient alors complet par rapport aux variables inconnues et le systme devient ainsi surdtermin. Dmonstration Considrons la contrainte structurelle issue de lquation de conservation de puissance dduite des jonctions 0 ou 1. Rappelons que partir de lquation rgissant le comportement dun lment bond graph pour gnrer une relation de redondance analytique revient choisir la jonction laquelle est rattach cet lment. On considre une jonction 1, et on supposera que des lments I , R et C sont associs cette jonction. Le mme raisonnement peut tre dvelopp pour la jonction 0. Considrons dabord une jonction laquelle ne sont rattachs que des lments I et R (FIG. 3.3-(a)).
tel-00200030, version 1 - 20 Dec 2007
I : I1
eI fI eSSf = 0
~ SSf : Df

I : I1
e I f I eC f

C
C

Se

Se

eSSf = 0

f R eR

? fR eR R : R1
(b)

~ SSf : Df

R : R1
(a)

Fig. 3.3 (a): Modle bond graph causalement correct avec capteur dualis ( sur-dtermin).
(b): Modle bond graph avec conit causal (sous-dtermin).

En dualisant le dtecteur de ux (sur le modle de la FIG. 3.3-(a)) qui devient une source de ux SSf, aucun conit causal napparat en mettant llment I en causalit drive. On peut alors gnrer la RRA comme suit: - Les variables inconnues sont: o n x = {xa } {xd } = {eR , fR } eI , fI I eI , fI = 0 et R (eR , fR ) = 0

- Les contraintes de comportement sont:

- La contrainte causale de drivation:

68

Chapitre 3. Les bond graphs pour le diagnostic robuste dfI df fI , fI = 0 fI = dt dt - La contrainte de structure J1 est: J1 (Se, eI , eR ) = 0 ou bien Se eI eR = 0 f =f I R

- Lquation de mesure est:


tel-00200030, version 1 - 20 Dec 2007

mf (fI , Df ) = 0 La RRA est alors dduite en liminant les variables inconnues de lquation de structure par un parcours de chemins causaux de la variable connue SSf (impose) aux variables inconnues: eI est limin par le chemin causal (3.6):

mf (f I , SSf )

SSf

fI

df
dt

& f I

& I eI , f I

eI
(3.6)

Le schma (3.6) illustre la procdure dlimination des variables inconnues sur un bond graph. Cest un graphe orient constitu de ches orientes montrant le sens de propagation de linformation, et de barrettes reprsentant les contraintes utilises. Lentre de la contrainte est la variable connue et la sortie est la variable inconnue limine (calcule). La variable limine devient son tour connue et constituera lentre dune autre contrainte pour liminer une autre variable inconnue. Un capteur (dtecteur) dans un modle bond graph en causalit intgrale destin la simulation permet dindiquer la valeur numrique de la variable mesure: transforme la variable de puissance en un signal et sa raction est nulle. Le chemin causal va de la variable inconnue mesurer vers le capteur (de linconnue connue). Cest le cas de lanalyse de lobservabilit ou de latteignabilit ou commandabilit (quand il sagit dun chemin dune source vers une variable dtat); le sommet du graphe est la variable inconnue et la destination la variable mesure (ei (ou fi ) De (ou Df ))

3.2. Graphe bi-partite et bond graph

69

Un capteur (dtecteur) dans un modle bond graph en causalit drive destin la surveillance permet dexprimer lordre dlimination dune variable inconnue et est associ un graphe orient. Le chemin causal va de la variable mesure (capteur ) vers la variable inconnue : cest le cas de la gnration de redondance analytique; le sommet du graphe est la variable mesure et et la destination la variable inconnue (De (ou Df ) ei (ou fi )). La valeur du capteur est alors impose la contrainte. Mais attention en Bond graph on utilise un seul couplage. eR est limin par le chemin causal (3.7):

mf (f I , SSf )

SSf
tel-00200030, version 1 - 20 Dec 2007

fR = fI

R (e R , f R )

eR
(3.7)

Dans le cas linaire on a

eR = R.fR = R.SSf dSSf dfI =I eI = I dt dt Puisque Se (la variable de commande) est connue, la RRA est alors Se I dSSf R.SSf = 0 dt

Le graphe orient quivalent est donn par la FIG. 3.4

SSf

mf (f I , SSf )

fR = fI

R (e R , f R )

eR

J1 (e R , e I , Se)

mf (f I , SSf )
Se

fI

df
dt

& f I

& I eI , f I

RRA
eI

Fig. 3.4 Graphe orient quivalent au bond graph de la FIG. 3.3-(a)

70

Chapitre 3. Les bond graphs pour le diagnostic robuste

eI J1 I R df dt mf 1 (1) 0 0 0

fR = f I 0 0 1 (1)

fI 0 1 0 (1) 0

eR 1 0 (1) 0 0

Se 1 0 0 0 0

Df 0 0 0 0 1

Tab. 3.1 Matrice dincidence calcule partir du bond graph de la FIG. 3.3 (a).
tel-00200030, version 1 - 20 Dec 2007

La matrice dincidence (image du graphe bi-partite) est donne TAB. 3.1. On voit bien que le systme est sur-dtermin. Le couplage est complet par rapport aux variables inconnues mais incomplet par rapport aux contraintes.
`me `me Le symbole 1 sur la position (ie ligne, j e colonne) de la matrice dincidence signie e `me `me que la variable de la j colonne est lie la contrainte de la ie ligne, et le symbole (1) signie que la variable correspondante est limine. Le symbole signie que le couplage de la variable est autoris au dpart de , mais il est interdit en allant vers sur une ligne. Cela signie par exemple quon peut calculer fI connaissant fI , par contre lopration inverse est interdite car les conditions initiales sont inconnues. Les ches sur la matrice montrent lordre de calcul des variables inconnues. Llimination des variables inconnues sur une matrice dincidence se fait exactement comme sur un graphe bipartite en dmarrant des variables connues (De, Df , Se, Sf ), et en respectant les couplages interdit. Lorsque une variable inconnue est limine (calcule) elle devient connue et constituera le point de dpart pour liminer dautres variables inconnues.

En prsence dun lment C (FIG. 3.3-(b)), un conit de causalit apparat sur le bond graph lorsquon essaie de mettre les deux lment dynamiques en causalit drive. Montrons sur la matrice dincidence que le systme est sous-dtermin. Dans ce cas lensemble des variables inconnues est: o n x = {xa } {xd } = {eR , fR } eI , fI {e C , fC }

- Les contraintes de drivation:

3.2. Graphe bi-partite et bond graph df fI , fI = 0 et de (eC , e C ) = 0


dt dt

71

- Les contraintes de comportement

- La contrainte de structure

I eI , fI = 0 , R (eR , fR ) = 0 et C (e C , fC ) = 0 J1 (Se, eI , eR , eC ) = 0

- Lquation de mesure est: mf (fI , Df ) = 0 La matrice dincidence est donne par la TAB. (3.2) et le graphe orient quivalent est donn par la FIG. 3.5 La variable eC ne peut pas tre limine, le systme est donc sous-dtermin (CQFD). En mettant llment C en causalit intgrale, la contrainte C denient: Z 1 eC = fC .dt + eC0 = C (eC0 ,eC , fC ) = 0 C ce qui donne lieu une nouvelle matrice dincidence (TAB. 3.3), qui correspond au graphe orient de la FIG .3.6. Le systme devient sur-dtermin si eC0 est connu. Il est donc prfrable de gnrer des RRAs sur un modle BG en causalit intgrale lorsque les conditions initiales sont connues, mais dans la majorit des procds, ces conditions sont inconnues. Nous allons donc dans ce qui suit dvelopper une procdure de diagnostic robuste aux incertitudes paramtriques base de modles BG en causalit drive. Les algorithmes de gnration de RRAs robustes des systmes dcrits par des modles BG incertains sont similaires ceux dvelopps dans le cas dterministe.

tel-00200030, version 1 - 20 Dec 2007

72

Chapitre 3. Les bond graphs pour le diagnostic robuste

eC J1 C I R df
dt

eI 1 0 (1) 0 0 0 0

fI =fR =fC 0 1 0 1 0 (1)

fI 0 0 1 0 (1) 0 0

eR 1 0 0 (1) 0 0 0

e C 0 (1) 0 0 0 ? 1 0

Se 1 0 0 0 0 0 0

Df 0 0 0 0 0 0 1

1 0 0 0 0 0

de
dt

tel-00200030, version 1 - 20 Dec 2007

mf

Tab. 3.2 Matrice dincidence calcule partir du bond graph de la FIG. 3.3 (b).
mf (f I , SSf ) R (e R , f R )
J1 (e R , e I , e C , Se)

SSf

fR = fI

eR

mf (f I , SSf ) mf (f I , SSf )

fI

df
dt

& f I

& I eI , f I

eI

fC = fI

& C , fC ) C (e

?
&C e
de
dt

e C?

Couplage interdit

Se

Fig. 3.5 Graphe orient quivalent au bond graph de la FIG. 3.3-(b)

3.2. Graphe bi-partite et bond graph

73

eC J1 C I R df
dt

eI 1 0 (1) 0 0 0 0

fI =fR =fC 0 1 0 1 0 (1)

fI 0 0 1 0 (1) 0 0

eR 1 0 0 (1) 0 0 0

e C 0 0 0 0 0 1 0

eC0 ? 0 1 0 0 0 0 0

Se 1 0 0 0 0 0 0

Df 0 0 0 0 0 0 1

1 (1) 0 0 0 0

de
dt

tel-00200030, version 1 - 20 Dec 2007

mf

Tab. 3.3 Matrice dincidence calcule partir du bond graph de la FIG. 3.3 (b) avec llment C en causalit intgrale.
mf (f I , SSf ) R (e R , f R )
J1 (e R , e I , e C , Se)

SSf

fR = fI

eR

mf (f I , SSf ) mf (f I , SSf )

fI

df
dt

& f I

& I eI , f I

eI

RRA

fC = fI

C (e C , f C , e C0 )

e C0 ?
Se

eC

Fig. 3.6 Graphe orient dun systme surdtermin si les conditions initiales son connues

74

Chapitre 3. Les bond graphs pour le diagnostic robuste

3.3
3.3.1

Gnration de rsidus robustes


Forme gnrale de la RRA incertaine

La gnration des relations de redondance analytique robustes partir dun modle bond graph propre, observable et sur-dtermin se rsume par les tapes suivantes:
`re 1e e tape: Vrication de ltat du couplage sur le modle bond graph dterministe en causalit drive prfrentielle; si le systme est sur-dtermin, alors poursuivre les tapes suivantes; `me 2e e tape: Le modle bond graph est mis sous forme LFT; `me 3e e tape: Lexpression symbolique de la RRA est dduite partir des quations aux jonctions. Cette premire forme sera exprime par:

tel-00200030, version 1 - 20 Dec 2007

pour une jonction 0 et:

X X

bi .fin +

X X

Sf +

X X

wi = 0

bi .ein +

Se +

wi = 0

pour une jonction 1. P P avec Sf la somme des sources de ux lies la jonction 0 , Se la somme des sources de ux lies la jonction 1, et b = 1 suivant que la demi-che entre ou sort de la jonction. Les variables inconnues sont ein et fin .
`me e tape: Les variables inconnues sont limines en parcourant les chemins causaux 4e entre les dtecteurs ou les sources et les variables inconnues; `me 5e e tape: Aprs limination des variables inconnues, les RRAs incertaines sont sous forme:

wi , Rn , Cn , In , T Fn , GYn , RSn = 0 (3.8) o T Fn et GYn sont respectivement les valeurs nominales des modules des lments T F et P GY . Rn , Cn , In et RSn sont les valeurs nominales des lments R, C, I et RS. wi est la somme des entres modules correspondant aux incertitudes sur les lments lis la jonction.

RRA :

Se,

Sf, De, Df, De, Df,

3.3. Gnration de rsidus robustes

75

3.3.2

Gnration des seuils adaptatifs

La RRAs gnre est constitue de deux parties bien spares grce lutilisation du modle LFT, une partie nominale not r: Sf, De, Df, De, Df, Rn , Cn , In , T Fn , GYn , RSn P et une partie incertaine not b = wi avec: r= X Se, X

(3.9)

wi = De, Df, De, Df , Rn , Cn , In , T Fn , GYn , RSn , R , I , C , RS , T F , GY (3.10) o R , I , C , RS , T F , GY sont respectivement les valeurs des incertitudes multiplicatives sur les lments R, I, C, RS, T F et GY La partie incertaine de la RRA sera utilise pour gnrer des seuils adaptatifs de fonctionnement normal sous forme dune enveloppe qui contient le rsidu en absence de dfauts. Dnition 3.1 Pour tout nombre rel x, la valeur absolue de x (not |x|) est dnie par: |x| = x, si x > 0 |x| = x, si x < 0 |x| = 0, si x = 0 nous remarquons que |x| = max(x,x). Proprits 3.1 La valeur absolue dun rel a les proprits suivantes: 1) |x| > 0 2) |x| = 0 x = 0 3) |x.y | = |x| . |y | x |x| 4) y = |y| (si y 6= 0) 5) |x + y | 6 |x| + |y | (Intgralit triangulaire) 6) |x y |> |x| + |y | (Deuxime intgralit triangulaire, dcoule de la premire) n n P P 6 7) x |xk | (Intgralit triangulaire gnralise une famille nie (xk )) k k=1 k=1 8) |x| 6 y y 6 x 6 y 9) |x| > y x 6 y ou x > y Une incertitude paramtrique peut tre dnie comme une lgre dviation du paramtre de sa valeur nominale, sans aucun eet sur le bon fonctionnement du systme. Elle peut tre constante ou variable et elle peut varier alatoirement dans un sens positif comme

tel-00200030, version 1 - 20 Dec 2007

76

Chapitre 3. Les bond graphs pour le diagnostic robuste

dans un sens ngatif. Compte tenu de cette nature des incertitudes paramtriques, et en utilisant les proprits de la valeur absolue dun rel, leort (ou le ux) wi apport par une incertitude paramtrique peut tre borne en prenant sa valeur absolue. En utilisant la proprit 3.1-(3), la valeur maximale de leort (ou du ux) wi apport par une incertitude i scrit: |wi | = | i .ein | = |i | . |ein | |wi | = | i .fin | = | i | . |fin | En eet en dmarrant de la RRA de lquation (3.8), et on remplaant r par sa valeur (quation (3.9)) dans la RRA on obtient:
tel-00200030, version 1 - 20 Dec 2007

X wi = 0 r = wi P P P En utilisant la proprit 3.1-(5):| wi | 6 |wi | et la proprit 3.1-(8): |wi | 6 P P | wi | 6 |wi | le seuil suprieur (positif) du rsidu not a peut tre gnr tel que: r+ a= on aura alors r 6 a. Puisque la variation du rsidu est limage de la variation des incertitudes en absence de dfauts, il peut alors varier dans un sens positif comme dans un sens ngatif. Il est donc ncessaire de gnrer un seuil infrieur (ngatif) not -a du rsidu en utilisant la proprit 3.1-(9) de la valeur absolue. Cette proprit peut scrire sous une autre forme telle que: |x| > y x 6 y ou x > y |x| 6 y 6 |x| Ainsi un seuil adaptatif du rsidu est gnr sous forme dune enveloppe (quation (3.12)): a 6 r 6 a (3.12) X |wi | (3.11)

3.4

Exemple

Soit le schma de la FIG. 3.7-(a) qui reprsente la partie lectrique dun moteur courant continu. Le modle bond graph quivalent est donn par la FIG. 3.7-(b). Ce systme est propre, observable et sur-dtermin.

3.4. Exemple
R:R
2

77

Se: u

1
3

Df: i

Se: u

(a)

I:L (b)

Fig. 3.7 Schma de la partie lectrique dun moteur courant continu et son modle bond
tel-00200030, version 1 - 20 Dec 2007
graph en causalit intgrale.

R:Rn
e* :z
R

- R

9 6

0
i f: SS
5 2

MSe:wR
1

Se: u

1
3

4 7

MSe:wL

0
10

- L
D e* :z
L

I:Ln

Fig. 3.8 Modle bond graph LFT du systme en causalit drive avec le capteur de ux dualis. Le modle bond graph LFT du systme en causalit drive est donn par la FIG. 3.8, o les sources modules correspondant aux incertitudes sur les lments R : R et I : L sont donnes par les expressions suivantes:

78

Chapitre 3. Les bond graphs pour le diagnostic robuste

wR = R .zR ; zR = Rn .SSf dSSf wL = L .zL ; zL = Ln . dt Lquation du bilan des puissances sur la jonction 1 du modle bond graph en causalit drive est donne comme suit: J1 : Se + wR + wI e2 e3 = 0 Les variables Se, wR , wI sont des sources deort connues et les variables inconnues e2 et e3 sont limines par le parcours des chemins causaux qui sont montrs en traits pointills sur le modle bond graph de la FIG. 3.8 et qui sont donns comme suit:
tel-00200030, version 1 - 20 Dec 2007

e2 : SSf f2 f9 Rn (f9 , e9 ) e9 e2 = Rn .SSf dSSf e3 : SSf f3 f10 Ln (f10 , e10 ) e10 e3 = Ln . dt La RRA peut alors scrire: RRA : u Rn .SSf Ln . dSSf + wR + wI = 0 dt

La RRA obtenue est constitue de deux parties parfaitement spares, permettant ainsi de gnrer simultanment le rsidu et les seuil adaptatifs du rsidu r = u Rn .SSf Ln . dSSf dt

Laspect adaptatif des seuil est assur par le fait que les sources module MSe : wR et MSe : wL sont fonctions des mesures du dtecteur dualis SSf : i, et ces dernires sont fonctions du mode de fonctionnement du systme, ou autrement dit, de lentre Se : u impose au systme. Lutilisation des proprits de la valeur absolue pour gnrer les seuils de fonctionnement normal assure la robustesse de cet algorithme aux fausses alarmes. Pour matriser les non dtections et les retards dans la dtection des dfauts, nous avons dvelopp une mthode danalyse de la sensibilit des rsidus aux dfauts et aux incertitudes, qui permet destimer a priori les valeurs dtectables des dfauts.

dSSf a = |wR | + |wL | = | R .Rn .SSf | + L .Ln . dt

3.5. Analyse de la sensibilit

79

3.5

Analyse de la sensibilit

Plusieurs mthodes de diagnostic robuste base de modle ont t dveloppes ces dernires annes (M. Basseville (1998) [6], O. Adrot & al. (1999) [1], Z. Han & al. (2002) [31], D. Henry & al. (2005) [33], A. Johansson & al. (2006) [35], X. G. Yan & al. (2007) [74]), qui se rsument la gnration et lvaluation des rsidus. Les mthodes dvaluation dpendent des approches utilises pour la gnration des rsidus, ainsi que des hypothses considres sur la nature et le type des incertitudes prsentes dans le modle. Lorsque lon suppose que les incertitudes ninterviennent pas la mme frquence que les dfauts, les mthodes de ltrages sont biens adaptes (D. Henry & al. (2005) [33]). Dans le cas o la variation du rsidu est suppose normalement distribue autour dune moyenne connue, on utilise des mthodes statistiques pour gnrer des seuils de fonctionnement normal. Aprs un choix judicieux dun degr de conance a priori, il est possible de calculer les probabilits de fausses alarmes et de non dtections (M. Basseville (1998) [6]). Lespace de parit est trs utilis pour la dtection de dfauts capteurs et actionneurs, o lvaluation du rsidu est ralise en considrant des incertitudes bornes par une norme ou par un intervalle. Avec cette mthode, on est confront la dicult de trouver un bon compromis entre la robustesse aux incertitudes et la sensibilit aux dfauts, car llimination de linuence des incertitudes sur le rsidu peut engendrer une insensibilit aux dfauts, en particulier les dfauts actionneurs (Z. Han & al. (2002) [31]). Puisquil est souvent dicile dattnuer ou dliminer leet des incertitudes sur le rsidu en utilisant lespace de parit, il savre utile dexploiter la partie incertaine du rsidu an de dduire des seuils de fonctionnement normal (O. Adrot & al. (1999) [1], Z. Han & al. (2002) [31]). Malheureusement, en cas de dpendance paramtrique, les seuils sont survalus et risquent de diverger, alors ils sont gnralement gnrs en ngligeant linter-corrlation paramtrique. Dans ce travail, lutilisation dun modle bond graph LFT permet de gnrer automatiquement les rsidus et les seuils adaptatifs de fonctionnement normal; ces seuils assurent la robustesse aux incertitudes et sadaptent automatiquement aux changements des modes de fonctionnement. Loutil bond graph apporte une solution concrte au problme de dpendance paramtrique, car il est possible de suivre la propagation de linuence des incertitudes en terme deort ou de ux travers tout le modle grce aux chemins causaux. Lanalyse de la sensibilit des rsidus aux incertitudes et aux dfauts dpend des indices de sensibilit paramtrique et de dtectabilit de dfauts, que nous allons dnir et qui

tel-00200030, version 1 - 20 Dec 2007

80

Chapitre 3. Les bond graphs pour le diagnostic robuste

permettent de contrler et damliorer les performances du diagnostic. En pratique, la connaissance de la valeur dtectable dun dfaut permet de mesurer le risque que ce dfaut peut engendrer sur le bon fonctionnement du systme et la connaissance des incertitudes qui masquent lapparition du dfaut permet de prendre des mesures supplmentaires an de matriser leurs variations et datteindre les performances recherches.

3.5.1

Lindice de sensibilit normalis

Lanalyse de sensibilit du rsidu par rapport une incertitude paramtrique peut se faire en drivant la partie incertaine a de la RRA par rapport lincertitude i comme le montrent les quations (3.13) et (3.14). Le rsultat est une variable de puissance (eort ou ux), dont lorigine est la partie nominale du paramtre
tel-00200030, version 1 - 20 Dec 2007

A partir de la RRA gnre dune jonction 1 on crit:

A partir de la RRA gnre dune jonction 0 on a:

P P a ( |wi |) ( | i .ein |) = = = |ein | Si = | i | | i | | i |

(3.13)

Pour mieux illustrer ce rsultat, reprenons lexemple prcdent de la partie lectrique dun moteur courant continu, dont le modle BG LFT en causalit drive est donn par la FIG. 3.8. Lanalyse de la sensibilit du rsidu par rapport lincertitude R peut se faire en drivant lexpression a issue de la RRA par rapport l incertitude R : SR | R .Rn .SSf | + L .Ln . dSSf a dt = = = |Rn .SSf | = |eRn | | R | | R |

i {R, C, I, RS, T F, GY }. i est lincertitude multiplicative sur le paramtre i.

P P ( |wi |) ( | i .fin |) a = = = |fin | Si = | i | | i | | i |

(3.14)

Le rsultat des quations (3.13) (3.14) ne prend pas en considration la valeur de lincertitude paramtrique i et leort (ou le ux) total apport au rsidu par le reste des incertitudes inclues dans a. Puisque lobjectif est dvaluer la sensibilit du rsidu lincertitude de chaque paramtre par rapport au reste des incertitudes, la drive normalise de la fonction a de lquation (3.15) est plus signicative que la drive simple des quations (3.13) (3.14), car elle permet de dterminer des indices de sensibilit SIi par rapport chaque incertitude. Ces derniers sont borns entre 0 et 1. Le rapport entre la valeur de chaque incertitude i et celle de toute la partie incertaine de la RRA, permet de mesurer

3.5. Analyse de la sensibilit

81

linuence de chaque incertitude sur le rsidu par rapport lensemble des incertitudes, et par consquent, de dterminer le paramtre le plus pertinent sur les performances du systme de surveillance. i a |wi | SIi = (3.15) a . | i | = a SIi est lindice de sensibilit normalis du rsidu par rapport lincertitude i sur le paramtre i. Dans lexemple prcdent, les indices de sensibilit normaliss du rsidu par rapport aux incertitudes R et L sont calculs comme suit: L .Ln . dSSf R a .R .SSf | + | R n R dt . = a . | R | = a | R | dSSf L a L |R .Rn .SSf | + L .Ln . dt = . = . a | L | a | L | SIR SIL R .Rn .SSf |wR | = = a a .L . dSSf |w | L n dt L = = a a

SIR
tel-00200030, version 1 - 20 Dec 2007

SIL

En utilisant la proprit 3.1-(4) de la valeur absolue on trouve:

Lindice de sensibilit normalis du rsidu par rapport une incertitude paramtrique i est gal au rapport entre leort (ou le ux) apport par lincertitude i et leort (ou le ux) total apport par toutes les incertitudes paramtriques a. Ainsi, la somme de ces indices donnera: |wi | = =1 (3.16) a P a Revenons lxemple prcdent, et calculons SIi : X |wR | |wL | + SIi = SIR + SIL = a a |wR | + |wL | =1 = a La sensibilit des rsidus aux incertitudes paramtriques est proportionnelle aux indices de sensibilit normalis, autrement dit, le rsidu est le plus sensible lincertitude qui a le plus grand indice de sensibilit normalis. SIi = X X |wi | P

82

Chapitre 3. Les bond graphs pour le diagnostic robuste

3.5.2

Indice de dtectabilit de dfauts

Dans cette partie, nous nous intressons deux types de dfauts, le dfaut paramtrique not Yi et le dfaut structurel not Ys . Le dfaut paramtrique Yi reprsente un taux de dviation anormale du paramtre i du systme par rapport sa valeur nominale, contrairement lincertitude paramtrique multiplicative note i , qui est un taux de dviation lgre du paramtre par rapport sa valeur nominale, sans aucune inuence sur le fonctionnement normal du systme. Un dfaut paramtrique provoque une dgradation des performances du systme, et peut engendrer sa dfaillance totale. Un exemple de dfaut paramtrique est donn FIG. 3.9. Le systme est constitu dune cuve alimente par une source externe, le uide passe ensuite travers une conduite vers le milieu extrieur. Le modle bond graph du systme sans dfaut est donn par la FIG.3.9(a). La FIG. 3.9-(b) montre le systme avec un bouchon dans la conduite, considr comme un dfaut paramtrique car il ne modie pas la structure du systme, par contre il change la valeur de llment R : Rz . Il est modlis de la mme faon quune incertitude multiplicative, sous forme dun pourcentage de la valeur nominale du paramtre.
MSf MSf

tel-00200030, version 1 - 20 Dec 2007

f1
Rz

f1

Bouchon dans la conduite


Rzn+YRzRzn

f2 e 2 f3
Ps=0

ff2 e 2 e2
2

f3

C:Cn
2 1

R:Rzn
4 3

C:C
n

R:(Rzn+YRzRzn)
4 3

Ps=0

2 5 1

MSf

0
(a)

Se

MSf

Se

(b)

Fig. 3.9 (a): Modle bond graph dun systme sans dfaut. (b): Modle bond graph dun systme
avec un dfaut paramtrique.

Le dfaut structurel not Ys est un nouvel eort (ou ux) qui provoque une modication dans la structure du systme. Ainsi, le modle nominal du systme nest plus respect et sa dynamique est modie par la prsence du dfaut. Cette dirence entre le systme et le

3.5. Analyse de la sensibilit

83

modle engendre un dsquilibre dans les lois de conservation de dbit de masse et dnergie calcules partir des jonctions 0 et 1 du modle bond graph. Ainsi, une fuite deau dans la cuve de la FIG. 3.10-(b) est un dfaut structurel. Ce dernier peut tre modlis par une source de ux Sf : Ys . La structure du modle a donc chang par rapport au modle bond graph du systme sans dfaut de la Fig 3.10-(a).
MSf MSf

f1
Rz

f1
Rz

f 2 e2 f3
Ps=0

e f2 e 22 f3
Fuite deau
Ps=0

tel-00200030, version 1 - 20 Dec 2007

C:Cn
2 1

R:Rzn
4 3

s :Y Sf
1

C:Cn
2

R:Rzn
4 3

MSf

0
(a)

Se MSf

Se

(b)

Fig. 3.10 (a): Modle bond graph dun systme sans dfaut. (b): Modle bond graph dun
systme avec un dfaut structurel.

Nous proposons de dnir lindice de dtectabilit de dfaut DI suivant la dnition ci dessous : Dnition 3.1: Lindice de dtectabilit de dfaut DI est la dirence entre leort (ou ux) apport par les dfauts en valeur absolue et celui apport par lensemble des incertitudes en valeur absolue.

DI = |Yi | . |ein | + |Ys | a une jonction 1 DI = |Yi | . |fin | + |Ys | a une jonction 0

(3.17)

o (|Yi | . |ein | + |Ys |) correspond la contribution de lensemble des dfauts. Yi est le taux dtectable du dfaut sur le paramtre i, Ys est la valeur dtectable dun dfaut structurel, et a est dduit de la partie incertaine de la RRA. ein est leort apport par le paramtre nominal in .

84
R:Rn
R

Chapitre 3. Les bond graphs pour le diagnostic robuste


R:Rn
D e* :z
R

D e* :z

9 6

9 6

- R

0
SS
5 2

- ( R + YR )
i f:

0
i f: SS
5 2

MSe:wR
1

MSe:w1R
1

Se: u

1
3

4 7

Se: u Se: Ys

1
3

4 7

MSe:wL

MSe:w1L

0
10

8
L

- L
e* :z D

0
10

- ( L + YL )
D e* :z
L

tel-00200030, version 1 - 20 Dec 2007

I:Ln (a)

I:Ln (b)

Fig. 3.11 (a): Modle BG-LFT en causalit drive sans dfaut du circuit lectrique R, L. (b):
Modle BG-LFT en cuasalit drive du systme en prsence dun dfaut structurel Ys et de deux dfauts paramtriques YR et YL .

Le modle bond graph LFT sans dfaut du circuit lectrique de la FIG. 3.7 est donn FIG. 3.11-(a), et le modle du systme en prsence dun dfaut structurel Ys et de deux dfauts paramtriques YR et YL est donn FIG . 3.11-(b) Une nouvelle RRA est alors gnre RRA : u Rn .SSf Ln . dSSf + w1R + w1L + Ys = 0 dt

La partie nominale de la RRA est toujours spare de sa nouvelle partie not a0 contenant les incertitude et les dfauts.

r = u Rn .SSf Ln . = w1R + w1L + Ys avec

dSSf dt

w1R = wR + YR .eRn et w1L = wL + YL .eLn

3.5. Analyse de la sensibilit On dnit alors a0 = |wR | + |wL | + |YR .eRn | + |YL .eLn | + |Ys | = a + |YL .eLn | + |Ys | On obtient ainsi lindice dtectabilit de dfaut du rsidu r DI = |YR .eRn | + |YL .eLn | + |Ys | a

85

tel-00200030, version 1 - 20 Dec 2007

Pour quun dfaut paramtrique Yi ou structurel Ys soit dtect, sa contribution (eort ou ux) doit tre suprieure celle introduite par lensemble des incertitudes a. On peut alors crire la proposition suivante. Proposition 3. 3: Condition de dtectabilit de dfauts Si DI 6 0 : Le dfaut nest pas dtectable Hypothse 3.1: Leort (ou le ux) apport aux rsidus par loccurrence simultane de plusieurs dfauts est suprieur leort (ou le ux) apport aux rsidus par loccurrence dun seul dfaut. Compte tenu de cette hypothse, la valeur dtectable dun dfaut peut tre calcule en supposant que ce dfaut est le seul prsent sur le systme. Compte tenu de la dnition 3.1, de la proposition 3.3 et de lhypothse 3.1, le taux dtectable Yi du dfaut sur le paramtre i peut tre dni par lune des inquations (3.18) et (3.19), en supposant Ys = 0. A partir de la RRA gnre dune jonction 1, on dduit: |Yi | > a |ein | (3.18) Si DI > 0 : Le dfaut est dtectable

A partir de la RRA gnre dune jonction 0, on dduit: |Yi | > a |fin | (3.19)

Compte tenu de la dnition 3.1, de la proposition 3.3 et de lhypothse 3.1, la valeur dtectable dun dfaut structurel Ys peut tre dnie par linquation (3.20), en supposant Yi = 0. |Ys | > a (3.20)

86

Chapitre 3. Les bond graphs pour le diagnostic robuste

Dans lexemple prcdent de la partie lectrique du moteur (FIG. 3.11-(b)), les taux dtectables YR et YL des dfauts sur les lments R et L sont calculs comme suit: - le taux dtectable YR dun dfaut sur llment R est calcul en supposant YL = Ys = 0: DI = |YR | . |eRn | a DI > 0 |YR | > a |eRn |

- le taux dtectable YL dun dfaut sur llment L est calcul en supposant YR = Ys = 0 DI = |YL | . |eLn | a DI > 0 |YL | > a |eLn |

tel-00200030, version 1 - 20 Dec 2007

- la valeur dtectable Ys du dfaut structurel est calcule en supposant YR = YL = 0 DI = |Ys | a DI > 0 |Ys | > a

3.6

Conclusion

Ce chapitre est consacr au diagnostic robuste par lapproche bond graph, la mthode prsente permet par lutilisation dun seul modle bond graph sous forme LFT, de vrier ltat du couplage, gnrer les rsidus et les seuils adaptatifs de fonctionnement normal. An damliorer et de contrler les performances du diagnostic, une mthode danalyse de la sensibilit des rsidus est propose pour estimer a priori les valeurs dtectables des dfauts.

Chapitre 4 Gnration automatique des RRAs robustes


tel-00200030, version 1 - 20 Dec 2007

4.1

Introduction

Lintrt port la sret de fonctionnement des systmes a permis de dvelopper plusieurs mthodes qualitatives et quantitatives de diagnostic et les normes progrs des outils informatiques et des langages de programmation ont favoris le dveloppement de logiciels de diagnostic. En fonction de la mthode utilise, deux types de logiciels ddis au diagnostic sont recenss dans la littrature consulte: les logiciels bass sur les mthodes qualitatives et les logiciels bass sur les mthodes quantitatives. Dans ce chapitre, nous prsentons loutil logiciel dvelopp dans ce travail de thse pour la gnration automatique des RRAs robustes. Un exemple pdagogique illustre le fonctionnement de cette bote outil.

4.2

Logiciels de diagnostic qualitatif

Limplmentation informatique des mthodes qualitatives de diagnostic ncessite des calculateurs numriques puissants et de grandes mmoires de stockage de donnes, car ces mthodes sont bases sur la gestion de bases de donnes trs riches et volutives. Parmi ces outils informatiques ddis au diagnostic, on cite le logiciel AMandD Advanced Monitoring and Diagnostic , qui est bas sur les rseaux de neurones ous et les mthodes heuristiques (J. M. Koscielny & al. (2006 ) [39]). AMandD est un logiciel autonome cr pour le diagnostic des systmes industriels complexes, lidentication et la simulation des 87

88

Chapitre 4. Gnration automatique des RRAs robustes

tel-00200030, version 1 - 20 Dec 2007

modles statistiques et paramtriques. Les variables dentre du logiciel sont les donnes issues des capteurs du procd et les sorties sont les alarmes des dfaillances. Dtection des dfauts Le schma de dtection et disolation des dfauts implment sur AMandD est prsent FIG. 4.1. Les algorithmes de dtection sont bass sur lanalyse des entres et des sorties du systme (u,y ). Deux ensembles de rsidus sont gnrs: le premier not rM est issu du modle (rseaux de neurones) et le deuxime not rH est issu des tests dapprentissage. Selon la nature des incertitudes, trois mthodes dvaluation sont utilises sur AMandD (Korbicz & al. (2004) [38]): Lvaluation "crisp": utilise lorsque les incertitudes sur les rsidus ne sont pas prises en considration ; Lvaluation oue: utilise lorsquil est ncessaire de prendre en considration les incertitudes sur les rsidus ; Lvaluation "three-valued": utilise pour prendre en considration le signe des rsidus an dassurer une bonne isolabilit des dfauts.

Apprentissage u

Procd

.
y* rM

Tests heuristiques

rH

Rseaux de neurones

valuation floue des rsidus Gnration des rsidus base de rseaux de neurones

S
If S1=99 & S2=45 Then f1
Base de connaissance floue

f1 S1 S1 S3 99 45 43

f2 33 86 67

f3 x 56 90

Donnes statistiques archives

Pour diagnostic

Fig. 4.1 Schma de diagnostic utilis sur le logiciel AMandD

4.2. Logiciels de diagnostic qualitatif

89

Isolation des dfauts Lisolation des dfauts sur AMandD est ralise en comparant les signatures des dfauts obtenues des signatures prdnies, ces dernires sont organises dans une table de signatures appeles IDTS Industrial Dynamic Table of States (Koscielny & al. (2003) [40]). Cependant, il nest possible disoler que les dfauts connus (prdnis dans la table de signatures). Toute signature inconnue donne lieu automatiquement une alarme prvenant loprateur de cette nouvelle situation, sans aucune prcision sur la nature de la dfaillance. Loprateur doit ensuite procder un test complet de son installation et identier les causes et les eets, puis ajouter ces nouvelles donnes dans la table de signature amliorant ainsi progressivement la capacit disolation du logiciel.

tel-00200030, version 1 - 20 Dec 2007

4.2.1

Logiciels de diagnostic quantitatif

Matlab-Simulink tant un outil de modlisation et de simulation puissant, son environnement de programmation est choisi comme support pour dvelopper des botes outils de diagnostic partir de botes outils dj existantes E. Frisk & al (2006) [26], M. Blanke & al. (2006) [9]. Dans S. X. Ding & al. (2006) [17], les botes outils Control System Toolbox et Robust Control Toolbox sont utilises pour concevoir une bote outil FDI-Toolbox . Les mthodes programmes sont le diagnostic base dobservateurs et lespace de parit, car ces deux approches structurellement quivalentes (P. Frank & al. (1989) [24]) sont bases sur une reprsentation dtat des systmes. Cette bote outil permet alors le passage dune approche une autre, et assure la fois la gnration et lvaluation des rsidus. Les entres du logiciel sont le modle dtat linaire numrique du systme et les proprits statistiques des incertitudes, et les sorties sont les RRAs et les seuils ou les variances des rsidus selon la mthodes de gnration et dvaluation choisies. Concept de gnration des rsidus Les gnrateurs de rsidus base de modles analytiques (observateurs et espace de parit) sont utiliss en prsence de perturbations dterministes. Le ltre de Kalman est introduit pour prendre en considration les perturbations stochastiques, et le problme de robustesse est trait en utilisant une solution optimale appele Unied Solution propos par S. X. Ding & al. (2000) [15]. Le schma de conception des gnrateurs de rsidus sur FDI-Toolbox est donn dans la FIG. 4.2, o deux principales tapes sont reprsentes: ltape de gnration des rsidus bruts, et ltape doptimisation qui consiste amliorer la sensibilit des rsidus aux dfauts et leur robustesse aux incertitudes.

90

Chapitre 4. Gnration automatique des RRAs robustes Concept dvaluation des rsidus

Loptimisation des rsidus permet damliorer leur sensibilit aux dfauts, mais ne permet pas de gnrer des rsidus nuls en fonctionnement normal, do la ncessit de les valuer en utilisant les proprits statistiques des incertitudes. Les mthodes dvaluation sur FDI-Toolbox sont slectionnes en fonction des gnrateurs de rsidus utiliss, et sont bases sur des hypothses concernant la nature et les proprits statistiques des incertitudes (incertitudes bornes par une norme, moyenne et covariance connues).
Description du systme Identification des fautes

Oui Non

Rsidu sensible aux dfauts

tel-00200030, version 1 - 20 Dec 2007

Isolation des fautes


Oui Non

Rsidu sensible un seul dfaut Dtection de dfauts

Dcouplage des perturbations


Oui Non

Rsidu sensible aux dfauts

Optimisation Rsidu sensible aux dfauts et Robuste aux bruits

Fig. 4.2 Procdure de gnration des rsidus sur FDI-Toolbox

4.3

Gnration automatique de RRAs robustes laide des BGs

Loutil bond graph, grce son caractre graphique et sa structure causale, convient parfaitement linformatisation des procdures de gnration sous forme formelle des modles dynamiques et des RRAs. On distingue les logiciels ddis la gnration formelle et ceux ddis au diagnostic. Loriginalit de nos travaux est la gnration des modles LFT, des RRAs robustes et de la matrice de signature des dfauts sur la base dun cahier des charges x. Un placement optimal des capteurs peut tre envisag pour amliorer la surveillance des systmes.

4.3. Gnration automatique de RRAs robustes laide des BGs

91

4.3.1

Logiciels de modlisation par Bond Graph

ENPORT est le premier logiciel de modlisation et de simulation en bond graph, ralis par le Professeur R. C. Rosenberg [60] dans les annes 70. Depuis, le dveloppement des langages de programmation informatique, notamment les techniques orientes objet sur C++, a motiv lapparition de plusieurs logiciels de modlisation et de simulation par bond graph tel que ARCHER, CAMP-G [29], 20-Sim, PASION 32, BondLab, CAMBAS, Dymola, Java Applet for BGs, HybrSim, Modelica, MS1, MTT, Bond graph tool box for Mathematica et SYMBOLS 2000. Un aperu sur ces logiciels est donn sur le site http://www.bondgraphs.com/software.html. Dans ce chapitre, nous allons prsenter les deux logiciels que nous utilisons: 20-Sim et SYMBOLS 2000. - 20-Sim Le logiciel 20-Sim a t dvelopp dans le cadre de la thse de doctorat de J. Broenink [11] luniversit de Twente aux Pays bas. Du point de vue modlisation, 20-Sim est un support de modlisation hirarchique, sparant linterface de dnition du sous-modle de son corps. Le logiciel est compos dune fentre pour les spcications des ports et des paramtres du sous-modle, avec une fentre pour limplmentation sous forme graphique ou textuelle. Une autre fentre est consacre la ralisation dune icne personnalise du sous-modle en utilisant un diteur graphique. En cliquant sur les icnes des sousmodles, lutilisateur peut accder aux direntes implmentations. Pour crer le modle complet dun systme, les sous-modles doivent tre crs, ou choisis parmi les sous-modles prdnis dans la bote outil. La FIG. 4.3 montre les direntes fentres de lditeur 20Sim, o la fentre centrale reprsente le modle en bond graph dterministe du banc dessais JEF prsent au chapitre 5. Les caractristiques des manipulations symboliques de 20-Sim permettent de rsoudre numriquement des boucles algbriques par itration et dintroduire la mthode BDF(Bloc Diagram Fonctionnal) pour lintgration numrique des systmes DAE (Dierential-Algebraic Equations). Pour acclrer la simulation, toutes les quations nayant aucun eet sur lvolution des variables dtat du systme sont ignores pendant ltape dintgration. Un ensemble dquations est gnr pour dventuelles vrications, ou pour tre utilises dans dautres programmes (FIG. 4.4). 20-Sim possde galement sa propre interface de simulation, ce qui permet de modier le modle et de lamliorer aprs vrication de la cohrence des quations gnres, et la validit des rsultats de simulation.

tel-00200030, version 1 - 20 Dec 2007

92

Chapitre 4. Gnration automatique des RRAs robustes

tel-00200030, version 1 - 20 Dec 2007

Fig. 4.3 Interface graphique de lditeur 20-Sim

Fig. 4.4 Ensemble des quations gnres partir du modle bond graph du systme lectromcanique sur 20-Sim

4.3. Gnration automatique de RRAs robustes laide des BGs

93

tel-00200030, version 1 - 20 Dec 2007

- SYMBOLS 2000 Le logiciel SYMBOLS 2000 (SYstem Modeling by BOnd graph Language and Simulation), dvelopp par A. Mukherjee et A. K. Samantaray, est le fruit de plusieurs annes de recherches et denseignements lInstitut Indien de Technologie de Karagpur (A. Mukherjee & al. (2001) [47]). Son environnement est compos de quatre parties: BondPad (constructeur de modles graphiques), Simulator (interface de simulation), Controls (outil danalyse thorique de commande) et FDIPad (constructeur de modles graphiques pour le FDI) qui a t developp au LAGIS dans le cadre du projet europeen CHEM (B. Ould Bouamama& al. (2006) [52]). Cette bote outils concerne les RRAs dterministes. Linterface graphique de SYMBOLS 2000 contient cinq fentres (Tools, Capsules, Equations, Expressions, Structural ), elles sont dcrites dans la FIG. 4.5, o la fentre centrale reprsente le modle bond graph dterministe du banc dessais JEF prsent au chapitre 5.

M odle graphique

Expression : pour introduir les expressions de sources et paramtres moduls

Ralisation de librairies

M odle dtat gnre

Fig. 4.5 Interface graphique de la partie BondPad du logiciel SYMBOLS 2000 La procdure de construction dun modle sur SYMBOLS 2000 commence par la ra-

Outils pour construire le BG

94

Chapitre 4. Gnration automatique des RRAs robustes

tel-00200030, version 1 - 20 Dec 2007

lisation dun modle acausal, puis les arc sont numrots pour faire rfrence aux eorts et ux qui les traversent. Ensuite, les causalits sont aectes. Sil existe des incohrences dans les relations de causes eets, un message derreur sache sur lcran, si non le message indiquera quil ny a aucune erreur et que le modle est causalement correct. La prsence de boucles algbriques est signale par des warning. SYMBOLS 2000 propose deux mthodes pour rsoudre numriquement les boucles algbriques, et cest lutilisateur qui choisit la mthode approprie son application. Une fois les quations gnres, les paramtres et les sources modules par des quations non linaires sont spcies dans la fentre Expressions avec des notations du langage C++. Sur SYMBOLS 2000 comme sur 20-Sim, le modle dun systme peut tre reprsent sous forme dune interconnection de plusieurs sous-modles appels capsules, qui gurent dans une fentre spcique appele galement Capsules. Lavantage quore SYMBOLS 2000 pour la modlisation LFT est la possibilit de dnir des variables internes (eort et ux) comme des variables globales par un double clic sur larc correspondant, puis de les utiliser pour moduler des sources deort ou de ux. Ces dernires constitueront les entres ctives wi du modle LFT. Les sorties ctives De et Df napparaissent pas explicitement sur le modle, mais apparaissent implicitement dans la fentre Expressions, et sont gales aux variables internes (eort-ux) dnies comme des variables globales. Sur le modle bond graph de la FIG. 4.5, la source deort Mse7 : d est module par la variable interne f2 dnie comme variable globale, et marque sur le modle par un point sur larc numro 2. La facilit du passage du modle dterministe au modle incertain permet de crer des botes outils des systmes incertains partir de celles dj existantes dans le rpertoire de SYMBOLS 2000 (FIG. 4.6).

4.3.2

Gnration automatique des RRAs robustes

Linterface FDIPad de SYMBOLS 2000 est consacre la ralisation de modles pour la gnration des RRAs. Le modle global doit tre une interconnexion de capsules, o aucun lment bond graph ou source ne doit apparatre, car chaque capsule du modle est analyse indpendamment des autres. La premire tape dans la gnration des RRAs robustes sur FDIPad consiste crer une bote outil pour les systmes incertains, en ralisant de nouvelles capsules ou en modiant les capsules dj existantes en dterministe. La partie incertaine dune RRA peut tre facilement distingue de la partie nominale en spciant une tiquette aux entres ctives correspondant aux incertitudes paramtriques. Si la lettre w est consacre exclusivement la dsignation des entres ctives sur le modle LFT dans

4.3. Gnration automatique de RRAs robustes laide des BGs

95

tel-00200030, version 1 - 20 Dec 2007

Bote outils ralise partir dune boite outils dj existante pour les Systmes en gnie des procds

Bote outils ralise pour le systme pneu-Chausse

Fig. 4.6 Quelques botes outils ralises partir de botes outils dja existantes sur FDIpad

96

Chapitre 4. Gnration automatique des RRAs robustes

tel-00200030, version 1 - 20 Dec 2007

ltape de modlisation, alors la somme des wi constitue la partie incertaine de la RRA. Prenons lexemple dun systme thermouide construit partir de capsules dj ralises pour le gnie des procds. Le systme est constitu dune cuve deau connecte une pompe, le uide est ensuite pomp vers le milieu extrieur. Le systme est instrument par deux capteurs : un capteur de pression sur la cuve et un capteur de dbit massique la sortie de la pompe. Le modle bond graph dterministe du systme est une interconnexion de capsules reprsentant les modles bond graph dterministes de la cuve, la pompe commande en tout-ou-rien et lenvironnement. Le systme est en ralit complexe, car il met en jeu deux phnomnes coupls (thermique et uidique). Il est caractris par deux variables dtat : la masse et lnergie interne stocke par la cuve. Lquation dtat est non linaire et lutilisation de lespace de parit ou des observateurs pour le diagnostic nest pas triviale. La FIG. 4.7 montre le systme sous forme de capsules, les modles bond graphs dterministes de la cuve et de la pompe, les modles mathmatiques gnrs partir de ces deux modles, ainsi que les rsidus gnrs en dterministe. Nous allons introduire des incertitudes paramtriques sur les modles bond graphs de la cuve et de la pompe. Sur la cuve (FIG. 4.8), les incertitudes sont introduites sur llment C2 correspondant la capacit uide de la cuve et sur llment C1 correspondant sa capacit thermique, comme le montrent les quations (4.1):

4.3. Gnration automatique de RRAs robustes laide des BGs

97

tel-00200030, version 1 - 20 Dec 2007

Fig. 4.7 RRAs gnres en utilisant dun modle ralis sur FDIPad partir de capsules
contenant des BG dterministes

98

Chapitre 4. Gnration automatique des RRAs robustes

tel-00200030, version 1 - 20 Dec 2007

Fig. 4.8 Ralisation dune capsule de la cuve contenant un BG incertain, partir de la capsule
dj existante en dterministe

4.3. Gnration automatique de RRAs robustes laide des BGs w1 = wC2 = Ch . C2n . dDe = C2 .f2 dt w = w = . (Df.c .T ) 2 C1 cp pn 0

99

(4.1)

o T0 est la temprature ambiante, cpn et cp sont respectivement la valeur nominale et la valeur de lincertitude de la chaleur spcique pression constante de leau. Les dtails sur le calcul de ces incertitudes et des entres modules sont donns dans le chapitre 5. La capsule "cuve" est donc modi en ajoutant deux sources modules de ux sur le modle gond graph de la cuve (not MSf : w1 et MSf : w2 sur le modle de la FIG. 4.8). Ces dernires sont modules par les quations (4.1) dclares dans la fentre Expressions (notes SF 29 = deltaCh f 2 et SF 30 = deltaCp f 2 T 0 dans la fentre Expressions donne dans la FIG. 4.8). Un nouveau modle mathmatique incertain de la cuve peut alors tre gnr (FIG. 4.8). Les mmes tapes sont suivies pour raliser le modle incertain de la pompe (FIG. 4.10), o la capsule est modie en ajoutant des incertitudes sur le modle bond graph correspondant. Les incertitudes sont introduites aux niveau de llment R4 , correspondant la caractristique de la pompe et sur llment R12 reprsentant le phnomne thermique dans la pompe. Ces incertitudes sont modlises par des sources modules par les quations (4.1). Les dtails sur le calcul des incertitudes et des sources modules sont donnes dans le chapitre 5. w3 = wR4 = R4 .R4n .f5

tel-00200030, version 1 - 20 Dec 2007

avec f5 le ux de masse qui traverse la pompe, donn par le dtecteur Df. Deux sources deort sont introduites sur le modle bond graph de la pompe, puis sont dclares dans la fentre Expressions comme le montre la FIG. 4.9. Un modle mathmatique incertain de la pompe peut tre gnr partir du nouveau modle bond graph (FIG. 4.9). Le modle du systme (FIG. 4.10) est ralis prsent en utilisant les capsules contenant des BG incertains. Les RRAs sont gnres en cliquant sur licne "Derive ARRs". Les entre modules reprsentant les incertitudes sont indexes par dfaut par le nom de la capsule et le numro de larc correspondant la source sur le modle bond graph (Sur les RRAs donne dans la FIG. 4.10, les entres modules sont indexes par: Hydroth1_SF 29

w = w = . (c .T .f ) 4 R12 cp pn 0 5

(4.2)

100

Chapitre 4. Gnration automatique des RRAs robustes

tel-00200030, version 1 - 20 Dec 2007

Fig. 4.9 Ralisation dune capsule de la pompe contenant un BG incertain, partir de la


capsule dj existante en dterministe

4.4. Conclusion

101

et Hydroth1_SF 30). Une matrice de signature de dfauts est aussi gnre automatiquement en cliquant sur licne "Monitorability Analysis " (FIG. 4.10), o lutilisateur introduira son cahier de charges (les lments et les capteurs quil souhaite surveiller).

tel-00200030, version 1 - 20 Dec 2007

Fig. 4.10 RRAs gnres en utilisant un modle ralis sur FDIPad partir de capsules
contenant des BG incertains

4.4

Conclusion

Un tat de lart sur les logiciels de modlisation et de simulation par bond graph a t prsent. SYMBOLS 2000 est le logiciel le plus adapt la modlisation LFT, car il ore la possibilit de dnir des variables internes comme des variables globales, qui reprsentent les sorties ctives des modles LFT. Ce chapitre montre aussi la possibilit dadapter linterface FDI Pad conue initialement pour les modles dterministes aux sys-

102

Chapitre 4. Gnration automatique des RRAs robustes

tmes incertains, et par consquent, de gnrer des RRAs robustes. Il sut de crer une librairie de modles incertains reprsents par des composants technologiques. Le modle incertain global est gnr par simple connexion de plusieurs sous-systmes (capsules). Les RRAs incertaines sont ensuite gnres sous forme symbolique. Une matrice de signature des dfauts peut tre alors produite sur la base dun cahier de charge que lutilisateur peut xer.

tel-00200030, version 1 - 20 Dec 2007

Chapitre 5 Applications
Dans ce chapitre rserv principalement aux rsultats de simulation et dexprimentation, la mthode de diagnostic prcdemment dcrite est applique deux systmes physiques dirents, un systme lectromcanique et un systme nergtique. Sur le systme lectromcanique, seule la partie mcanique est instrumente, le reste du systme nest pas observable car ce systme na pas t fabriqu initialement pour des objectifs de diagnostic. Les paramtres du systme correspondent des phnomnes physiques (inerties, frottements, raideurs,..), qui sont identis ainsi que leurs incertitudes en utilisant la mthode du gradient normalise. Le deuxime systme est un gnrateur de vapeur, plus complexe, mieux instrument et non stationnaire. Ce systme nergtique a fait lobjet de plusieurs travaux de recherche (K. J. Astrm (2000) [5], J. U. Thoma & al. (2000) [71], B. Ould Bouamama (2003) [50]). Sur ce systme, lespace paramtrique est plus complexe, son modle est constitu de paramtres correspondant des composants matriels, tels que les caractristiques de la pompe, dont les valeurs numriques nominales ainsi que les incertitudes sont donnes par le constructeur. Les autres paramtres correspondent des phnomnes physiques, tels que la rsistance hydraulique des conduites, dont la valeur numrique nominale est une constante calcule ou identie exprimentalement. Lespace paramtrique du gnrateur de vapeur contient galement des paramtres variables, comme la masse volumique de la vapeur deau dont la dynamique est une fonction non linaire de plusieurs phnomnes. Ces paramtres ainsi que leurs incertitudes sont calculs en utilisant des mthodes dinterpolation. Ces systmes que lon trouve dans un grand nombre dinstallations industrielles sont complexes, do la ncessit dutiliser plusieurs mthodes pratiques didentication paramtrique et dvaluation des incertitudes. La dicult de modliser les fortes non linarits 103
tel-00200030, version 1 - 20 Dec 2007

104

Chapitre 5. Applications

sur le systme nergtique, et les discontinuits prsentes sur le systme lectromcanique donnent lieu des incertitudes de modlisation. La modlisation LFT est une forme standard qui permet de prendre en considration ce type dincertitudes dans les tapes de modlisation et de diagnostic. Dun point de vue pratique, le champ dapplication de la mthode propose est large, grce lutilisation de loutil bond graph pour la modlisation multi physique et nergtique.

tel-00200030, version 1 - 20 Dec 2007

Premire partie
tel-00200030, version 1 - 20 Dec 2007

Application un systme lectromcanique

105

106

5.1

Introduction

Le systme lectromcanique tudi a t dvelopp lorigine an de tester la robustesse de certaines commandes non linaires en prsence dimperfections mcaniques de type frottement, jeu mcanique et lasticit des transmissions. Ce systme est instrument seulement au niveau de la partie mcanique, ce qui rend dicile la surveillance de sa globalit. Dans cette tude, seule la partie observable est modlise et un diagnostic en ligne est appliqu sur le systme an dtudier linuence des incertitudes paramtriques et mcaniques sur les dirents rsidus synthtiss (M. A. Djeziri & al. (2007) [19]). Dans les rsultats prsents, la dtection du phnomne du jeu mcanique et lestimation de son amplitude sont montres .
tel-00200030, version 1 - 20 Dec 2007

5.2

Description du banc dessais

Fig. 5.1 Vue gnrale du banc dessai Le banc dessais lectromcanique J.E.F (Jeu, Elasticit, Frottement) de la FIG. 5.1, est constitu dun calculateur communiquant avec la partie de puissance du systme lectromcanique travers une carte dacquisition de type DSpace. Le systme est compos dun moteur courant continu dlivrant une puissance maximale denviron 900 watts, et quip dun codeur optique de 5000 points/tour sur son axe principal. Le moteur entrane une partie mcanique, compose dun mcanisme de transmission (FIG. 5.2), dnie par deux parties mobiles lies laxe par le biais de ressorts de direntes raideurs. Les deux

5.3. Modlisation du couple perturbateur

107

parties peuvent communiquer travers une zone morte variable entre 0 et 0.5 rad suivant un systme de xation appropri. La mesure de la position de laxe de sortie se fait grce un deuxime codeur optique, qui donne la position relative de la charge externe. Il est possible de faire varier les coecients de frottements sec et visqueux grce des joints mtalliques qui serrent laxe de sortie.
C orp s 1 L ien lastiqu e

C orp s 2

V itesse

2 j0

tel-00200030, version 1 - 20 Dec 2007

Fig. 5.2 Le mcanisme du jeu Les imperfections mcaniques de ce systme sont dcrites par le schma de la FIG. 5.3.

Moteur

Jeu

Charge

Frottements

Rducteur Raideur

108 la prsence de la zone morte, o la relation entre les positions des corps dcrit un comportement dhystrsis. An dviter cette discontinuit, un modle continu du couple transmis est dcrit par la FIG. 5.4 et reprsent par le systme dquations (5.1) R. Merzouki & al. (2005) [45].
4 Couple perturbateur d Couple linaire transmis U10 Couple non linaire transmis U1

Couple (N.m)

-1

-2

tel-00200030, version 1 - 20 Dec 2007

-3 -4 -3 -2 -1 0 1 2 3

Position (rad)

Fig. 5.4 Illustration du modle continu du couple transmis. U1 = U10 + d U10 = K.

avec: U1 le couple transmis via la zone morte, U10 le couple linaire transmis , d le couple perturbateur du jeu mcanique, K la constante de raideur, la dirence en position entre lentre et la sortie du rducteur et N0 la constante de rduction. Lapproximation continue du couple perturbateur du jeu est considre uniquement lorsque la transmission est souple, savoir un couple dentre U de faible et constante frquence et faible amplitude (FIG. 5.10-(a)). Lorsque le couple dentre est rapide, le choc de contact cre des discontinuits importantes dont la modlisation est complexe. Lorsque la frquence du couple dentre est variable, le phnomne devient fortement non linaire et ne peut pas tre modlis comme un simple retard. Nous nous limiterons donc dans cette application au diagnostic du systme en considrant uniquement un couple dentre frquence constante et faible amplitude.

e. d = 4.K.j0 . 1 1+e. ds = N0 .d

(5.1)

5.4. Modlisation bond graph du systme lectromcanique

109

5.4

Modlisation bond graph du systme lectromcanique

Le systme est dcompos en quatre parties comme le montre le bond graph mots de la FIG. 5.5, o les sous-systmes sont sous forme de botes noires interconnectes par des liens de puissance. La partie lectrique du moteur est considre comme une source deort qui transmet un couple U la partie mcanique. Cet eort provoque la rotation de larbre e , en tranant ainsi la charge une vitesse s via un systme de du moteur une vitesse rduction.
U U1 U2

tel-00200030, version 1 - 20 Dec 2007

Partie lectrique du moteur

Partie mcanique du moteur

Rducteur

Charge

Fig. 5.5 Bond graph mots du systme lectromcanique Le modle bond graph dterministe du systme en causalit intgrale est donn dans la FIG. 5.6. La partie mcanique du moteur est caractrise par le frottement fm et linertie Jm . La partie charge est caractrise par le frottement fs et linertie Js . La partie du rducteur est reprsente par un transformateur T F de module N0 , et la raideur des arbres 1 lentre et la sortie du rducteur est reprsente par llment C : K . Les sources modules deort d et ds reprsentent les couples perturbateurs du jeu en entre et en sortie. Lentre et la sortie du rducteur sont mesures par deux codeurs incrmentaux, puis drives pour obtenir les vitesses des deux axes. Ces vitesses sont reprsentes sur le e et Df : s. modle bond graph de la FIG. 5.6 par les deux dtecteurs de ux Df : Dans cette application, leet du frottement sec produit de lextrieur grce aux joints mtalliques a t enlev en desserrant ces joints. Leet du frottement sec interne lactionneur est nglig aprs ajout dun lubriant au niveau du rducteur. Ceci dit, aprs application de couples faibles amplitudes et frquences (FIG. 5.10-(a)) nous constatons une raction spontane du systme (FIG. 5.10-(b) et (c)) sans mouvements saccads. Les quations dtat du systme peuvent tre aisment dduites du bond graph. Le nombre des variables dtat est gal au nombre dlment dynamique I et C mis en causalit intgrale. Dans notre cas, les variables dtat sont associes I : Jm, I : Js et C : 1/K. Elles apparaissent sous forme drive sur le bond graph et sont, le dplacement angulaire

110

4.K . j0 .

1 e 1 + e

4.K .N0 . j0 .

1 e 1 + e

R: fm MSe:d

tel-00200030, version 1 - 20 Dec 2007

MSe:ds
10 8 9

R: fs
11 12

& Df : s
1
13

Se:U

1
4 6

0
7

TF
N0

..

& Df : e
I:Jm

C: 1/K

I: Js

Moteur

& e

Charge

& s

Fig. 5.6 Modle bond graph du systme nominal en causalit intgrale prfrentielle.

5.4. Modlisation bond graph du systme lectromcanique

111

(7 = e s ) qui est lintgrale du ux, et le moment angulaire qui est lintgrale de leort (du couple) A partir du modle bond graph de la FIG. 5.6 les quations suivantes sont gnres: Equations de structure lies aux jonctions: Jonction 1

e6 = e1 + e2 e3 e5 f1 = f6 , f2 = f6 , f3 = f6 , f5 = f6 Jonction 0

(5.2)

tel-00200030, version 1 - 20 Dec 2007

f7 = f5 f8 e5 = e7 , e8 = e7 Jonction 1

(5.3)

e13 = e9 + e10 e11 f13 = f9 = f10 = f11 Transformateur T F : N0 1 .e8 N0 1 = .f9 N0

(5.4)

e9 = f8

(5.5)

Equations de comportement lies aux lment BG: Elment R : fm e3 = fm .f3 Elment I : Jm 1 f6 = . Jm Elment C :
1 K

(5.6)

e6 .dt e6 = Jm .f6

(5.7)

112 Z Z

e7 = K. Elment I : Js f13 Elment R : fs

f7 .dt = K.

(f5 f8 ) .dt

(5.8)

1 = . Js

e13 .dt e13 = Js .f13

(5.9)

e11 = fs .f11 Des quations prcdentes on obtient le modle de lquation (5.11):


tel-00200030, version 1 - 20 Dec 2007

(5.10)

e K. (e N.s ) Jm . e = U + d fm . avec N =
1 . N0

J . s s = N.K. ( e N. s ) +ds f s . s

(5.11)

5.5

Identication des paramtres

Le modle mathmatique dduit du modle bond graph du systme nominal est linaire par rapport lensemble des paramtres et peut se mettre sous la forme suivante, en supposant que d et ds sont nuls, car il nya pas de jeu U = . (5.12) N.s 2 N .s

Pour un modle linaire par rapport aux paramtres, lidentication paramtrique peut se faire par plusieurs mthodes, comme les moindres carrs rcursifs et le gradient (T. Soderstrom & al. (1989) [67], I. D. Landau (1998) [41]). Sur le banc dessais, cest la mthode du gradient normalis qui est choisie, car elle donne de meilleurs rsultats lorsquon manque de connaissances a priori sur le choix des gains dadaptation. La normalisation permet dassurer la stabilit et la convergence de lalgorithme destimation.

1 e e e 0 0 U o U = est le vecteur dentre, = s N N.e 0 0 0 s est la matrice de rgression et T = Jm fm Js fs K est le vecteur des paramtres.

5.5. Identication des paramtres

113

U*

Systme rel

Identification paramtrique


Evaluation du critre

Fig. 5.7 Schma didentication par la mthode du gradient normalis. Le schma de lidentication par la mthode du gradient est donn dans la FIG. 5.7. An de procder lestimation discrte des paramtres, on considre une priode dchantillonnage Te susamment petite; ainsi en un temps discret t = k.Te , le modle peut scrire:
Uk = k .k

tel-00200030, version 1 - 20 Dec 2007

(5.13)

du vecteur de paramtres est obtenue. Ce A chaque instant k, une estimation vecteur est utilis pour estimer lentre du systme, puis calculer lerreur destimation qui reprsente le critre minimiser. Lestimation du vecteur des paramtres identier est ainsi donne par lquation (5.14) (T. Soderstrom & al. (1989) [67], I. D. Landau (1998) [41]). k = k1 + Te ..T k .k (5.14)

En introduisant le terme de normalisation 1 + .T k .k dans lquation (5.14), lalgorithme du gradient normalis scrit comme suit:
T k = k1 + Te . .k .k 1 + .T k .k

(5.15)

Une fois que lalgorithme didentication implment en ligne atteint son rgime permanent, des valeurs de chaque paramtre sont prises dans une fentre dobservation FIG. 5.8. Pour chaque paramtre une moyenne et un cart type sont calculs. La moyenne correspond la valeur nominale du paramtre et puisque les carts types enregistrs sur les paramtres sont trs petits, les valeurs des incertitudes additives i sont prises gales la

114

Paramtres

V. Nominales 0.01 N.m.s2 /rad

Incertitudes

Jm fm Js fs K j0
tel-00200030, version 1 - 20 Dec 2007

0.015(N.m.s/rad)

Jm fm Js fs K j0

0.0011 0.0016 0.000002 0.0022 0.005 0

0.00002 N.m.s2 /rad 0.02(N.m.s/rad) 0.08(N.m/rad) 0.2(rad)

Tab. 5.1 Valeurs des paramtres et des incertitudes. dirence entre les valeurs maximales enregistres sur les paramtres et leurs valeurs nominales. La dirence entre lentre du rducteur e et sa sortie s est utilise pour estimer la valeur initiale du jeu j0 FIG. 5.8-(f) et FIG. 5.8-(g). Les rsultats didentication des paramtres du systme lectromcanique sont donns dans le tableau (TAB. 5.1).

5.5. Identication des paramtres


0 .01 01 0 .01 01 0 .01 01 0 .01 01 0 .0 16 5 0 .01 7

115

Jm (Nm )

0 .01 01 0 .01 0 .01 0 .01 0 .01 0 .01 0 .01 90 95 1 00 1 05

fm (Nms/rad)

0 .01 6

0 .0 15 5

0 .01 5

0 .0 14 5

0 .01 4 90

95

1 00

1 05

T e m p s (s )

T e m p s (s)

(a)
5 4 .5 4 3 .5 2 3 2 .5 2 1 .5 1 0 .5 0 90 95 10 0 1 05 x 10
-5

(b)
0 .02 1 0 .0 20 8 0 .0 20 6 0 .0 20 4

fs (Nms/rad)

Js (Nm )

0 .0 20 2 0.0 2 0 .0 19 8 0 .0 19 6 0 .0 19 4 0 .0 19 2 0 .01 9 90 95 1 00 1 05

tel-00200030, version 1 - 20 Dec 2007

T e m p s (s )

T e m p s (s)

(c)
0. 0 80 6

(d )
0.2

Diffrence entre / sortie (rad)

0 .15 0.1 0 .05 0 -0 .05 -0.1 -0 .15 -0.2 0 5 10 15

0. 0 80 4

K (Nm/rad)

0. 0 80 2

0. 0 8

0. 0 79 8

0. 0 79 6

0. 0 79 4 90

95

1 00

10 5

T e m p s (s )

T e m p s (s )

(e)
1 0 .8

(f)

Sortie du rducteur (rad)

0 .6 0 .4 0 .2 0 -0 .2 -0 .4 -0 .6 -0 .8 -1 -1 .5 -1 -0.5 0 0.5 1 1 .5

E ntr e d u r d uc te ur (ra d )

(g)

Fig. 5.8 (a): Inertie ct moteur. (b): Frottement ct moteur. (c): Inertie ct charge. (d):
Frottement ct charge. (e): Raideur des arbres lentre et la sortie du rducteur. (f): Hystrsis cr par le dcalage entre-sortie du rducteur. (g): Dirence entre-sortie du rducteur.

116

5.6

Validation du modle

tel-00200030, version 1 - 20 Dec 2007

La validation du modle consiste utiliser le mme couple dentre U pour le systme rel et le modle, puis de comparer les sorties issues des codeurs incrmentaux sur le systme rel, avec celles du modle du modle bond graph comme le montre le schma de la FIG.5.9. Les rsultats sont donns en FIG. 5.10. La dirence entre le comportement du systme et celui du modle est due principalement deux incertitudes de modlisation. La premire est la discontinuit du couple transmis, reprsent par le modle plus souple et continu de lquation (5.1) et illustr par la FIG. 5.4. La deuxime est la position relative des deux parties mobiles de lengrenage du rducteur lune par rapport lautre. Certes, sur le modle du couple transmis (quation (5.1)), les corps mobiles sont initialiss par rapport lorigine de la zone morte (FIG. 5.2). Or, sur le systme rel, il est dicile dinitialiser avec exactitude les positions des deux corps. Les incertitudes de modlisation mentionnes ci dessus introduisent un eort plus important que lensemble des incertitudes paramtriques qui sont trs faibles (voir FIG. 5.10 et TAB 5.1). Par consquent, le jeu mcanique j0 sera considr comme le jeu maximum tolr sur le systme, et le couple perturbateur apport par le jeu j0 sera considr comme une incertitude de modlisation estime par le systme dquations (5.1) et introduite sur le modle bond graph sous forme de sources modules d et ds . Ces deux sources seront considres dans le calcul des seuil adaptatifs des rsidus.

Se: U

e , s

% , % e s
Modle

, e s

Fig. 5.9 Schma de validation du modle (jeu suppos inexistant)

5.6. Validation du modle

117

0.02 0.015 0.01

U (Nm)

0.005 0 -0.005 -0.01 -0.015 -0.02 0 5 10 15 20

tel-00200030, version 1 - 20 Dec 2007

Temps (s)

(a)
2 2 Rsultats de simulation Rsultats exprimentaux 1.5 Rsultats de simulation Rsultats exprimentaux

Entre du rducteur (rad)

1.5 1 0.5 0 -0.5 -1 -1.5 0 5

Sortie du rducteur (rad)


10 15

1 0.5 0 -0.5 -1 -1.5 0 5 10 15

Temps (s)

Temps (s)

(b)

(c)

Fig. 5.10 Validation du modle

118

5.7

Procdure de diagnostic robuste

`re 1e e tape : Vrication des proprits structurelles (propret et observabilit) du systme sur le modle bond graph nominal de la FIG. 5.11.

R: fm MSe:d
3

MSe:ds
10 8 9

R: fs
11

& Df : s
1
13 12

Se:U

1
4 6

0
7

TF

.. N0

& Df : e
I:Jm

C: 1/K

I: Js

tel-00200030, version 1 - 20 Dec 2007

Fig. 5.11 Modle bond graph en causalit drive du systme nominal Sur le modle bond graph de la FIG. 5.11, tous les lments dynamiques sont lis par des chemins causaux au moins un dtecteur, et tous les lments dynamiques I et C admettent une causalit drive sur le modle bond graph en causalit drive prfrentielle. Le systme est donc propre et observable (G. Dauphin-Tanguy & al. (2000) [13]). Vrication de ltat du couplage sur le modle bond graph de la FIG. 5.12
R: fm MSe:d
3

MSe:ds

R: fs
11

?
2

~ & Df : s
12

Se:U

10 8 9

1
4 6

0
7

TF ..

1
13

~ & Df : e
I:Jm

N0

C: 1/K

I: Js

Fig. 5.12 Modle bond graph en causalit drive du systme nominal avec capteurs de ux
dualiss

Aprs dualisation des deux capteurs (FIG. 5.12), on remarque quun conit de causalit apparat sur la partie du systme situe avant le transformateur T F lorsquon passe en causalit drive, cette partie du systme est donc sous-dtermine (chapitre3.2.4). La partie situe aprs le transformateur T F est par contre sur-dtermine car aucun conit

5.7. Procdure de diagnostic robuste

119

s . Une RRAs peut alors tre gnre causal napparat en dualisant le dtecteur Df : partir de cette jonction 1. Etant donn que les conditions initiales sont connues car le systme rel est quip de dtecteurs de positions, on peut donc gnrer deux RRAs partir des deux jonctions 1 en 1 gardant llment C : K en causalit intgrale (chapitre3.2.4). `me 2e e tape : Le modle bond graph du banc dessais sous forme LFT est donn dans la FIG. 5.13. Les entres ctives wi (i = 1...7) sont lies aux sorties ctives zi (i = 1...7) par les relations suivantes: w1 = ( K . j0 + K + j0 ) .z1 ; z1 = dn e w2 = fm .z2 ; z2 = f mn . w3 = Jm .z3 ; z3 = J mn . e w4 = K .z4 ; z4 = K n . (e N.s ) w5 = ( K . j0 + K + j0 ) .z5 ; z 5 = dsn s w6 = fs .z6 ; z6 = f sn . w7 = J .z7 ; z7 = J s . s
s n

tel-00200030, version 1 - 20 Dec 2007

Jm , fm , Js , fs reprsentent respectivement les incertitudes multiplicatives sur les inerties et les frottements visqueux de la partie moteur et de la charge. K est lincertitude multiplicative sur la constante de raideur. Les couples perturbateurs d et ds sont considrs comme des entres connues, estimes par lquation (5.16), et reprsents sur le modle bond graph de la FIG. 5.13 par deux entres modules avec des incertitudes multiplicatives d = K . j0 + K + j0 et ds = N. ( K . j0 + K + j0 ) . Le couple moteur U et la constante de rduction N0 sont considrs parfaitement connus. d = 4.K.j0 . 1e 1+e d = N.d s

(5.16)

120 Le modle dynamique du systme dduit du modle bond graph est le suivant: Jmn . (1 + .Jmn ) . e = U +dn .(1 + d ) Kn . (1 + K ) . (e N.s ) e fmn (1 + fm ) . Jsn . (1 + Js ) . s = N.dn .(1 + d )+N.Kn . (1 + K ) . (e N.s ) s fsn . (1 + fs ) .
Partie mcanique du moteur Charge Mcanique Rducteur

(5.17)

R: fmn
e* D :z 2
13 12

R: fsn
: e* D z6
27 26

tel-00200030, version 1 - 20 Dec 2007

0
MSe:w2
2 3 1

~ & Df : e
4 5 6

0
MSe:w6
24 25 15 19

~ & Df : s
34 23

Se: U
30

1
8 9 7

0
14

TF ..

0
31

N0
33 32 18

20

1
21 22

e* :z

MSe:dn De*:z1

MSe:w1

MSe:w3
10

0
11

MSe:w5

MSe: dsn

0
28

MSe:w7
29

De*:z5

MSe:w4

0
17

: e* D

z7

I: Jmn

16

I: Jsn
z
4

C: 1/Kn

Fig. 5.13 Modle bond graph du banc dessai sous forme LFT
`me 3e e tape : Sur le modle bond graph de la FIG. 5.13, les RRAs des quations (5.18) sont gnres partir du bilan nergtique sur les deux jonctions 1

s J s . RRA2 : N0 .K n . (e N 0 .s ) +dsn f sn . n s N 0 .w 4 +w 5 +w 6 +w 7 = 0
`me 4e e tape : Les RRAs obtenues dans ltape prcdente sont constitues de deux parties parfaitement indpendantes qui nous permettent de dnir les quations (5.19):

e J m . RRA1 : U f mn . n e K n . ( e N 0 . s ) +w 1 +w 2 +w 3 +w 4 = 0

D e* :

(5.18)

5.7. Procdure de diagnostic robuste r1 Jm Js fm fs K j0


tel-00200030, version 1 - 20 Dec 2007

121 r2 0 1 0 1 1 1 Mb 1 1 1 1 1 1 Ib 0 0 0 0 0 0

1 0 1 0 1 1

Tab. 5.2 Matrice de signature de fautes.

e J mn . e K n . (e N.s ) r1 = U f mn . a1 = |w1 | + |w2 | + |w3 | + |w4 | + |dn | s J sn . s r2 = N.Kn . (e N.s ) f s .


n

(5.19)

a2 = |N.w4 | + |w5 | + |w6 | + |w7 | + |dsn | La matrice de signature de dfautss du tableau (TAB. 4.2) est dduite des quations (5.19), o Mb et Ib reprsentent respectivement ltat de dtectabilit (M pour "Monitorability") et disolabilit du dfaut sur chaque paramtre. Ils sont gaux 1 lorsque le paramtre est surveillable, et 0 dans le cas contraire. Le but de cette application est de dtecter et disoler une variation anormale de lamplitude du jeu, en distinguant le dfaut des variations paramtriques.

Une fois que les seuils adaptatifs sont dtermins, lanalyse de sensibilit des rsidus au dfaut (variation anormale de lamplitude du jeu) permet de dterminer hors ligne la valeur dtectable du dfaut. Le test de simulation consiste augmenter progressivement lamplitude du dfaut, jusqu ce que les indices de dtectabilit deviennent suprieurs zro.

122

5.8
5.8.1

Rsultats de simulation
Cahier des charges

tel-00200030, version 1 - 20 Dec 2007

Le scnario de simulation consiste raliser trois situations Gnration des rsidus et des seuils de fonctionnement normal en supposant quil ny a pas de dfaut et dincertitudes; Introduction dune incertitude de modlisation sous forme dun jeu initial de 0.2 rad dans lengrenage du rducteur; Introduction dun dfaut progressif qui correspond une variation du jeu dans lengrenage du rducteur. La FIG. 5.14 reprsente les rsidus en absence de fautes et dincertitudes. Les indices de dtectabilit DIr1 et DIr2 sont nuls, et les rsidus r1 et r2 sont nuls. La valeur du seuil change avec le mode de fonctionnement du modle, selon la variation de lentre U donne dans la FIG. 5.10-(a). Le jeu initial tant considr comme une incertitude de modlisation dont leort apport au systme est estim grce au systme dquations (5.16), sa variation ne peut pas tre associe la variation de lun des lments R, I et C du modle BG. Une variation anormale du jeu est donc traite comme un dfaut structurel, dont la valeur dtectable est dtermine en utilisant lquation (3.17): Lindice de dtectabilit DIr1 DIr1 = |Ys | X |wi |

= |Ys | (|w1 | + |w2 | + |w3 | + |w4 | + |dn |) DIr1 > 0 = |Ys | > (|w1 | + |w2 | + |w3 | + |w4 | + |dn |) Lindice de dtectabilit DIr2 DIr1 = |Ys | X |wi |

= |Ys | (|N.w4 | + |w5 | + |w6 | + |w7 | + |dsn |) DIr2 > 0 = |Ys | > (|N.w4 | + |w5 | + |w6 | + |w7 | + |dsn |)

5.8. Rsultats de simulation avec 1 e |Ys | = 4.K. (j0 + YJ0 ) . 1 + e

123

(5.20)

tel-00200030, version 1 - 20 Dec 2007

o YJ0 est le dfaut. En absence du dfaut et de lincertitude de modlisation j0 = YJ0 = 0. La FIG. 5.15, prsente les rsidus en prsence des incertitudes de modlisation ( j0 = 0.2 rad est le jeu maximum tolr sur le systme, le jeu rel existant est infrieur j0 ) et des incertitudes paramtriques, et en absence de dfauts (YJ0 = 0). Les indices de dtectabilit des rsidus DIr1 et DIr2 sont ngatifs. Les valeurs des rsidus sont gales lnergie apporte par le couple perturbateur initial, estim par lquation (5.16), et provoqu par un jeu initial de 0.2rad. On remarque sur les FIGs. 5.15-(c) et (d) que DIr1 et DIr2 sont sont trs prochent de zro, cela est d au fait que leort apport par lincertitude de modlisation est beaucoup plus important que celui apport par lensemble des incertitudes paramtriques. La FIG. 5.17 reprsente les rsidus r1 et r2 en prsence du dfaut. Le dfaut est ajout progressivement au jeu initial j0 (quation 5.20) entre linstant t = 4s et t = 16s comme le montre la FIG. 5.16. L indice de dtectabilit DIr2 devient positif linstant t = 6s (FIG.5.17-(d)), cet instant lamplitude du dfaut est de 0.00038rad (FIG. 5.16). En eet, le rsidu r2 commence dtecter la prsence du dfaut partir de linstant t = 6s. Lindice de dtectabilit DIr1 devient positif linstant t = 7.8s (FIG.5.17-(c)), et cest linstant o le rsidu r1 commence dtecter la prsence du dfaut. Ainsi, nous concluons que la valeur dtectable du dfaut est de 0.00038rad, et quil sera dtect par le rsidu r2 avec une lgre avance sur le rsidu r1 .

124

4 3 2

x 10

-3

-a1 a1 r1

3 2 1

x 10

-3

-a2 a2 r2

r1 (Nm)

0 -1 -2

r2 (Nm)
5 10 15 20

0 -1 -2 -3 0

tel-00200030, version 1 - 20 Dec 2007

-3 -4 0

10

15

20

Temps (s) (a)


1 0.8 0.6 0.4 0.2 1 0.8 0.6 0.4 0.2

Temps (s) (b)

DIr1

0 -0.2 -0.4 -0.6 -0.8 -1

DIr2
0 2 4 6 8 10 12 14 16 18 20

0 -0.2 -0.4 -0.6 -0.8 -1

10

12

14

16

18

20

Temps (s)

Temps (s)

(c)

(d)

Fig. 5.14 Rsidus et indices de dtectabilit en absence du jeu mcanique et des incertitudes
de modlisation. (a): Rsidu r1 . (b): Rsidu r2 . (c): indice de dtectabilit du dfaut sur le rsidu r1 . (d): indice de dtectabilit du dfaut sur le rsidu r2 .

5.8. Rsultats de simulation

125

0 .0 3 0 .0 2 0 .0 1 -a1 a1 r1

0 .0 3 0 .0 2 0 .0 1 -a2 a2 r2

r1 (Nm)

0 -0 .0 1

r2 (Nm)
0 5 10 15 20

0 -0 .0 1 -0 .0 2 -0 .0 3

tel-00200030, version 1 - 20 Dec 2007

-0 .0 2 -0 .0 3

10

15

20

Tem p s (s) (a)


1 1

Tem p s (s) (b)

0 .5

0 .5

DIr1

-0 .5

DIr2
-0 .5 -1 -1 -1 .5 0 5 10 15 20 -1 .5 0

10

15

20

Te m p s (s)
(c)

Tem p s (s)
(d )

Fig. 5.15 Rsidus et indices de dtectabilit en absence du jeu mcanique et en prsence des
incertitudes de modlisation. (a): Rsidu r1 . (b): Rsidu r2 . (c): indice de dtectabilit du dfaut sur le rsidu r1 . (d): indice de dtectabilit du dfaut sur le rsidu r2 .

126
x 10
-4

Instant o le rsidu r2 Commence dtecter le dfaut

10

Yj0 (rad)

0 0 2 4

}
6 8

Valeurs non dtectables du dfaut


10 12 14 16 18 20

Temps (s)

Fig. 5.16 Prol du dfaut Yj0


tel-00200030, version 1 - 20 Dec 2007
-3 -3

2.5 2 1.5 1

x 10

-a1 a1 r1

2 1 .5 1 0 .5

x 10

-a2 a2 r2

r1 (Nm)

0.5 0 -0.5 -1 -1.5 -2

r2 (Nm)
0 2 4 6 8 10 12 14 16 18 20

0 -0 .5 -1 -1 .5 -2 -2 .5

10

12

14

16

18

20

T e m p s (s )

T e m p s (s )

(a)
0 .4

(b)

0 .2

0 .2

-0 .2

-0 .2

-0 .4

DIr2
0 2 4 6 8 10 12 14 16 18 20

DIr1

-0 .4

-0 .6

-0 .6

-0 .8

-0 .8

-1

-1

10

12

14

16

18

20

T e m p s (s )

T e m p s (s )

(c)

(d )

Fig. 5.17 Rsidus et indices de dtectabilit en prsence du dfaut. (a): Rsidu r1 . (b): Rsidu
r2 . (c): indice de dtectabilit du dfaut sur le rsidu r1 . (d): indice de dtectabilit du dfaut sur le rsidu r2 .

5.9. Rsultats exprimentaux

127

5.9

Rsultats exprimentaux

tel-00200030, version 1 - 20 Dec 2007

Sur le systme rel, les valeurs des rsidus en fonctionnement normal ne sont pas nulles cause des incertitudes paramtriques, et la valeur de lincertitude de modlisation correspondant un jeu initial damplitude j0 . Ce jeu fait apparatre une lgre dirence entre lentre et la sortie du rducteur comme le montrent les FIG. 5.18-(a) et (b). Les rsidus donns dans la FIG. 5.19 restent lintrieur des seuils de fonctionnement normal. La structure du banc dessais JEF ne permet pas dintroduire un dfaut progressif pour reproduire dlement le schma de simulation prcdent (Voir dmonstration sur CD). Le dfaut est introduit manuellement en enlevant une plaque mtallique au niveau du rducteur. La variation du jeu cause une large dirence entre lentre et la sortie du rducteur comme lindique les FIG. 5.20-(a) et (b). En superposant la FIG. 5.20-(a) avec les deux FIGs. 5.21-(a) et (b)), on constate que les rsidus commencent dtecter le dfaut ds que son amplitude devient lgrement suprieure 0.2 rad qui est lamplitude estime du jeu initial.

128
Entre/Sortie du Rducteur (rad)
0.15 2 1.5 1 0.5 0 -0.5 -1 -1.5 -2 0 5 10 15 20

difference entre / sortie (rad)

0.1 0.05 0 -0.05 -0.1

Entre du rducteur Sortie du rducteur

10

15

20

Temps(s) (a)

Temps (s) (b)

tel-00200030, version 1 - 20 Dec 2007

Fig. 5.18 (a): Dirence de positions entre e et s. (b): Positions dentre e et de sortie s .

0.03 0.02 0.01 -a1 a1 r1

0.03 0.02 0.01 -a2 a2 r2

r1 (Nm)

r2 (Nm)

0 -0.01 -0.02 -0.03 0

0 -0.01 -0.02 -0.03 0

10

15

20

10

15

20

Temps (s) (a)

Temps (s)
(b)

Fig. 5.19 Rsidus et seuils de fonctionnement normal en absence de dfauts. (a): Rsidu r1 .
(b): Rsidu r2 .

5.9. Rsultats exprimentaux


1.2 1.5

129

Entre / sortie du rducteur (rad)

Difference entre / sortie (rad)

1 0.8 0.6 0.4 0.2 0 -0.2 0 5 10 15 20

Entre du rducteur Sortie du rducteur

0.5

-0.5

-1 0

10

15

20

Temps (s) (a)

Temps (s) (b)

tel-00200030, version 1 - 20 Dec 2007

Fig. 5.20 (a): Dirence de positions entre e et s. (b): Positions dentre e et de sortie s .

0.04 0.02

-a1 a1 r1

0.08 0.06

-a2 a2 r2

r1 (Nm)

r2 (Nm)
5 10 15 20

0 -0.02 -0.04

0.04 0.02 0

-0.06 -0.02 -0.08 0 0 5 10 15 20

Temps (s)
(a)

Temps (s) (b)

Fig. 5.21 Rsidus et seuils de fonctionnement normal en prsence du dfaut. (a): Rsidu r1 .
(b): Rsidu r2 .

130

5.10

Conclusion

Lapplication propose dans cette partie a permis de tester la robustesse de lalgorithme de diagnostic dvelopp dans le chapitre 3 sur un systme lectromcanique dynamique rapide. En eet les simulations et les rsultats exprimentaux montrent que le diagnostic est robuste aux fausses alarmes, car les rsidus restent toujours lintrieur des seuils adaptatifs lorsque le systme est en fonctionnement normal. Les performances de lalgorithme vis-vis des non dtections et des retards dans la dtection du dfaut sont matrises par une estimation a priori des valeurs dtectables et des valeurs non dtectables du dfaut. Les rsultats de simulation et dexprimentation ont montrs les avantages de cette mthode de diagnostic.
tel-00200030, version 1 - 20 Dec 2007

Deuxime partie
tel-00200030, version 1 - 20 Dec 2007

Application un systme thermouide

131

132

5.11

Introduction

Cette deuxime application concerne un systme dcrit par des modles bond graphs coupls caractriss par la mise en uvre de deux nergies : thermique et uidique. Ces systmes sont appels processus thermouides. Cette application a t choisie pour montrer lextension des algorithmes dvelopps des modles non linaires et dcrits par des multiports prsents dans les procds thermodynamiques. Le systme de la FIG. 5.22 est une installation pilote, qui reprsente un fonctionnement similaire chelle rduite dune centrale lectrique. A la dirence dune centrale industrielle, lnergie produite par le circuit primaire est engendre ici par un thermoplongeur lectrique et lnergie fournie habituellement la turbine dans une centrale est dissipe ici par un poste de dtente et de refroidissement, compos dun ensemble de vannes modulantes et dun condenseur coupl un changeur de chaleur. Dans cette application, on sintresse uniquement une partie de linstallation, constitue principalement dun circuit dalimentation en eau, dune pompe lie une conduite et dune chaudire dune capacit de 175 litres, chaue par un thermoplongeur dune puissance de 55KW . Le plan des instruments dtaills (PID) de la partie tudie de linstallation est donn FIG. 5.23 (B. Ould Bouamama (2003) [50]).

tel-00200030, version 1 - 20 Dec 2007

Fig. 5.22 Vue gnrale du gnrateur de vapeur Larchitecture dinstrumentation du systme est constitue des capteurs suivants: Temprature de leau dans la cuve De : T2 ( K ), pression de leau dans la cuve De : P1 (P a), ux de masse la sortie de la pompe Df : F3 (kg/s), temprature de leau dans la

5.12. Problmatique et hypothses de modlisation


LIR 1 FIR 10

133

Systme de dtente de la vapeur


LIR 9 LC 1 LG 3 TIR 2 LG 1 FI R 3 PC 1 Q 4 PIR 7 LIR 8 TR 6

TR 5

tel-00200030, version 1 - 20 Dec 2007

134 tre linarises. Ces modles permettent de dterminer la rponse de grandes perturbations. Linconvnient rside dans le fait quelles ne permettent pas une synthse directe des rgulateurs et ncessite un grand volume de calcul. De plus, il existe trois ordres de complexit croissante du modle, en fonction du nombre de dimensions despace de lcoulement pris en compte dans la modlisation. Dans les installations de plus petites dimensions, le modle non linaire peut tre considr paramtres localiss : le systme est alors dcrit par un ensemble dquations direntielles et algbro-direntielles (A. Ordys. (1994) [48]). Il faut noter aussi que ce systme est caractris par la cxistence de plusieurs phnomnes de natures diverses. Cest pourquoi lapplication dune approche unie telle que les bond graphs (L. Tylee (1983) [72], J. U. Thoma & al. (2000) [71], B. Ould Bouamama (2003) [50]), est bien adapte. Des modles bond graphs dterministes ont t valids sur des procds rels de mme nature.
tel-00200030, version 1 - 20 Dec 2007

Modles calculant ou non le volume deau : la dynamique du niveau deau joue un rle important dans la modlisation des gnrateurs de vapeur en raison du phnomne de gonement et de tassement. Celui-ci est d la variation de la densit de vapeur. Il introduit alors pour le niveau un dphasage non minimal trs nuisible la stabilit du systme. La dynamique de ces deux phnomnes est identie par des rponses dphasage non minimal. Dans S. Rimaux & al. (1996) [59], un modle physique non linaire de ces phnomnes a t obtenu par une approche bond graph. Les dimensions gomtriques et la puissance relativement rduite de notre installation ne mettent pas en vidence le phnomne de gonement-tassement du niveau. Cest pourquoi il ne sera pas modlis. Il faut noter aussi que nous sommes en prsence dun mlange diphasique et quen ralit la sparation entre les phases vapeur et liquide en coulement nest pas aussi nette. Ce phnomne introduit les dicults de mesures du niveau bien connues des industriels. Dautres phnomnes lis la stabilit dans les gnrateurs de vapeur sont traits dans louvrage J. U. Thoma & al (2000) [71]. Les hypothses de modlisation adoptes dans ce travail sont : Leau et la vapeur sont en quilibre thermodynamique: les proprits thermodynamiques sont calcules en quilibre thermodynamique, justi par le fait quil se produit une bonne homognisation de lmulsion eau-vapeur; Le mlange est une pression uniforme: on nglige leet des tensions supercielles des bulles de la vapeur deau, qui provoque alors la variation de la pression du mlange ; Les variables sont paramtres localiss; Le gnrateur de vapeur a une capacit thermique et subit des pertes par conduction

5.13. Modlisation BG-LFT du GV

135

vers lextrieur; Le liquide dans le circuit dalimentation est incompressible, car leau est temprature ambiante.

5.13
5.13.1

Modlisation BG-LFT du GV
Bond graph mots du systme

tel-00200030, version 1 - 20 Dec 2007

Le bond graph mots est ltape technologique de la modlisation, qui consiste dcomposer le processus en un ensemble de sous-systmes lis par des variables de puissance. Le bond graph mots du gnrateur de vapeur est donn en FIG. 5.24, il est compos de cinq parties : la cuve, la pompe avec la conduite, la chaudire, le thermoplongeur et le systme dexpansion de vapeur. Le systme est caractris par un couplage de deux nergies : thermique et hydraulique et les variables utilises pour reprsenter le systme sont bases sur la modlisation en pseudo bond graph. La partie hydraulique est caractrise par la paire pression-dbit massique (P, m ), tandis que la partie thermodynamique est ), dcrivant le phnomne de convection (dynamique de la reprsente par la paire (T, H ), reprsentant le phnomne de conduction (stationnarit de la matire) et la paire (T, Q matire). Le systme dexpansion de vapeur change avec le systme tudi les paires de B ). variables (PB ,m B ) et (TB ,H
5

Systme dexpansion
&B PB m PT &T m TT & H

&B TB H

Pompe
&

Cuve

PP &P m TP & H

Chaudire

Conduite
T

& T Q
5

Rsistance Thermique

Fig. 5.24 Bond graph mots du gnrateur de vapeur

136

5.13.2

Modle bond graph de la cuve

Le modle bond graph dterministe de la cuve en causalit intgrale est donn FIG. 5.25-(a), et son modle bond graph en causalit drive avec capteurs dualiss est donn FIG. 5.25-(b). Lnergie couple, emmagasine par le uide dans la cuve est modlise par le multiport C pour lnergie hydraulique et thermique. Les deux variables dtat sont R associes aux variables dnergie (dplacement gnralis): q = fC .dt. En pseudo bond R R graph elles reprsentent la masse m.dt et lnergie interne U.dt
De: P1
1

SSe: P1
8 1

& in Sf : m

0 h1
2

1
La

& in Sf : m

0 h1
2

1
La

tel-00200030, version 1 - 20 Dec 2007

C De: T2
10 4 5 6

C SSe: T2
10 4 5 6

pompe

pompe

Se:Tin

RC

0 t1
(a)

RC

Se:Tin

RC

0 t1
(b)

RC

Fig. 5.25 (a) : Modle bond graph de la cuve en causalit intgrale. (b) : Modle bond graph de
la cuve en causalit drive avec capteurs dualiss

Dans ce travail, le dbit deau provenant du condenseur est considr nul, les vannes de dcharge la sortie du condenseur sont maintenues fermes Sf : m in = 0. La cuve est initialement pleine deau temprature ambiante, donc soumise un rgime thermodynamique sous-satur : les variables pression et temprature sont indpendantes. La pression au fond du rservoir ne dpend que du volume ou de la masse. VT .g mT g.mT = T . = (5.21) AT AT T AT o PT , T , g, hT , VT , AT , mT dsignent respectivement la pression dans la cuve, la masse volumique de leau, la gravit, la hauteur de leau dans la cuve, le volume de leau dans la cuve, la section de la cuve et la masse stocke. La variable dtat thermique UT dpend de celle uidique mT , cest pourquoi le stockage de cette nergie potentielle couple est reprsent par le multiport C . Deux capacits notes Ch (hydraulique) et Ct (thermique) peuvent tre dduites des quations constitutives des lments C PT = T .g.hT = T .g.

5.13. Modlisation BG-LFT du GV a) Partie hydraulique: Ch 1 e2 = . Ch alors Ch = b) Partie thermique: Ct 1 e5 = . Ct avec


tel-00200030, version 1 - 20 Dec 2007

137

1 f2 .dt PT = Ch AT g

m T .dt =

g.mT AT

(5.22)

(5.23)

1 f5 .dt TT = Ct

T .dt = U U Ct

(5.24)

Ct = mT .cv

(5.25)

et cv la capacit thermique volume constant de leau, TT la temprature de leau dans la cuve. Il suit que la capacit thermique Ct dpend bien de ltat uidique mT , ce qui justie lutilisation du multiport C . Lincertitude sur llment Ch , notes Ch , correspond lincertitude AT sur la section de la cuve, qui apparat suite au phnomne de corrosion. La valeur nominale Chn et lincertitude de la section sont donnes par le constructeur. La relation entre Chn et Ch est donne par lexpression suivante: Ch = Chn + Ch .Chn (5.26)

En supposant que la constante de gravit est parfaitement connue, et en prenant en considration lincertitude multiplicative sur AT , lquation (5.26) devient: 1 Ch = (AT n + AT .AT n ) . g ATn ATn + AT . = g g Lentre module wCh qui reprsente le ux apport par lincertitude Ch est alors calcule comme suit, en considrant llment mutiport C en causalit drive de la FIG. 5.25-(b).

138 dPT ATn dPT = AT . . (5.27) wCh1 = Ch .Chn . dt g dt Puisque le ux de masse lentre de la cuve est suppos nul, lquation du bilan nergtique calcule partir de la jonction Ot du modle bond graph de la FIG. 5.25-(a) est donne comme suit, en considrant llment multiport C en causalit drive de la FIG. 5.25-(b) 6 5 = m out .cv .TT = H H (5.28)

tel-00200030, version 1 - 20 Dec 2007

5 le ux denthalpie la sortie de llment bond graph C , cv la chaleur spcique avec H volume constant du uide, m out le ux de masse la sortie de la cuve et TT la temprature de leau dans la cuve donne par le dtecteur De : T2 . 5 est due lincertitude Ct sur llment bond Lincertitude sur le ux denthalpie H graph C , et son origine vient de la variation de la chaleur spcique volume constant cv ,

5.13. Modlisation BG-LFT du GV

139

5.13.3

Modle bond graph de la pompe et la conduite

b.(k1.P + k 2 )

b.(k1.P + k2 )
p R R: Rpn R:Rz1n :w e S SSf: F3

R: Rp Df: F3
13 3 16

R:Rz1
M
15

20

13

16

15

P3 &3 m

P14
14

P17 & 17 m

17

P3 &3 m

P14
14 21

P17 & 17 m

17

La

La La

La Cuve
6

Chaudire

Chaudire

MSe: wRz1

Cuve

tel-00200030, version 1 - 20 Dec 2007

T6 & H

R (a)

RT1

T18 & H

18

18

T6 &6 H

R (b)

RT1n

T18 & H

18

18

23

22

MSf:wRT1

Fig. 5.27 (a): Modle bond graph de la pompe avec conduite. (b): Modle BG-LFT de la pompe
avec conduite, avec capteurs dualiss.

La pompe avec conduite est un systme largement utilis dans les procds industriels, il constitue le systme dalimentation en eau. Le modle bond graph de ce type de systmes dpend de leurs proprits spciques. Certaines rfrences prsentent la pompe comme une source deort Se qui augmente la pression dentre Pin dune valeur P (L. Tylee (1983) [72]). Dans J. U. Thoma & al. (1990) [70], laction principale dune pompe hydrostatique est donne comme un transformateur T F entre la puissance mcanique et hydrostatique, ou un transformateur modul MT F dans le cas de vitesse variable ou ajustable. Dans cette application, on considre un modle bond graph simpli de la pompe centrifuge avec une conduite prsente sur le systme rel A. Mukherjee & al. (2000) [46]. Le modle dterministe de la pompe avec conduite est donn FIG. 5.27-(a), et le modle BG-LFT avec capteurs dualiss est donn FIGs 5.27-(b). Dans le modle bond graph de la FIG. 5.27, la pompe et la conduite sont reprsentes sparment par deux rsistances. La pompe est modlise par la rsistance Rp. Cette dernire est module par la caractristique de la pompe donne par lquation (5.30). La caractristique de la pompe est donne comme une courbe entre la pression P et le ux de masse gnr par la pompe m 13 (FIG. 5.27-(a))

140

m 13 = b. (k1 . (P3 P14 ) + k2 )

(5.30)

tel-00200030, version 1 - 20 Dec 2007

P3 et P14 sont respectivement les pressions dentre et de sortie de la pompe. k1 et k2 sont les paramtres de la caractristique de la pompe, b est une variables boolenne (0,1) dlivre par le rgulateur tout-ou-rien de la pression. Ce modle bond graph de la pompe reprsente bien les phnomnes hydrauliques dans le cas dune pompe couple une conduite. En eet, il vient du modle bond graph que le dbit dlivr par la pompe m 13 et celui passant au travers de la conduite ayant une perte de charge (frottement hydraulique) Rz1 sont bien gaux. Le dbit dlivr par lensemble est lintersection de la caractristique de la pompe et de celle de la conduite (plus de dtails sont donns dans B. Ould Bouamama (2003) [50]). Comme k1 est ngative et P > 0 alors on est en prsence dune rsistance Rp ngative, ce qui na pas de sens dun point de vue lment R, mais dans ce cas prcis, ceci signie que cet lment fournit de la puissance puisque cest une pompe. La caractristique de la conduite est reprsente par lquation de Bernoulli pour un rgime turbulent. Elle est dduite de lquation constitutive de la rsistance Rz1

e15 = Rz1 (f15 )


2 . (m 15 ) = Rz . (m 15 ) P15 = Rz 1 2 2

(5.31)

Pour mettre en uvre la procdure de diagnostic, on dualise les capteurs comme indiqu FIG. 5.27-(b). La causalit change sur llment R : Rp associ la pompe, et lexpression utilise pour calculer le terme incertain est 1 m 13 P13 = . (5.32) k2 k1 b Lincertitude sur la pression la sortie de la pompe est due aux incertitudes k1 et k2 sur les paramtres k1 et k2 , leurs valeurs nominales sont donnes par le constructeur avec une incertitude de 5%. La source deort MSe : wRp (FIG. 5.27-(b)) qui reprsente lincertitude sur la pression la sortie de la pompe est module par lexpression suivante: wRp avec
1 k1

k1 . 1+ k1

m 13 1 k2n + 1 .k2n . k2 = . k2n . k2 1 k1 k1 k1n b

(5.33)

5.13. Modlisation BG-LFT du GV

141

Le paramtre Rz1 dpend de la manufacture de la conduite et il est fonction de louverture de la vanne z1 . La valeur nominale Rz1n et la valeur de lincertitude Rz1 peuvent tre identies exprimentalement, ou calcules par lquation (5.34) en considrant un coulement de Poiseuille :

Rz1 = Rz1 avec


tel-00200030, version 1 - 20 Dec 2007

8.l .Lp .r 1p = l . Lp . .

(5.34)
1 r1p

+ l + Lp +

1 r1p

+ l .Lp + l .

1 r1p

+ Lp .

1 r1p

1 r1p

1+ r1p

r1p

4 avec rp le rayon de la conduite qui est entach Lp est la longueur de la conduite, r1p = rp dincertitude 4 A partir de r1p = rp , on peut crire

4 = 4.Log.rp Log.r1p = Log.rp

(5.35)

ce qui donne, en prenant la drive logarithmique rp r1p = 4. r1p rp ou encore r1p = 4.rp
2 , on peut crire Rz = 2. Rz1 . De mme, partir de Rz = Rz 1

(5.36)

Lincertitude sur leort la sortie de la conduite peut tre calcule comme suit: 2 wRz1 = 2 Rz1 .Rz1n .m 15 (5.37)

Rzn et Rz sont respectivement la valeur nominale et lincertitude multiplicative sur le paramtre Rz . Le ux denthalpie vhicul par le uide travers la conduite est donn par lexpression suivante: 18 = Tp .cp .m H 3 (5.38)

142 La variable m 3 est mesure par le dtecteur Df : F3 . Tp est la temprature dans la pompe mesure par le dtecteur De : T2 car leau nest pas chaue dans la cuve (De : T2 est reprsent sur le modle BG de la cuve). Le couplage des nergies thermique et hydraulique est modlis par le multiport R : RT 1 . 18 transmis la chaudire est due la Lincertitude sur le ux dnergie thermique H variation de la chaleur spcique pression constante cp qui est fonction de la temprature. Cette dernire est suppose varier entre la temprature de leau dans la cuve TT donne par le dtecteur De : T2 et la temprature ambiante. Ainsi lincertitude sur lnergie thermique transmise de la pompe la chaudire est donne par lexpression suivante: wRT 1 = cp . (Tp .cpn .m 3)
tel-00200030, version 1 - 20 Dec 2007

(5.39)

5.13.4

Modle bond graph de la chaudire

La chaudire est la partie la plus importante et la plus complexe du gnrateur de vapeur, plusieurs modles de chaudires ont t dvelopps en fonction de la conguration du systme. Dans ce travail, on considre un accumulateur thermouide satur, avec une conguration monophasique homogne du mlange eau-vapeur. Les modles dterministes en causalit intgrale et en causalit drive avec capteurs dualiss sont respectivement montrs dans les FIG. 5.28-(a) et (b) La conservation des deux nergies thermique et hydraulique est modlise par le multiport C . Le transfert de chaleur de la chaudire vers le milieu extrieur est reprsent par llment bond graph R : Ra. La chaudire est quipe de deux capteurs redondants de temprature (T5 et T6 ), deux capteurs redondants de niveau (L8 et L9 ) (reprsents par des dtecteurs De puisque la mesure correspond une pression un coecient .g prs), un capteur de pression (P7 ), un capteur du ux de vapeur transmis au systme dexpansion (F10 ) et un capteur du ux de chaleur fournie au thermoplongeur (Q4 ). Le dtecteur De : T5 est reprsent deux fois sur le modle bond graph de la FIG. 5.28-(a) et (b), car on suppose que le corps du thermoplongeur converge instantanment vers la temprature de leau dans la chaudire. Leur temprature est donc la mme, donne par le dtecteur De : T5 . dissip travers les parois de la chaudire peut tre dtermin Le ux de chaleur Q en utilisant la conductivit thermique , lpaisseur eB , et la section AB des parois de la chaudire en utilisant lquation (5.40).

5.13. Modlisation BG-LFT du GV


De: P7
17

143
Df: F10 SSe: P7
39 17

R: Rz2n

R: Rz2n

De: L8
49 40 41

P17 0 & 17 h 2 m

39

De: L8
49 40 41

SSf: F10 Vers le systme d expansion


42

Vers le systme d expansion

42

38

P17 0h2 & 17 m


38

T e: D

T e: D

Se: -Ta
31

La Pompe
18

La

De: L9 C
T6 De:
26 25 43 50

De: L9 Pompe C
:T 5 SSe
26 25

24

0t 2
27 28

RT2n

18 24

0t 2
27 28

43

50

RT2n

1
Df: Q4

56

0
32

De: T5 Se: -Ta

1
SSf: Q4

56

0
32

SSe: T5

1
29

31

1
29

RS
33

RS
33

R: Ran (a)

R: Ran (b)

tel-00200030, version 1 - 20 Dec 2007

Se: u

Se: u

Fig. 5.28 (a): Modle BG dterministe en causalit intgrale de la chaudire. (b): Modle BG
dterministe en causalit drive avec capteurs dualiss.

= f29 = . AB .(TB Ta ) = 1 (TB Ta ) Q eB Ra

(5.40)

TB et Ta sont respectivement, la temprature de leau dans la chaudire donne par le dtecteur De : T5 et la temprature ambiante mesure et considre comme une source 1 1 eB deort. Ra = . AB est le ccient de transfert de chaleur via les parois de la chaudire. Lincertitude 1 est une combinaison de 1 et eB .
Ra AB

Ran et 1 peuvent galement tre identis exprimentalement, en utilisant lquation Ra de conservation dnergie thermique dduite de la jonction 0t du modle bond graph de la FIG. 5.28-(a), et les donnes mesures par les capteurs sur le systme en fonctionnement normal. Le rsultat de lidentication exprimentale est donn par la FIG. 5.29. La valeur nominale Ran est gale la moyenne du paramtre Ra sur une fentre dobservation, et lincertitude additive Ra est choisie gale la dirence entre la valeur maximale du Ra Ra paramtre et sa valeur moyenne sur la mme fentre. Ra = et 1 = Ra . Ran n +Ra
Ra

Lincertitude sur le ux de chaleur dissip travers les parois de la chaudire due lincertitude Ra , est reprsente par la source de ux MSf : wRa module par lexpression suivante:

144
2940 2920 2900 2880

Ra =

Ra =0.027 Ran

Ra (w/k)

2860 2840 2820 2800 2780

10

12

14

16

18

20

Temps (s)

Fig. 5.29 Identication exprimentale de Ra


tel-00200030, version 1 - 20 Dec 2007

Le mlange eau-vapeur dans la chaudire est considr homogne. Les deux variables dtat (masse totale et nergie interne) sont couples et sont reprsentes par le multiport C . Dans le cas de la chaudire, les variables deort uidique (la pression PB ) et thermique (la temprature TB ) sont dpendantes. Le rgime thermodynamique tant satur, ces deux variables sont lies par des tables thermodynamiques connues dans les manuels. Une relation statique TB = f (PB ) peut tre dduite par une mthode de rgression. Il suit du modle bond graph en causalit intgrale de la FIG. 5.28-(a) les quations suivantes - Equation de conservation de masse, jonction 0h2 : d ( .Vl + v .Vv ) dt l - Equation de conservation de puissance, jonction 0t2 : m 38 = m 17 m 40 = (5.42)

1 wRa = 1 . .(TB T a) Ra Ra n = eB + 1 + eB .
AB

(5.41) 1 e Bn 1 . .(TB T a) AB ABn

18 H 43 Q 28 = d (l .hl .Vl + v .hv .Vv ) 25 = H (5.43) U dt o l , hl , Vl et v , hv , Vv sont respectivement les densits, les enthalpies spciques et les volumes de leau et de la vapeur dans la chaudire. PB est la pression dans la chaudire donne par le capteur De : P7 , et VB est le volume total connu de la chaudire.

5.13. Modlisation BG-LFT du GV

145

Lquation constitutive du multiport C permettant de calculer les eorts uidique e38 et thermique e25 est fortement non linaire mais lie bien la variable de dplacement et leort: Z Z

e38 = PB = h (q38 , q25 ) = h f38 .dt, f25 .dt Z Z e25 = TB = t (q38 , q25 ) = t f25 .dt f38 .dt,

(5.44)

o q38 et q25 sont les pseudo variables de dplacement qui sont la masse m38 et lnergie interne U25 . Ces deux variables deort sont dtermines en rsolvant le systme dquations (5.45)
tel-00200030, version 1 - 20 Dec 2007

U25 m38

o hv (PB ) , hl (PB ) , v (PB ), l (PB ) et X sont respectivement lenthalpie spcique de la vapeur et du liquide, la masse volumique de la vapeur et du liquide et le titre du mlange. (PB ) et h (PB ) sont des fonctions polynomiales. La rsolution du systme dquations (5.45) permet de dterminer la pression P38 et le titre X . La temprature est ensuite aisment dduite de la fonction thermodynamique TB = f (PB ). Le niveau de leau Vl dans la chaudire est donn par les dtecteurs De : L8 et De : L9 ; Le volume de la vapeur Vv est gal la dirence entre le volume total de la chaudire VB et le volume de leau Vl : Vv = VB Vl ; l , hl , v , et hv sont calcules en utilisant un algorithme dinterpolation polynomial; Les incertitudes sur le volume de leau et de la vapeur Vl et Vv sont principalement dues la dicult de mesurer avec prcision le volume de leau sur un systme extrmement perturb; l , hl , v , et hv reprsentent lerreur destimation de lalgorithme dinterpolation polynomial dduite de la table thermodynamique. Ltude du diagnostic se faisant sur le BG en causalit drive, les quations (5.42) et (5.43) reprsentent les quations associes au multiport C reprsentant la chaudire en causalit drive

= 25

U25 .dt = h (P ) .X + h (P ) . (1 X ) v B l B m 38 .dt m 38 .dt = v (PB ) .X + l (PB ) . (1 X ) VB .dt

(5.45)

146 En prenant en considration les incertitudes sur les variables l , hl , Vl , v , hv et Vv , les incertitudes sur le multiport C compos de lnergie uidique et thermique se calculent de la faon suivante: d ln + l .ln . (Vln + Vl .Vln ) + vn + v .vn . (Vvn + Vv .Vvn ) (5.46) dt = m 38n wCh2 wCh2 = Ch2 .m 38n m 38n = ln .Vln + vn .Vvn Vl + l + Vl . l .ln .Vln + Vv + v + Vv . v .vn .Vvn Ch2 = ln .Vln + vn .Vvn d ln + l .ln . (Vln + Vl .Vln ) . (hln + hl .hln ) + = dt vn + v .vn . (Vvn + Vv .Vvn ) . (hvn + hv .hvn ) (5.47) (5.48)

m 38 =

avec

tel-00200030, version 1 - 20 Dec 2007

25 U

(5.49)

25n wCt2 = U avec

25n wCt2 = Ct2 .U

(5.50)

25n = l .Vln .hln + v .Vvn .hvn U n n 1 .ln .Vln .hln + 2 .ln .Vln .hln Ct = ln .Vln .hln + .ln .Vln .hln

(5.51)

1 = l + hl + Vl + l . hl + l . Vl + l . Vl . hl 2 = v + hv + Vv + v . hv + v . Vv + v .Vv . hv Ch2 regroupe les incertitudes sur la partie uidique de C , et Ct2 regroupe les incertitudes sur sa partie thermique. Le volume de leau Vl tant donn par les dtecteurs L8 et L9 , la valeur de lincertitude Vl est suppose nulle, et la valeur donne par le dtecteur

5.13. Modlisation BG-LFT du GV

147

est suppose comme la valeur nominale Vln , car dans ce travail lintrt est port sur les incertitudes paramtriques et les bruits de mesures sont considrs comme des signaux hautes frquences faciles ltrer. Ainsi les sources de ux MSf : wCh2 et MSf : wCt2 reprsentent respectivement les incertitudes sur le ux de masse et sur le ux thermique dans la chaudire. Llment bond graph RS de la FIG. 5.28-(a) et (b) reprsente la rsistance lectrique du thermoplongeur, sa valeur nominale RSn et lincertitude 1 sont donnes par RS le constructeur. La tension lectrique dalimentation du thermoplongeur est u = 380volt. La source de ux MSf : wRS qui reprsente lincertitude sur le ux de chaleur fourni la chaudire est donne par lquation (5.52) wRS
tel-00200030, version 1 - 20 Dec 2007

1 = 1 . .u2 RS RSn

Le ux denthalpie transmis de la chaudire au systme dexpansion de vapeur est dtermin partir du modle bond graph de la FIG. 5.28: 50 = TB .cv .m 49 H (5.53)

(5.52)

49 sont respecticv est la capacit thermique volume constant de la vapeur, TB et m vement donns par le dtecteur de temprature De : T5 et le dtecteur de ux de masse Df : F10 . Lincertitude sur le ux de chaleur la sortie de la chaudire est due lincertitude cv . Cette dernire correspond lerreur destimation de lalgorithme dinterpolation polynomial utilis pour calculer cv . La source de ux MSf : wRT2 est alors module comme suit : wRT2 = cv . (T25 .cpn .m 49 ) (5.54)

148 Le modle BG-LFT de la chaudire avec les capteurs dualiss est ainsi donn FIG. 5.30
R: Rz2n

SSe: P7 MSf: wCh2


39 17 47 40 49 41

SSf: F10 Vers le systme d expansion


42 51

P17 & 17 m

0h2
38

1
De: L8

De: L9

T e: SS

La Pompe
45

MSe: wRz2

T 6 C:Cn De: MSf:wRa


25 26

0t 2
23 24 28

44

27

:w C Sf M

1
57

t2

43

50

RT2n
56

0
48

59

0
32

58

SSe: T5
46
S

tel-00200030, version 1 - 20 Dec 2007

Se: -Ta
31

1
29

MSf:wRT2

SSf: Q4

RS
33

:w Sf M

R: Ran

Se: u

Fig. 5.30 Modle BG-LFT de la chaudire en causalit drive avec capteurs dualiss

5.13.5

Gnration des RRAs robustes

Le modle BG-LFT du gnrateur de vapeur est donn FIG. 5.31 La premire RRA est gnre partir de la jonction 0h1 lie au dtecteur SSe : P1 . Cette relation de redondance analytique est sensible aux fuites deau dans la cuve: RRA1 : f1 + f11 f2 f3 = f8 (5.55)

in = 0 f1 = m f11 = wCh1 f3 = f16 = F3

5.13. Modlisation BG-LFT du GV


b.( k1.P + k2 )

149

SSe: P1
8 1

MSf : w Ch1 : w e
11

p R

M
3

R:Rz1n R: Rpn SSf: F3


16 15

R: Rz2n

SSe: P7 MSf: wCh2


39 47 40 49 41 17

SSf: F10 Vers le systme d expansion


42 51

20

13

& in Sf : m

0 h1
2

P3 &3 m

P14
14 21

P17 & 17 m

0h 2
38

1
De: L8

De: L9

MSe: w Rz2

MSe: wRz1 Cn SSe: T2


10 4 5 6

T6 De : MSf:wRa

Cn M
25

Sf : w

Ct 2

Se:Tin

RC
12

0t 1

T6 &6 H

RC

RT1n

T18 & 18 H

18

45 22

26

44 48

MSf:wRT2
43 50

0t 2
27 24 28

RT2n

T5

MSf:wRT1 Se: -Ta

MSf : w C t1

e: SS

1
57

56

0
32

58

SSe: T5
46
R :w Sf S

1
31 29

SSf: Q4

RS
33

tel-00200030, version 1 - 20 Dec 2007

R: Ran

Se: u

Fig. 5.31 Modle BG-LFT en causalit drive du gnrateur de vapeur avec capteurs dualiss Comme soulign plus haut, f8 est le ux renvoy par le dtecteur deort SSe : P1 qui est bien nul: f8 = 0. Les variables inconnues seront values par un chemin causal vers le dtecteur. f2 est limin par le chemin suivant

SSe : P1 = e 2

me

e8 = e 2

de
dt

&2 e

Ch

&2 f 2 = C h1.e

Le capteur prsent sur linstallation est en fait un capteur de niveau, exprim en litres VT 103 .T .g e2 = .g.hT = .g. = .L1 [P a] (5.56) AT AT Le rsidu r1 et le seuil de fonctionnement normal a1 sont alors donnes dans le systme dquations suivant: r1 =
103 .T .g 1 .Ch1 . dL AT n dt

RRA1 :

+ F3

a = wCh1 1

(5.57)

150 La deuxime RRA est gnre partir de la jonction 1 lie au dtecteur dualis SSf : F3 . Cette RRA est sensible un bouchon au niveau de la sortie de la pompe (le dfaut physique se traduit par une variation du rayon de la conduite, ce qui correspond une dviation du paramtre Rz1 de sa valeur nominale). hT et VT sont respectivement la hauteur et le volume de leau dans le rservoir. De la jonction 1 associe SSf : F 3 RRA2 : e16 = e14 + e21 e15 e17 (5.58)

e16 = 0
tel-00200030, version 1 - 20 Dec 2007

e21 = wRz1 e15 = (Rz1n .F3 )2 e17 = e39 = P7 e14 est limin par le parcours du chemin suivant

e14

J1

e13

Rpn

f13

J1

f14 = F3

Llimination est eectue comme suit J1 : e14 = e3 e13 + e20 e20 = wRp

e13 est dduit de lquation (5.32) e13 = ainsi

e3 = P1 chemin: (3 8) e13 = Rp (f13 , Rpn ) (caractristique de la pompe) f13 = F3 chemin: (13 14 16) m 13 k2 F3 k2 = b.k1 k1 b.k1 k1

(5.59)

(5.60)

5.13. Modlisation BG-LFT du GV

151

e14 = P1 Rp (F3 , Rpn ) La RRA incertaine est alors

(5.61)

F3 k2 + (Rz1n .F3 )2 P7 + wRz1 + wRp (5.62) b.k1 k1 En sparant la partie nominale de la partie incertaine de la RRA2 on obtient le rsidu r2 et le seuil adaptatif de fonctionnement normal a2 : ARR2 : P1 r2 =
103 .T .g .L1 AT

RRA2 :
tel-00200030, version 1 - 20 Dec 2007
3

.T .g avec P1 = 10 AT .L1 . n Notons que b (0,1) est une variable boolenne. Lorsque b = 0 (la pompe est arrte) le circuit dalimentation ne dlivre aucun dbit et la RRA2 nest pas considre dans lalgorithme de diagnostic. La troisime RRA est gnre partir de la jonction 0h2 lie au dtecteur dualis SSe : P7 sur le modle de la FIG. 5.31. Cette RRA est sensible aux fuites de leau dans la chaudire. Il suit de la jonction 0h2

a = |w | + |w | 2 Rz1 Rp

F3 b.k1

k2 k1

(Rz1n .F3 )2 P7

(5.63)

RRA3 : f39 = f17 + f47 f40 f38

(5.64)

f39 = 0 f47 = wCh2 f40 = F10 f17 = F3

f38 =

la RRA3 est ainsi calcule

d ln .Vln + vn .Vvn dt d = ln (P7 ).Vln + vn (P7 ) . (VBn Vln ) dt

(5.65)

152

RRA3 :

r3 = F3 F10 a = |w | 3 Ch2

d dt

ln (P7 ).L8 .103 + vn (P7 ) . (VBn L8 .103 )

(5.66)

La RRA4 est gnre partir de la jonction 0t2 lie au dtecteur dualis SSe : T5 sur le modle de la FIG. 5.31.

ARR4
tel-00200030, version 1 - 20 Dec 2007

f24 = f18 + f44 + f45 + f48 + f27 + f22 f25 f28 f43 f26

(5.67)

f18 = F3 .cpn .T2 f44 = wCt2 f45 = wRa f46 = wRS f48 = wRT2 f27 = f56 = f24 = f25 = f28 = f43 = 1 (u)2 + wRS RSn f26 = 0 d ln (P7 ).L8 .103 .hln + vn (P7 ) .hvn . VBn L8 .103 .cvn .T5 dt 1 . (T5 Ta ) Ran F10 .cvn .T5

f22 = wRT1

1 1 r4 = F3 .cpn .T2 + RS .u2 Ra . (T5 Ta ) F10 .cvn .T5 n n d 3 3 ARR4 : ( P ) .L . 10 + ( P ) . ( V L . 10 ) .c .T 7 8 7 B 8 v 5 ln vn n n dt a4 = |wC | + |wRS | + |wRa | + |wRT | + |wRT | t2 1 2

(5.68)

`me une 5e RRA peut tre gnre partir de la jonction 0 lie llment RS et wRS

5.13. Modlisation BG-LFT du GV

153

RRA5

f58 = f32 f56 + f46

(5.69)

f58 = 0 f32 = f56 u2 RSn = SSf = Q4

f46 = wRS r5 =

ARR5 :
tel-00200030, version 1 - 20 Dec 2007

u2 RSn

Dans le modle bond graph de la chaudire, on observe que les capteurs De : L8 , De : L9 et De : T6 ne peuvent pas tre dualiss car ils correspondent des redondances matrielles B.OuldBouamama (2002) [49]. Ces RRAs matrielles sont :

a = |w | 5 RS

Q4

(5.70)

ARR6 : L8 L9 = 0 ARR7 : T8 T9 = 0 ARR8 : L8 P7 = 0

(5.71)

5.13.6

Rsultats exprimentaux

Les valeurs nominales des paramtres et les incertitudes utilises pour limplmentation de lalgorithme de diagnostic robuste, sont donnes dans le tableau TAB. 4.3: Le scenario exprimental consiste valuer des rsidus en temps rel dans deux situations : fonctionnement normal et fonctionnement dfaillant. Le but est de dtecter et disoler les dfautss introduites en tenant compte des incertitudes paramtriques. Cinq situations sont ralises: - Evaluation des rsidus en absence de dfautss; - Introduction dune fuite deau dans la cuve; - Introduction dune faute en agissant sur la vanne manuelle Rz1 dans le circuit dalimentation en eau. La variation de Rz1 peut tre provoque sur le systme rel par un bouchon la sortie de la pompe, et ce dernier peut apparatre progressivement cause de laccumulation de la salet et de la rouille dans la conduite;

154

Terminologies

Valeurs

Incertitudes

AT T g cp b k1
tel-00200030, version 1 - 20 Dec 2007

Section de la cuve Densit de leau dans la cuve Constante de gravit Chaleur spcique pression constante de leau Commande de la pompe paramtre de la caractristique de la pompe paramtre de la caractristique de la pompe Rsistance hydraulique de la conduite Conductivit thermique des parois de la chaudire Section de la chaudire Section de la base de la chaudire Epaisseur du mtal de la chaudire Volume de leau dans la chaudire Volume de la vapeur dans la chaudire Volume total de la chaudire Densit de leau Densit de la vapeur Enthalpie spcique de leau Enthalpie spcique de la vapeur Rsistance du thermoplongeur Ccient de transfert de chaleur

0.436 m2 variable 10 N/m variable 1 8.33.107 ms 0.97 kg/s 2550 0.174


P a.s kg w m.k

AT T g cp b k1 k2 Rz AB ABb
1 eB

0.004 0.02 0 0.015 0 0.05 0.05 0.02 0 0.0067 0.00146 0.085 0.006 0.006 0 0.02 0.02 0.023 0.023 0.01 0.027

k2 Rz AB ABb eB Vl Vv VB l v hl hv RS Ra

1.887 m2 0.183 m2 0.008 m valeur mesur e e F onction 0.175 m3 F onction F onction F onction F onction 2.406 2858 w/ k

Vl Vv VB l v hl hv RS Ra

Tab. 5.3 Valeurs nominales et incertitudes des paramtres.

5.13. Modlisation BG-LFT du GV - Introduction dune fuite deau au niveau de la chaudire; - Introduction dune panne du thermoplongeur;

155

Les gures Figs. 5.32-(a), (b), (c) et (d) montrent respectivement les rsidus r1 , r2 , r3 ,et r4 en absence de dfauts. Les rsidus sont lintrieur des seuils de fonctionnement normal. On rappelle que ces derniers sont gnrs automatiquement en utilisant les parties incertaines des RRAs. La FIG. 5.33-(a) reprsente la valeur dtectable de la fuite deau dans la cuve, qui est un dfaut structurel not Y s. Elle est obtenue partir de la partie incertaine de la RRA1 en utilisant lquation (3.19) dduite de lquation (3.17): DI = |Ys |
tel-00200030, version 1 - 20 Dec 2007

Le dfaut est dtct lorsque DI > 0 ce qui donne: |Ys | > et nous avons: X |wi |

|wi |

la valeur dtectable de la fuite es alors dtermine comme suit: ATn dP1 |Ys | > AT . . .g dt
Tn

ATn dP1 . a1 = |wCh1 | = AT . T n .g dt

La FIG. 5.33-(b) montre le prol de la faute introduite, o la fuite apparat de faon progressive. La FIG. 5.33-(c) montre la raction du rsidu r1 la faute. Cette dernire est dtecte lorsque linuence de la fuite deau devient suprieure celle de lensemble des incertitudes. La FIG. 5.34-(a) reprsente le taux dtectable de la faute sur le paramtre Rz1 not YRz1 obtenue partir de la partie incertaine de la RRA2 en utilisant lquation (3.18) dduite de lquation (3.17): |Yi | > P |wi | |ein |

YRz > |wRz1 | + |wRp | 1 |(Rz1n .F3 )2 |

156 La FIG. 5.34-(b) montre la valeur nominale Rz1n , avec une faute progressive introduite entre les instants t = 4s et t = 16s. La FIG. 5.34-(c) montre la raction du rsidu r2 la faute. Cette dernire est dtecte lorsque le taux de dviation de Rz1 par rapport sa valeur nominale devient suprieur au taux dtectable YRz1 . La FIG. 5.35-(a) montre la valeur dtectable dune fuite deau dans la chaudire. La FIG. 5.35-(b) montre le prol de la faute introduite progressivement entre les instants t = 4s et t = 16s. La FIG. 5.35-(c) reprsente la raction du rsidu r3 la faute, qui est dtecte lorsque son inuence devient suprieure celle introduite par les incertitudes. La FIG. 5.36-(a) reprsente le taux dtectable dun dfaut sur llment RS not YRS . La FIG. 5.36-(b) montre la valeur nominale de llment RS , avec une faute introduite progressivement entre les instants t = 4s et t = 16s. La FIG. 5.36-(c) montre la raction du rsidu r4 cette faute. La faute est dtecte lorsque le taux de dviation de RS par rapport sa valeur nominale dpasse le taux dtectable YRS .
(a ) 0.05 r1(kg/s) Residu 0 -0 . 0 5 0 2 4 6 8 10 12 Te m p s (s ) (b ) 0.02 r2(kg/s) Residu 0 -0 . 0 2 0 2 4 6 8 10 12 Te m p s (s ) (c ) 0 .5 r3(kg/s) Residu 0 -0 .5 0
4

tel-00200030, version 1 - 20 Dec 2007

14

16

18

20

14

16

18

20

10 12 Te m p s (s ) (d )

14

16

18

20

2 Residu r4(w) 0 -2

x 10

10 12 Te m p s (s )

14

16

18

20

Fig. 5.32 Rsidus r1 ,r2 ,r3 ,et r4 en absence de dfauts

5.13. Modlisation BG-LFT du GV

157

(a) 0.015 Ys (kg/s) 0.01

10 12 Temps (s) (b)

14

16

18

20

Fuite d'eau (kg/s)

0.02 0.01 0 0 2 4 6 8 10 12 Temps (s) (c) 14 16 18 20

0.04 Residu r1 (kg/s) 0.02 0 -0.02 -0.04 0 2 4 6 8 10 12 Temps (s) 14 16 18 20

tel-00200030, version 1 - 20 Dec 2007

Fig. 5.33 (a): Valeur dtectable de la fuite deau dans la cuve. (b): Prol de la faute introduite. (c): Raction du rsidu r1

YRz1 (% de Rz1)

(a) 0.021 0.02 0.019 0 2 4 6 8 10 12 Temps (s) (b) 14 16 18 20

Rz1 (Pa.s/kg)

2800 2700 2600 2500 0 2 4 6 8 10 12 Temps (s) (c) 14 16 18 20

Residu r2 (kg/s)

0.02 0 -0.02

10 12 Temps(s)

14

16

18

20

Fig. 5.34 (a): Taux dtectable de la faute Y Rz1 . (b): Prol de la faute introduite. (c): Raction du rsidu r2

158

(a) 0.4 Ys (kg/s) 0.2 0

10 12 Temps (s) (b)

14

16

18

20

Fuite d'eau (kg/s)

0.5 0 -0.5 0 2 4 6 8 10 12 Temps (s) (c) 14 16 18 20

0.5 Residus r3 (kg/s) 0 -0.5

tel-00200030, version 1 - 20 Dec 2007

10 12 Temps (s)

14

16

18

20

Fig. 5.35 (a): Valeur dtectable de la fuite deau dans la chaudire. (b): Prol de la faute introduite. (c): Raction du rsidu r3

(a) YRS (% de RS) 0.1

0.05

10 12 Temps (s) (b)

14

16

18

20

3 RS (Ohm) 2.5 2 0 x 10
4

10 12 Temps (s) (c)

14

16

18

20

5 Residu r4 (w) 0 -5

10 12 Temps (s)

14

16

18

20

Fig. 5.36 (a): Taux dtectable de la faute Y RS . (b): Prol de la faute introduite. (c): Raction du rsidu r4

5.14. Conclusion

159

Banc dessai JEF Type Modlisation Espace Paramtrique Dynamique Instrumentation Implmentation en temps rel
Stationnaire Bond Graph Simple : Identifiable par les mthodes rcursives Rapide Non redondante et prcise

Gnrateur de vapeur
Non stationnaire Pseudo Bond Graph Complexe : Mthodes rcursives et Mthodes dinterpolation Lente Redondante et moins prcise (Capteurs de niveau, Systme perturb) Carte dacquisition : National Instrument, RTW et Matlab-Simulink - Robustesse aux incertitudes paramtriques ; - Sensibilit aux dfauts ; - Les performances sont obtenues autour du point de fonctionnement choisi.

Carte dacquisition : D-Space et Matlab-Simulink - Robustesse aux incertitudes paramtriques ; - Sensibilit aux dfauts ; - Les performances sont obtenues sur toute la plage de fonctionnement du systme.

tel-00200030, version 1 - 20 Dec 2007

Performances du diagnostic

Tab. 5.4 Comparaison des deux applications.

5.14

Conclusion

La modlisation BG LFT et le diagnostic robuste du gnrateur de vapeur sont prsents dans cette application. Linteraction des dirents phnomnes est prise en considration grce aux proprits nergtiques de loutil bond graph. Lutilisation de la forme LFT pour modliser les lments bond graphs a permis de gnrer automatiquement partir du modle, les rsidus et les seuils adaptatifs de fonctionnement normal. Lanalyse de la sensibilit des rsidus aux dfauts paramtriques et structurelles permet de dterminer les valeurs dtectables des dfauts, et de contrler par consquent les performances du diagnostic. Une comparaison des deux applications est donne dans le tableau TAB. 5.4.

tel-00200030, version 1 - 20 Dec 2007

160

Chapitre 6 Conclusions gnrales et perspectives


tel-00200030, version 1 - 20 Dec 2007

6.1

Conclusions

Ce mmoire prsente une contribution de la mthodologie bond graph pour llaboration dalgorithmes de diagnostic robustes aux incertitudes paramtriques. Ce travail de recherche est ralis dans le cadre dune thmatique globale pour la conception intgre de systmes de supervision base de modles bond graphs. Le choix de la forme LFT pour la modlisation des incertitudes paramtriques avec les bond graphs a permis dutiliser un seul outil pour la gnration systmatique dindicateurs de dfauts incertains formels. Ces incertitudes paramtriques sont explicitement introduites sur le modle physique grce son architecture graphique, ce qui permet dafcher clairement sur le modle leurs origines. Les RRAs incertaines gnres sont bien structures, faisant apparatre sparment lapport nergtique des incertitudes aux indicateurs de dfauts et facilitant leurs valuations dans ltape de dcision par le calcul des seuils adaptatifs de fonctionnement normal. Les performances du diagnostic sont contrles par une analyse de la sensibilit des rsidus aux incertitudes et aux dfauts. Lindice de dtectabilit des dfauts est dni pour estimer a priori la valeur dtectable dun dfaut, permettant ainsi de mesurer limpact du dfaut sur un processus industriel. Lindice de sensibilit paramtrique est utilis pour dterminer les paramtres qui ont le plus dinuence sur les rsidus. Dun point de vue pratique, les champs dapplications de cette mthode sont trs vastes grce laspect nergtique et multi physique des bond graphs, et la forme LFT utilise pour modliser linuence des incertitudes sur le systme. La procdure dveloppe est implmente sur un outil logiciel an dautomatiser la gnration des modles LFT et des RRAS incertaines. 161

162

Chapitre 6. Conclusions gnrales et perspectives

Notre contribution peut donc se rsumer par le titre suivant: "Dveloppement dune procdure de diagnostic robuste aux incertitudes paramtriques" Dirents aspects ont t abords lanalyse structurelle du modle, qui nous a conduit proposer une mthode permettant de vrier ltat du couplage (sur-dtermin ou sous-dtermin) directement sur le modle bond graph. le dveloppement dune mthode de gnration et dvaluation des rsidus, constitue de trois tapes: 1) Gnration symbolique des RRAs incertaines partir dun modle BG-LFT propre, observable et sur-dtermin, en utilisant les proprits causales et structurelles de loutil bond graph.
tel-00200030, version 1 - 20 Dec 2007

2) Gnration de seuils adaptatifs de fonctionnement normal des rsidus sous forme dune enveloppe en utilisant les proprits de la valeur absolue, permettant ainsi dassurer la robustesse aux fausses alarmes. 3) Dveloppement dune mthode danalyse de la sensibilit des rsidus aux dfauts et aux incertitudes dans le but de contrler et damliorer les performances du diagnostic vis--vis des non dtections et des retards dans la dtection des dfauts. Ces rsultats ont ensuite conduit une implmentation informatique de la mthode propose sur un logiciel ddi aux bond graphs, de ltape de modlisation jusqu ltape de gnration des RRAs incertaines. Cette approche a t mise en oeuvre sur des applications en temps rel correspondant des systmes de dynamiques et de complexits direntes. Pour mettre en vidence la contribution de lapproche bond graph par rapport aux autres mthodes quantitatives, en particulier lespace de parit et le ltrage, un tableau comparatif est propos dans la TAB. 6.1 Un des avantages majeurs de lapproche bond graph dveloppe dans ce manuscrit est quelle peut sappliquer des modles non linaires, condition que lon puisse faire apparatre explicitement lincertitude paramtrique multiplicative dans les lois des composants.

6.2

Perspectives

Souvent les systmes complexes sont non stationnaires, do la dicult de dvelopper des algorithmes de diagnostic couvrant toute leurs plages de fonctionnement. Le diagnostic robuste des systmes non stationnaires est une thmatique de perspective, qui peut tre dveloppe par une approche multi modles. La dicult dans ce genre dapproche se situe

6.2. Perspectives

163

Filtrage
Robustesse aux incertitudes ; Sensibilit aux dfauts Modle dtat linaire Les paramtres des RRAs nont pas une perception physique claire, car le modle est une reprsentation dtat

Espace de parit
Robustesse aux incertitudes ; Sensibilit aux dfauts Modle dtat linaire Les paramtres des RRAs nont pas une perception physique claire, car le modle est une reprsentation dtat

Approche Bond Graph


Robustesse aux incertitudes ; Sensibilit aux dfauts Modle bond graph linaire eu certaines classes de modles BG non linaire Les paramtres des RRAs correspondent des phnomnes physiques bien dfinis sur le modle, et leurs variations peuvent tre associes des dfauts Gnration automatique des RRAs robustes. Evaluation de lnergie apporte par les incertitudes aux rsidus, afin de gnrer des seuils adaptatifs de fonctionnement normal

Performances recherches Modle utilis

tel-00200030, version 1 - 20 Dec 2007

Espace paramtrique

Dmarche de diagnostic

Eliminer linfluence des incertitudes sur les rsidus en utilisant des filtres de bouclage rponses bornes

Projection de lespace dtat dans un espace appel espace de parit, orthogonal la matrice dtat et la matrice des incertitudes Les incertitudes sont identifiables. La matrice de parit orthogonale la matrice des incertitudes nest pas orthogonale la matrice des dfauts Suppos connu et born par une norme ou par un intervalle.

Hypothses sur la nature des incertitudes Apport nergtique des incertitudes

Les incertitudes sont identifiables. Les incertitudes et les dfauts nagissent pas la mme frquence Estim partir du traitement sur le spectre de frquences des signaux dincertitudes

Les incertitudes sont identifiables

Estim grce aux proprits causales, structurelles et nergtiques des bond graphs

Tab. 6.1 Tableau comparatif de lapproche bond graph avec la mthode de lespace de parit et la mthode du ltrage.

164

Chapitre 6. Conclusions gnrales et perspectives

dans la transition discontinue entre les modles qui gnre de fausses alarmes. Le pronostic est la deuxime thmatique en perspective, car dans certains domaines comme le nuclaire et laronautique, la dtection de la prsence dune dfaillance aussi prcoce que possible ne peut que limiter les dgts. Le challenge est donc de prvenir ces dfaillances avant mme quelles ne se manifestent, an dviter tout danger sur les personnes et lenvironnement.

tel-00200030, version 1 - 20 Dec 2007

Chapitre 7 Annexes
tel-00200030, version 1 - 20 Dec 2007

7.1
7.1.1

Gnralits sur les bond graphs


Denition

La mthodologie de la modlisation par bond graph est base sur la caractrisation des phnomnes dchange de puissance (par un lien) au sein dun systme. Lide de la modlisation par bond graph est la reprsentation des puissances dissipes comme le produit ux-eort lies par les direntes jonctions pour reproduire les changes au sein du systme. Il existe aussi quelques bond graphs, que nous verrons plus loin, o le produit eort par le ux nest pas une puissance. Ils sont appels pseudo bond graphs, et sont utiliss principalement pour la modlisation des phnomnes rencontrs en gnie des procds (thermiques, chimiques). Les bond graphs permettent, partir dun systme physique quelconque, dobtenir une reprsentation graphique indpendante du domaine physique tudi. La construction dun modle bond graph est ralise en trois tapes. La premire tape consiste dcomposer le systme modliser en sous-systmes, associs aux dirents composants technologiques. Linterconnexion des composants est assure par des variables de liaison. Cette reprsentation est appele bond graph mot ou word bond graph. On peut dire que cest ltape technologique de la modlisation. La deuxime tape consiste reproduire graphiquement tous les phnomnes physiques pris en compte dans les hypothses de modlisation. A ce niveau loutil bond graph vocation pluridisciplinaire, permet par sa nature graphique laide dun langage unique 165

166

Chapitre 7. Annexes

de mettre en vidence la nature des changes de puissance dans le systme, tels que les phnomnes de stockage, de transformation et de dissipation dnergie. Lordre et le type de dynamique du systme sont directement dduits du modle bond graph. Enn, grce son caractre volutif, la structure du modle graphique obtenu, peut tre modie par simple ajout dlments (de frottement, dinerte, compressibilit,...etc). Ce niveau constitue une tape physique. La troisime tape consiste crire les lois constitutives des composants ou des phnomnes, en tenant compte des causalits aectes, cest la reprsentation mathmatique.

7.1.2
7.1.2.1
tel-00200030, version 1 - 20 Dec 2007

Elments Bond Graphs un port


Reprsentation

Dans chaque systme ferm, il y a non seulement conservation de lnergie, mais aussi continuit de puissance. On reprsente le ux dnergie entre deux systmes A et B en liaison, par un lien de puissance, dsign par le symbole visible gure FIG. 7.1 qui caractrise le bond (ou lien) du bond graph. Le sens de la demi-che correspond la direction de la puissance P change.

e f

R, C, I

Fig. 7.1 Reprsentation dun lment bond graph 1 port

7.1.2.2

Utilisation des variables dans la modlisation bond graph

Les variables mises en jeu dans la modlisation par bond graph sont: 1. Variables de liaison : la puissance change P sexprime par le produit de deux variables dites de puissance, leort (e) et l ux (f ):

P = e.f

7.1. Gnralits sur les bond graphs


Domaine Eort [Units] Flux [Units] Impulsion [Units] Dplacement [Units]

167

e(t) Electrique
Tension

f (t)
Courant

p(t)
ux magntique

q(t)
charge lectrique

[V olt] mcanique
de rotation Couple

[Ampere]
Vitesse angulaire

[W eber]
Impulsion angulaire

[Coulomb]
Angle

tel-00200030, version 1 - 20 Dec 2007

[N.m] mcanique
de translation Force

[Rad/s]
vitesse linaire

[N.s]
impulsion

[Rad]
distance

[N ]
Pression

[m/s]
dbit volumique

[N.s]
impulsion de pression [P a.s] -

[m]
Volume

hydraulique

[P a] Thermique
Temp-

[m3 /s]
Flux de chaleur [J/s] Flux dentropie

[m3 ]
Energie calorique [J]

-rature [K ] Thermodynamique Chimique


Temp-

Entropie

-rature [K ]
Potentiel chimique

[J/(K.S )]
Dbit molaire -

[J/K ]
Nombre de moles

[J/mole] Economique
Prix unitaire des marchandises

[Mole/s]
Taux de ux des marchandises Impulsion conomique

[Mole]
Inventaire

Tab. 7.1 Variables utilises dans la modlisation bond graph.

168

Chapitre 7. Annexes

2 Variables dnergie : elles sont dnies par les relations intgrales suivantes : p (t ) limpulsion ou la quantit de mouvement gnralis, p(t) = et q (t ) le dplacement gnralis, q(t) = Z Z
t

e( )d , p(0)

(7.1)

f ( )d , q (0)

(7.2)

La signication des variables cites pour les principaux domaines est indique par la TAB.7.1. On distingue les lments bond graphs suivants : passifs, actifs, et de jonction.
tel-00200030, version 1 - 20 Dec 2007

7.1.2.3

Elements passifs

Ils dissipent de la puissance. La demi-che est normalement reprsente entrant dans ces lments. Ces lments sont dsigns par R, C et I . Rsistance R: modlise tout phnomne physique liant leort et le ux. Citons titre dexemple rsistance lectrique, diode, restriction hydraulique, frottement, rsistance thermique. La loi linaire ou non linaire est sous forme:

R (e,f ) = 0

(7.3)

2 en Exemple 7.1.1 la loi dohm U = R.i en lectricit, ou de Bernoulli P = KD .V hydraulique, ou de Fourier en thermique T = KC .Q. Les reprsentations graphiques respectives sont donnes par la gure 7.2. Capacit C : modlise tout phnomne physique liant leort au dplacement; exemple : ressort, condensateur, accumulateur, rservoir de stockage, phnomne de compressibilit. C est un lment de stockage dnergie. Z C (e,q ) = 0 ou C e, f ( )d = 0 ou P =

(7.4) 1R V dt en C

q V 1 R idt ou u = en lectricit, P = Exemple 7.1.2 u = C C C 1 R Qdt en thermique FIG. 7.2. hydraulique et T = C

7.1. Gnralits sur les bond graphs

169

e f
(a) F

R:Ri

u i R u i R:Re
(b) F

& x R & V P1

P = P1 P2

= 1 2
P2

& V
R

1
& n

Rc

2
& n

F & x

P R:Rm
(c)

& V

R:Rh
(d)

& n

R:Rc
(e)

tel-00200030, version 1 - 20 Dec 2007

Fig. 7.2 Reprsentations graphiques dun lment R

e f = (a) u i C1 C:C1 (b) dq dt

C:Ci F
& x

P k F

& V
P & V (d) C:A/(g)

u i

F
& x

C:1/k (c)

Fig. 7.3 Reprsentations graphiques dun lment C

170

Chapitre 7. Annexes

Inertie I : modlise tout phnomne dinertie liant le ux limpulsion. I est un lment de stockage dnergie. Exemple : masse en translation, inductance, inertance dun liquide. La relation est de la forme:

Z I (p, f ) = 0 ou I f, e( )d = 0 Exemple 7.1.3 u = L. .l di ou = L.i en lectricit et P = .V en hydraulique. dt A

(7.5)

tel-00200030, version 1 - 20 Dec 2007

e=dp/dt I:Ii f (a) u i L u i (b) I:L


,

& V

P1
A

P2

P = P1 P2

I:J (c)

P & V

I :
0

dl A(l )

(d)

Fig. 7.4 Elment I inertiel. (a): Modle bond graph. (b): Exemple lectrique , (c): Exemple
mchanique (d): Exemple hydraulique.

Les lments I et C sont tous les deux associs un stockage dnergie. Mais contrairement C , dans llment I , lnergie ne se conserve pas lorsque la variable du ux disparat : lnergie est stocke grce la dynamique du systme.

7.1.2.4

Elments actifs

Les lments actifs sont des sources qui fournissent de la puissance au systme. On distingue les sources deort Se (tel que gnrateur de tension) et les sources de ux Sf (gnrateur de courant, vitesse applique). On les dsigne par la FIG. 7.5. Lorientation de la demi-che est xe et suppose toujours sortant de la source.

7.1. Gnralits sur les bond graphs

171

Sf Se (a)

uc uc

MSf MSe (b)

Fig. 7.5 Elments actifs. (a): Sources dort et de ux. (b): Sources modules dort et de
ux

7.1.2.5

Elments de jonction

Ils servent coupler les lments R, C et I et composent la structure du modle. Ils sont conservatifs de puissance.
tel-00200030, version 1 - 20 Dec 2007

Jonction 0: associe les lments soumis au mme eort, ce qui correspond des lments en srie en mcanique (mme force) et en parallle en hydraulique et lectricit (mme tension, mme pression). La jonction et la loi constitutive sont donnes par la FIG. 7.6.
x &1

&3 x

x &2

i C1 i ic R1
& P,V R

iR

Pompe

& V 1 & V 3 C:CR

& V 4

C:1/k

&3 = x &1 x &3 x


C:C1

F F

&3 x 0 (a)

ic = i i R

&1 x

&2 x

Sf:i(t)

ic 0 (b)

& Sf : V 1 R:R1

p
& V 1

p V& R

& =V & V & V & V R 1 3 4

p
& V 4

0
p
& V 3

iR

(c)

Fig. 7.6 Jonction 0. (a): Systme mcanique. (b): Systme lectrique. (c): Systme hydraulique. Jonction 1 : elle associe les lments soumis un mme ux. Elle reprsente des lments en parallle en mcanique (mme vitesse) et en srie en lectricit et en hydraulique (mme courant ou mme dbit volumique). Dans les deux jonctions, nous avons une conservation de puissance qui est exprime par le bilan des puissances:

172
a
C:1/k
& x

Chapitre 7. Annexes
R1

b
Pe R2
R1

M F(t)

i E iR

P1

R2

R:b C:1/k Fc Se:F(t) F(t) & x & x FI & x I:R1 I:M Se:E(t)

& V
R:R1

Patm=0

c
u1
Se:Pe

1
FR & x R:b

Pe

E i
u2

i 1 i

& V

Patm

& P2 V
R:R2

& V

(a)

(b)

R:R2

(c)

Fig. 7.7 Jonction 1. (a): Systme mcanique. (b): Systme lectrique. (c): Systme hydraulique.

tel-00200030, version 1 - 20 Dec 2007

n X i=1

Environment Se:Patm=0

P1 V &

ai .ei .fi = 0

(7.6)

avec ai = 1 souvant que la demi-che est entrante ou sortante de la jonction.

7.1.3
7.1.3.1

Elments bond graphs 2 ports


Transformateur TF

Llment T F est un lment deux ports qui modlise les lments transformateurs de puissance tels quun transformateur lectrique, un systme dengrenage ou un bras de levier (FIG. 7.8). Si le module m nest pas constant, le transformateur est dit modul et est not par MT F , la variable m peut alors tre continue ou boolenne (0,1).
& F, x

&2 x

u1

u2

& P, V

F2

u1 i1

1/m

TF

u2 i2

&1 x
P
& V

F1 F1
&1 x

TF F
1/A

TF
b/a

F2
&2 x

& x

(a)

(b)

(b)

Fig. 7.8 Elment TF. (a): Transformateur lectrique. (b): Piston hydraulique. (c): Levier.

7.1. Gnralits sur les bond graphs 7.1.3.2 Gyrateur GY

173

Cet lment est un 2-ports reprsent par la gue 7.9.


i u , u = r = F (iind ) .i iind
u i

GY
r

u = r = ri

MGY (b)

(a)

tel-00200030, version 1 - 20 Dec 2007

Fig. 7.9 (a): Gyrateur. (b): Gyrateur modul

7.1.3.3

Liens dinformation

Lorsquune des variables eort ou ux est trs faible, la puissance transmise est ngligeable, on reprsente alors le signal transmis (par un capteur, un intgrateur, un sommateur) par un lien dinformation (FIG. 7.10-(c)). Les capteurs deort D : De et de ux D : Df sont reprsents par la FIGs. 7.10-(a) et (b).
De f=0 (a) e=0 f (b) Df uc (c)

Fig. 7.10 (a): dtecteur deort et (b): dtecteur de ux. (c): Lien dinformation.

7.1.4

Notion de causalit

Une proprit importante du bond graph par rapport aux reprsentations graphiques est la possibilit de mettre en vidence les relations de cause eet au sein du systme. Celles-ci sont mises en vidence par le trait causal plac perpendiculairement au lien. Le trait indique par convention le sens dans lequel leort est connu, le ux tant toujours considr comme connu dans le sens oppos au trait causal.

174

Chapitre 7. Annexes

Dans notre cas (FIG. 7.11-a), A applique B un eort e, qui ragit en envoyant A un ux f . Leort impos par A est une donne pour B . La notion de causalit en bond graph permet de rsoudre le niveau algorithmique de la modlisation en choisissant par exemple des causalits intgrales (la rsolution numrique dune intgration tant plus simple que la drivation). Soulignons que la position du trait causal est indpendante du sens de la demi-che.
& V P

PR

e f (a)

e A
& = dPP V R dt

PP

B
& V R

e A (b) e f B A
g
A

tel-00200030, version 1 - 20 Dec 2007

PR =

V&

P dt

+ P0

e est connu pour A

e est connu pour A

e f
f est connu pour B

A
f

f est connu pour B

(c)

Fig. 7.11 Causalis en bond graph. (a) Eort connu pour B. (b) Flux connu pour B. (c) Rgle de causalit

7.1.4.1

Rgle daectation de la causalit

Les relations de cause eet associes leurs schmas bloc ainsi que les rgles daffectation des causalits pour les lments de bond graph sont prsentes par les tableaux TAB. 7.2. La procdure daectation des causalits SCAP (Sequential causality application procedure) est eectue comme suit G. Dauphin-Tanguy (2000) [13]: 1. Aecter la causalit aux sources, 2. Mettre les lments I et C en causalit intgrale et aecter la causalit obligatoire sur les R non linaires et rpercuter sur lenvironnement. On essaiera toujours daecter aux lments C et I une causalit associe une loi de type intgrale car il est plus ais et

7.1. Gnralits sur les bond graphs

175

plus robuste dintgrer que de driver. 3. Aecter les causalits aux jonctions 0,1, T F ,GY . 4. Aecter les causalits aux lments R linaires en fonction des possibilits restantes. 5. Rechercher les conits de causalit. En cas de conit, reprendre en 2 et modier la causalit sur llment I ou C origine du conit. Quelquefois, on est contraint dajouter des lments C ou I (pouvant reprsenter un phnomne physique) pour obtenir une causalit intgrale.

tel-00200030, version 1 - 20 Dec 2007

176

Chapitre 7. Annexes

Element Effort source Flow source

Bond graph Se:e Sf:f

Causal equation e known f known e 2 e 3 e 4 f1 = e1 = e1 = e1

Bloc diagrams f Se:e e Sf:f f2 f3


(-) (+) (-)
Systme

Rule
Leffort (ou flux) impos par la source dffort (ou de flux) est une donne connue pur le systme. Rgle : La causalit est obligatoire Un seul effort peut donner sa valeur aux autres, (ici e1 ). Rgle: Un seule trait causal prs de la jonction 0. Un seul flux peut donner sa valeur aux autres (ici f1 ). Rgle: Un seul lien sans trait causal prs de la jonction 1.

Systme

Junction 0

e1 f1

e2 f2 0 f4 e4

f1

e3 f3

f4

= f2 + f3 f4 e 1

e 2 = e1 e3 = e1 e 4 = e1
(-) (+) (-)

e2 e3 e4
e1 f2 f3 f4 e1 f2

tel-00200030, version 1 - 20 Dec 2007

Junction 1

e1 f1

e2 f2 1 f4 e4

e3 f3

e2 e3 f 2 = f1 f = f , e4 3 1 f 4 = f1 e1 = e 2 + e3 e 4 f 1 e1 = me 2 f 2 = mf 1 , 1 e 2 = m e1 f1 = 1 f 2 , m e1 = rf 2 e 2 = rf 1 , 1 f = e 2 r 1 f = 1e , 1 2 r
e = C ( fdt ) = C (q ) f f = d 1 (e ) C dt

f 2 = f1 f 3 = f1 f 4 = f1

e1 f1 TF e1 f1 e1 f1 GY e1 f1

TF
:m

e2 f2 e2 f2 e2 f2 e2 f2

e2 f1

m 0 0 m

Un effort et un flux sont imposs au TF

e1
f2 f2 f1 e1 e2

TF
:m

1 m 0

0 1 m

e2
f1 e1 e2 f2 f1

Rgle : Un seul trait prs de TF

GY
:r

r 0 0 r
1 r 0 0 1 r

Deux flux ou deux efforts sont imposs au GY Rgle : Deux trait ou aucun trait prs de GY

GY
:r

e
C

f
e

C:C1

C ( fdt ) d 1 C (e ) dt

e f
f

Causalit intgrale prfrentielle Causalit drive prfrentielle Causalit intgrale prfrentielle

C:C1

) )
e

f
I e

I:I1 I:I1

f = I ( edt ) = I ( p ) e e= d 1 I (f ) dt

I ( edt )
d 1 I (f ) dt

f
e R

e Causalit drive
Causalit rsistance Causalit conductance

f e f

R:R1 R:R1

e = R( f )

f e

R( f ) 1 R ( e )

f = 1 R ( e )

Tab. 7.2 Causalit des lments bond graph.

7.1. Gnralits sur les bond graphs 7.1.4.2 Chemin causal

177

Dnition 6 Un chemin causal dans une structure de jonction (0,1,T F ou GY ) est une alternance de liens et dlments de base (R, C ou I ), appels nuds telle que tous les nuds ont une causalit complte et correcte, et deux liens du chemin causal ont en un mme nud des orientations causales opposes. Suivant la causalit, la variable traverse est leort ou le ux. Pour changer cette variable il faut passer par un lment de jonction GY , ou par un lment passif (I, C ou R). Dnition 7 Un chemin causal est dit simple sil est parcouru en suivant toujours la mme variable. Il existe donc pour une mme squence de liens et de noeuds, deux chemins en suivant soit leort soit le ux (FIG. 7.12)
tel-00200030, version 1 - 20 Dec 2007

e
f

Fig. 7.12 Chemin causal simple en suivant linformation eort ou linformation ux Dnition 8 Un chemin causal est mixte sil faut changer de variable lors du parcours. Cest le cas en prsence dun GY , o le chemin est appel mixte direct (FIG. 7.13 ) ou lorsquil faut traverser un lment R, C ou I , ce qui correspond un chemin mixte indirect (FIG. 7.14).

GY

f
Fig. 7.13 Chemin causal mixte direct

7.1.5

Bond graph bicausal

Gnralement, la causalit impose un certain nombre de rgles de propagation du ux et de leort dans le modle comme indiqu plus haut. Cette causalit implique que si

178
Elment

Chapitre 7. Annexes

f
Fig. 7.14 Chemin causal mixte indirect leort est connu dans un sens, alors le ux est connu dans le sens oppos. Ceci nest vrai que si nous connaissant les valeurs des composants constituant le bond graph. Dans le cas contraire, il est ncessaire de dnir dautres rgles daectation de causalit. P. J. Gawthrop (1995) [28] propose une gnralisation de laectation de la causalit en divisant le trait causal en deux, la moiti suprieure indique le sens de propagation de leort et la moiti infrieure le sens de propagation du ux comme le montre la FIG. 7.15.

tel-00200030, version 1 - 20 Dec 2007

e1 e e2 f1 f f2

e1 e e2 f1 f f2

Fig. 7.15 Bond graph bicausal Dans le cas de la FIG. 7.15, la causalit de R indique que les ux et eorts sont entrants (donc connus), ce qui permet de calculer la valeur de la rsistance R. La causalit de la source deort indique que la source deort est impose et que le ux est connu grce un capteur de ux par exemple. Il est aussi possible daecter une bicausalit pour un lment C , cependant il faudrait ajouter un capteur deort (au niveau de ce composant).

7.1.6

Equations dtat associes au modle bond graph

Le vecteur dtat, not x, est compos des variables dnergie p et q associes aux lments I et C .

7.1. Gnralits sur les bond graphs

179

pI x= qC 7.1.6.1 Proprits des variables dtat

(7.7)

Le vecteur dtat napparat pas sur le bond graph, mais seulement sa drive:

tel-00200030, version 1 - 20 Dec 2007

La dimension n du vecteur dtat x est gale au nombre dlments I et C en causalit intgrale, Si parmi les n lments I et C , n1 sont en causalit drive, alors lordre du modle est gal n n1 et le vecteur x se dcompose en xi et xd (i pour intgrale et d pour drive).

I eI p x = = fC q C

(7.8)

Bibliographie
[1] O. Adort, D. Maquin, J. Ragot. (1999). Fault detection with model parameter structured uncertainties. European Control Conference ECC99. [2] O. Adort, D. Maquin, J. Ragot. (2000). Diagnosis of an uncerain static system. Proceeding of the 39th IEEE Conference on Decision and Control. Sydney. NSW. Australia. pp. 4150-4154. [3] D. Alazard, C. Cumer, P. Apkarian, M. Gauvrit, G. Fereres. (1999). Robustesse et Commande Optimale. Cpadues-Editions ISBN. 2.85428.516.6. [4] J. Armengol, L. T. Massuys, J. Vehi, J. L. de la Rosa. (2000). A survey on interval model simulators and their properties related to fault detection. Annual Review in Control. 24. pp. 31-39. [5] K. J. Astrm, R. D. Bell. (2000). Drum-boiler dynamics, Automatica, Vol. 36. pp. 363-378. [6] M. Basseville. (1998). On-board element fault detection and isolation using the statistical local approach. Automatica, vol. 34. No.11. pp. 1359-1373. [7] M. Basseville, I. Nikiforov. (1993). Detection of abrupt changes: Theory and applications. Englewood Clits, NJ: Prentice-Hall. [8] M. Blanke, M. Kinnaert, J. Lunze, M. Staroswiecki. (2003). Diagnosis and FaultTolerant Control. Springer-Verlag Berlin Heidelberg New York. ISBN 3-540-01056-4. [9] M. Blanke, T. Lorentzen. (2006). SATOOL- A Software Tool For Structural Analysis of Complex Automation Systems. Proceeding of the 2006 IFAC Wold Congress. pp. 673-678. [10] W. Borutzky, G. Dauphin-Tanguy, (2004), Incremental bond graph approach to the derivation of state equations for robustness study, Simulation Modelling Practice and Theory, Vol. 12(1), 41-60. 180

tel-00200030, version 1 - 20 Dec 2007

181 [11] J. F. Broenink (1999). 20-Sim software for hierarchical bond graph/block-diagram models. Simulation Modelling Practice and Theory. Vol. 7. pp. 481-492. [12] G. Dauphin-Tanguy. C. Si Kam (1999). How to Model Parameter Uncertainies in a Bond Graph Framework. ESS99, Erlangen. Germany. pp. 121-125 [13] G. Dauphin-Tanguy. (2000). Les bond graphs, HERMES Science Publications Paris. ISBN 2-7462-0158-5. [14] L. J. De Miguel, L. F. Blazquez. (2005). Fuzzy logic-based decision-making for fault diagnosis in a DC motor. Engineering Applications of Articial Intelligence.Vol.18. pp. 423-450. [15] S. X. Ding, E. L. Ding, T. Jeinsch, P. Zhang. (2000). An Approach to a Unied Design of FDI Systems. Asian Control Conference, Shanghai, China.
tel-00200030, version 1 - 20 Dec 2007

[16] S. X. Ding, P. P. Frank. (2002). An Approach to the Detection of Multiplicative Faults in Uncertain Dynamic Systems. Proceeding of the 41st IEEE Conference on Decision and Control. Las Vegas, Nevada USA. pp. 4371-4376. [17] S. X. Ding, E. Allas, S. Schneider, Y. Ma, T. Jeinsch, E. L. Ding. (2006). An Introduction to Matlab-Based FDI-Toolbox. Proceeding of the 2006 IFAC Wold Congress. pp. 697-702. [18] M. A. Djeziri, R. Merzouki, B. Ould Bouamama, G. Dauphin Tanguy (2006). Fault Detection of Backlash Phenomenon in Mechatronic System with Parameter Uncertainties using Bond Graph Approach, Proceeding of the 2006 IEEE International Conference on Mechatronics and Automation Luoyang, China. pp. 600-605. [19] M. A. Djeziri, R. Merzouki, B. Ould Bouamama, G. Dauphin Tanguy (2007). Bond Graph Model Based For Robust Fault Diagnosis, Proceeding of the 2007 American Control Conference New York City, USA. pp. 3017-3022. [20] M. A. Djeziri, A. Aitouche, B. Ould Bouamama. (2007). Sensor Fault Detection of Energetic System using Modied Parity Space Approach, Proceeding of the 2007 Control and Decision Conference New Orleans, Louisiana, USA. [21] M. A. Djeziri, B. Ould Bouamama, R. Merzouki. (2007). Modeling and Robust FDI of Steam Generator Using Bond Graph Aproch , Journal of Process Control. In Press, Corrected Proof. [22] A. Edelmayer, J. Bokor, L. Keviczky. (1994). An H ltering approach to robust detection of failures in dynamical systems. Proceedings of the 34th Conference on Decision and Control. IEEE, New Orleans, USA.

182

Bibliographie

[23] A. Edelmayer, J. Bokor, L. Keviczky. (1996). H detection lter design for linear systems: Comparison of two approaches. Proceeding of the 13th IFAC World Congress, San Francisco, USA. [24] P. Frank, J. Wuennenberg. (1989). Fault Diagnosis in Dynamic Systems. Chap. Robust Fault Diagnosis using Unknown Input Observer Schemes. pp. 46-98. Prentice Hall. [25] P. Frank, X. Ding. (1997). Survey of robust residual generation and evaluation methods in observer-based fault detection systems. J. Process Control. Vol 7 (6). pp. 403-424. [26] E. Frisk, M. Krysander, M. Nyberg, J. Aslund. (2006). A Toolbox For Design of Diagnosis Systems. Proceeding of the 2006 IFAC Wold Congress. pp. 703-708.
tel-00200030, version 1 - 20 Dec 2007

[27] F. J. Garcia, V. Izquierdo, L. J. de Miguel, J. R. Peran. (2000). Fault-diagnostic system using analytical fuzzy redundancy. Engineering Applications of Articial Intelligence, Vol.13. pp. 441-450. [28] P. J. Gawthrop. (1995). Bicausal Bond Graphs. International conference on Bond Graph Modeling (IBGM95), Las Vegas, USA. pp. 83-88. [29] J. J. Granda. (2003). The camp-G/Matlab-Simulink computer generated solution of bond graph derivative causality.. In: Proc. ICBGM03, Simulation Series. Vol. 35(2). pp. 163-171. ISBN: 1-56555-257-1. [30] H. Hammouri, M. Kinnaert, E. H. El Yaagoubi. (1999). Observer- Based Approach to Fault Detection and Isolation for Nonliner Systems. IEEE Transactions on Automatics Control. Vol. 44. pp. 1879-1884. [31] Z. Han ,W. Li , S. L. Shah. (2002). Fault detection and isolation in the presence of process uncertainties. 15th IFAC Wold Congress. pp.1887-1892. [32] D. Henry, A. Zolghari, F. Gastang, M. Monsion (2001). A New Multi-Objective Filter Design For Garanteed Robust FDI Performance. Proceeding of the 40th IEEE Conference on Decision and Control, Orlando, Florida USA. pp. 173-178. [33] D. Henry, A. Zolghari. (2006). Norm-based design of robust FDI schemes for uncertain systems under feedback control: comparison of two approaches. Control engineering practice Vol. 14. pp. 1081-1097. [34] C. Jiang, D. H. Zhou. (2005). Fault Detection and Isolation for Uncertain Linear Time-delay Systems. Computer and Chemical Engineering. Vol. 30. pp. 228-242. [35] A. Johansson, M. Bask, T. Norlander. (2006). Dynamic Threshold Generators for

183 Robust Fault Detection in Linear Systems with Parameter Uncertainty. Automatica. 42 (2006). pp. 1095-1106. [36] K. Hsing-Chia, C. Hui-Kuo. (2004). A new symbiotic evolution-based fuzzy- neural approach to fault diagnosis of marine propulsion systems.. Engineering Applications of Articial Intelligence, Vol.17. pp. 919-930. [37] D. C. Karnopp, D. Margolis and R. Rosenberg. (1990). Systems Dynamics: A Unied approach. John Wiley, New York, second edition, 1990. [38] J. Korbicz, J. M. Koscielny, Z. Kowalczuk, W. Cholewa. (2004). Fault Diagnosis: Models, articial intelligence methods, applications. Springer 2004. [39] J. M. Koscielny, M. Syfert, P. Wnuk. (2006). Advanced Monitoring and Diagnostic System "AMandD". Proceeding of the 2006 IFAC Wold Congress. pp.679-684.
tel-00200030, version 1 - 20 Dec 2007

[40] J. M. Koscielny, M. Syfert. (2003). On-line fault isolation algorithm for industrial processes. Preprints of: 5th IFAC Symposium SAFEPROCESS2003, pp. 777-782, Washington D.C, USA. [41] I. D. Landau. (1998). Identication des systmes. Editions HERMES, Paris. ISBN. 2-86601-683-1. [42] L. Li, D. Zhou. (2004). Fast and Robust Fault Diagnosis for a Classe of Nonlinear Systems: Detectability analysis. Computers and Chemical Engineering. Vol. 28. pp. 2635-2646. [43] R. Mangoubi, B. Appelby, J. Farrell. (1992). Robust estimation in fault detection. Proceeding of the 31st Conference on Decision and Control. IEEE, Tucson, Arizona, USA. [44] R. Mangoubi. (1998). Robust Estimation and Failure Detection: a Concise Treatment. Springer, Berlin. [45] R. Merzouki, J. C. Cadiou. (2005). Estimation of backlash phenomenon in the electromechanical actuator. Control Engineering Practice, 13. pp. 973-983. [46] A. Mukherjee, R. Karmakar. (2000). Modelling and Simulation of Engineering Systems Through Bond Graph. Norosa Publishing House. [47] A. Mukherjee, A. K. Samantaray. (2001). System modelling through bond graph objects on SYMBOLS 2000. In: Proc. ICBGM01, Simulation Series. Vol. 33(1). pp. 164-170. ISBN. 1-56555-103-6. [48] A. Ordys. (1994). Modeling and Simulation of Power Generation Plants. Springer Verlag, Germany.

184

Bibliographie

[49] B. Ould Bouamama. (2002). Modlisation et supervision des systmes en gnie des procds, Approche bond graph. mmoire de HDR. Laboratoire dAutomatique et Informatique Industrielle de Lille, USTL. [50] B. Ould Bouamama. (2003). Bond graph approach as analysis tool in thermofuid model library conception. Journal of The Franklin Institute. Vol. 340. pp. 1-23. [51] B. Ould Bouamama, A. K. Samantaray, M. Staroswiecki, G. Dauphin-Tanguy. (2005). Derivation of constraint relations from bond graph models for fault detection and isolation. in:Proc. ICBGM03,Simulation Series, vol. 35, no. 2, pp.104-109, ISBN. 156555-257-1. [52] B. Ould Bouamama, M. Staroswiecki, A. K. Samantaray. (2006). Software for Supervision System Design in Process Engineering. IFAC Wold Congress 2006. pp.691-695.
tel-00200030, version 1 - 20 Dec 2007

[53] A. Oustaloup. (1994). La robustesse.. Herms ISBN. 2.86601.442.1. [54] S. Ploix. (1998). Diagnostic des systmes incertains: lapproche bornante., Ph.D. de I.N.P.L, C.R.A.N. [55] R. J. Patton, J. Chen. (1997). Observer based fault detection and isolation: Robustness and Applications.. Control Engineering Practice, Vol. 5(5). pp. 671-682. [56] F. Rambeaux, F. Hamelin, D. Sauter. (2000). Optimal thresholding for robust fault detection of uncertain systems. International Journal of Robust and Nonlinear Control. Vol 10. pp. 11551173. [57] M. Rank, H. Niemann. (1999). Norm based design of fault detectors. International Journal of Control, Vol. 72(9). pp.773783. [58] R. Redheer. (1960). On a certain linear fractional transformation. EMJ. Maths and phys. 39, pp. 269-286. [59] S. Rimaux, B. Ould Bouamama, G. Dauphin-Tanguy. (1996). Bond graph model of the shrink and swell phenomenon in a PWR nuclear power plant. In IEEE-SMC, IMACS Multiconference CESA96, pp. 288-292,Lille, France. [60] R. C. Rosenberg. (1974). A Users Guide to ENPORT-4. Wiley, New York. [61] A. P. Rothstein, M.Posner, H.B.Rakytyanska. (2005). Cause and eect analysis by fuzzy relational equations and a genetic algorithm. Reliability Engineering and System Safety. [62] A. K. Samantaray, K. Medjaher, B. Ould Bouamama, M. Staroswiecki and G. Dauphin-Tanguy. (2006). Diagnostic bond graphs for online fault detection and iso-

185 lation. Simulation Modelling Practice and Theory, Vol. 14, Issue 3, April 2006. pp. 237-262.. [63] A. K. Samantaray, K. Medjaher, B. Ould Bouamama, M. Staroswiecki, G. DauphinTanguy. (2005). Element based modelling of thermouid system for sensor placement and fault detection. SIMULATION. 80 (7_8) 381-398. [64] C. Si Kam (2001). Les Bond Graphs pour la Modlisation des Systmes Linaires Incertains. Thse de doctorat. USTLille1-ECLille. Dcembre 2001. N dordre 3065. [65] C. Si Kam , G. Dauphin-Tanguy. (2001). Bond graph Tool for Standard Interconnection Structure Determination. WMC SCS ICBGM 2001, Phoenix-Arizona. USA. pp. 33-40.
tel-00200030, version 1 - 20 Dec 2007

[66] C. Si Kam , G. Dauphin-Tanguy. (2005). Bond graph models of structured parameter uncertainties. Journal of the Franklin Institute. Vol.342. pp. 379-399. [67] T. Soderstrom, P. Stoica. (1989). System Identication. Prentice Hall International. [68] M. R. Spiegel. (2002), Statistique. The McGraw-Hill Companies, Inc. ISBN. 2-100006515-7. [69] C. Sueur, G. Dauphin-Tanguy. (1989). Structural Controllability and Observability of linear Systems Represented by Bond Graphs. Journal of Franklin Institute. Vol. 326. pp. 869-883. [70] J. U. Thoma. (1990). Simulation by bon graphs. Introduction to a graphical method. Springer, Berlin, Heidelberg. [71] J. U. Thoma, B. Ould Bouamama. (2000). Modelling and Simulation in Thermal and Chemical Engineering, Bond graph Approach. Springer Verlag, 2000. [72] L. Tylee. (1983). Pseudo bond graph representation of PWR pressurised dynamic. Trans. ASME J. Dynamic System Measure Control. Vol. 105. pp. 255-263. [73] M. Verg, D. Jaume. (2004). Fault Detection and Bond Graph Modeling. In IFAC Symposium on Fault Detection, Supervision and Safety for Technical Processes. pp. 748-753, Espoo, Finland. [74] X. G. Yan, C. Edwards. (2007). Nonlinear Robust Fault Recognition and Estimation using a Sliding Mode Observer. Automatica (2007). Vol. 43. pp. 1605-1614. [75] H. Yang, M. Saif. (1997). Fault Detection and Isolation for a Classe of Nonlinear Systems Using an AdaptiveObserver. Proceeding of the 2007 American Control Conference Albuquerque, New Mexico, USA. pp. 463-467.

186

Bibliographie

[76] M. Zhong, S. Ding, J. Lam, H. Wang. (2003). An LMI approach to design robust fault detection lter for uncertain lti systems. Automatica. Vol 39(2). pp. 543550. [77] A. Zolghadri, D. Henry, M, Monsion. (1996). Design of nonlinear observers for fault diagnosis: A case study. Control Engineering Practice, pp. 1535-1544.

tel-00200030, version 1 - 20 Dec 2007

Diagnostic des Systmes Incertains par lApproche Bond Graph


Rsum
Le travail de thse concerne la conception dun systme de surveillance robuste aux incertitudes paramtriques base de modles bond graphs sous forme LFT (Linear Fractional Transformations). Une procdure de gnration automatique de rsidus robustes et de seuils adaptatifs de fonctionnement normal a t dveloppe et implmente laide doutils logiciels appropris. Les performances du diagnostic sont contrles par une analyse de la sensibilit de ces rsidus, permettant de dfinir des indices de sensibilit aux incertitudes paramtriques, et des indices de dtectabilit des dfauts. Loutil bond graph permet par sa nature physique destimer a priori les valeurs dtectables des dfauts physiques. Outre limplmentation informatique, les rsultats de recherche sont valids par deux applications industrielles de complexit diffrente : un systme lectromcanique pour dtecter et isoler des dfauts tels que la variation anormale de l'amplitude du jeu dans la partie rducteur, tout en distinguant le dfaut des variations paramtriques un procd nergtique de gnration de vapeur, qui constitue un systme non stationnaire, o l'espace paramtrique est plus complexe. Mots cls: Diagnostic Robuste, Bond Graph, Incertitudes Paramtriques, Analyse de Sensibilit, Identification Paramtrique, Systme lectromcanique, Systme Thermofluide

tel-00200030, version 1 - 20 Dec 2007

Abstract This work deals with robust fault diagnosis in presence of parameter uncertainties using bond graph model in LFT form (Linear Fractional Transformations). An approach for ARRs and adaptive thresholds generation is developed and implemented on appropriate software. The diagnosis performances are improved using a residual sensitivity analysis, which allows defining sensitivity indexes of parameter uncertainties and fault detectability indexes. The fault detectable value can be estimated due to the energetic aspect of the bond graph tools. The developed method is applied in real time on two industrial applications with different complexities: a mechatronic system, in order to detect and to isolate backlash phenomenon by distinguishing fault from parameter uncertainties an energetic process of steam generation, which is a non stationary system with a complex parameter space.

Keywords: Robust Fault Diagnosis, Bond Graph, Parameter Uncertainties, Sensitivity Analysis, Parameter Identification, Mechatronic System, Thermofluid System.