Académique Documents
Professionnel Documents
Culture Documents
net/publication/228808345
CITATIONS READS
3 138
4 authors, including:
Salah Zidi
Qassim University
39 PUBLICATIONS 173 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Foued Theljani on 28 May 2014.
(1) (2)
Unité de Recherche Analyse et Commande Université des Sciences et Technologies
des Systèmes (UR-ACS) ENIT, Tunisie de Lille Bâtiment P2, Bureau 305 UFR
BP 37, LE BELVEDERE 1002. I.E.E.A. Cité scientifique 59655 Villeneuve
d'Ascq Cedex France.
RÉSUMÉ : L’accroissement incessant de la complexité des systèmes automatiques a fait en sorte que la tâche de la
surveillance devienne de plus en plus moins aisée. De ce fait, les systèmes peuvent fonctionner en plusieurs modes.
Certains de ces modes correspondent à un fonctionnement normal et d’autres représentent des modes défaillants. En
outre, nous pouvons confronter à des modes inconnus qui n’ont jamais été observés sur le système auparavant (modes
imprévisibles). A la vue de ces difficultés, dans cet article, nous nous intéressons à la surveillance des systèmes
automatiques où nous proposons une stratégie de suivi des systèmes fondée sur les techniques de la classification de
données. Elle s’initialise pour construire une bibliothèque dynamique de modèles en exploitant un algorithme dédié à la
classification non supervisée. La stratégie se poursuit par une classification en ligne des données qui se présentent
séquentiellement en exploitant une certaine mesure de cohérence, se référant à la bibliothèque préparée auparavant.
Un système de régulation de niveau d’eau formé de trois réservoirs communicants a été l’objet de notre application
afin de valider la stratégie adoptée.
w j − xi − ε < 0
bibliothèque se fait hors
Traitement de ligne par l’algorithme
(1)
données de k-means à seuil.
Extraction des
caractéristiques Néanmoins, nous pouvons tomber dans un cas où il y a
plus qu’une classe gagnante. En conséquence, la donnée
Détection de Bibliothèque sera naturellement affectée à toutes les classes gagnantes
changement
Références ce qui produit un chevauchement. Pour remédier à cette
Comparaison avec peine, nous affectons la donnée candidate à la classe la
les connaissances de
la bibliothèque
Mise à jour de
la bibliothèque
plus proche parmi les gagnantes. Ceci se fait à travers
une procédure de sélection définie par l’équation :
Identification Mode
Mode prévisible imprévisible
de mode
w g = arg min w j − xi (2)
La classification en ligne
des observations se fait
en utilisant un critère
Nous faisons par la suite une mise à jour itérative après
Décision d’adéquation fondé sur la S.A.D chaque affectation pour calculer le nouveau prototype
mesure de distance.
par une procédure d’adaptation selon l’équation :
avec α est le pas de déplacement de prototype. - La dissemblance Dj(xt,Cj) correspondante est nulle ce
qui satisfait à une cohérence exacte :
Si une nouvelle donnée n’est assimilée à aucune classe,
elle représentera un nouveau prototype constituant une D j (xt , C j ) = 0 (6)
autre classe distincte. L’algorithme se procède par la
créer et l’ajouter à la bibliothèque afin de mettre à jour - La variation de la dissemblance Dj(xt,Cj)
cette dernière. On aboutit à la fin à un partitionnement de correspondante est décroissante ce qui satisfait à une
k classes tenues par la suite comme des références. cohérence accroissante :
D j ( xt , C j ) − D j ( xt −1 , C j )
Procédure de <0 (7)
card(Πwin)=0
création ∆t
win sélection ∆t
card(Π ) >1
1 n i
DM j ( xti , C j ) = ∑ xt − w j
n j =1
(9) 4.1 Description du procédé pilote
Trois capteurs ultrasons sont placés au sommet de aussi d’un ensemble de 2400 échantillons pris
chaque réservoir pour prélever les niveaux d’eau H1, H2 aléatoirement à partir de procédé. Chaque échantillon est
et H3. un vecteur d’observation formé de trois
descripteurs xt = ( xt1 , xt2 , xt3 ) .
xt1 : Le niveau d’eau dans le réservoir 1,
xt2 : Le niveau d’eau dans le réservoir 2,
xt3 : Le niveau d’eau dans le réservoir 3.
La distance entre les points est la distance euclidienne,
elle déduite de la façon suivante :
2
avec w j ( w1j , w2j , w3j ) le prototype condidat d ' une classe Cj.
4.2 Simulation
- Un seuil ε = 5,0001,
- Un pas de déplacement de prototype α = 1.
Afin de fournir une aide contribuant à identifier le Pour être sûr de l’état de fonctionnement du système,
nouveau mode, nous calculons itérativement le degré de aucune décision ne sera prise qu’après l’écoulement
dissemblance marginale DM j ( xti , C j ) de chaque d’une temporisation. Le jugement final sera fondé sur
i
l’ensemble de toutes les détections durant cette période
descripteur xt selon le principe décrit dans le paragraphe en favorisant la détection qui s’est répétée la plus
(3.2). souvent. C’est une technique de confirmation de pannes
qui se fait par une répétition de la détection dans un
intervalle de temps. Elle permet de ne pas prendre en
compte aucune décision qu’après une certaine durée.
CONCLUSION
RÉFÉRENCES
Casimir, 2003. Diagnostic des défauts des machines Zemouri M-R, 2003. Contribution à la surveillance des
asynchrones par reconnaissance des formes. Thèse systèmes de production à l’aide des réseaux de
de Doctorat, Ecole Centrale de Lyon, France. neurones dynamiques : Application à la e-
maintenance. Thèse de Doctorat, L’UFR des
Deng D. and N. Kasabov, 2002. On-line pattern analysis sciences et techniques, Université de Franche-
by Evolving Self-Organizing Maps", Science Comté, France.
Direct, Neurocomputing, p. 87-103.
Zidi, S. Maouche et S. Hammadi, 2006. Nouvelle
Fuyuan Cao, J. Liang and G. Juang, 2009. An approche pour la régulation des réseaux de transport
initialisation method for the K-Means algorithm multimodal. MOSIM’06, Modélisation,
using neighbourhood model. Science Direct, Optimisation et Simulation des systèmes : Défis et
Computers & Mathematics with Applications, Vol. opportunités, Maroc.
58, Issue 3, p. 474-483.
Zouari, K. Laabidi and M. Ksouri, 2008. Multimodel
Gamero Fco-I, J. Colomer, J. Melendez and P. Warren, approach applied for failure diagnosis. International
2005. Predicting aerodynamic instabilities in a blast Journal of Sciences and Techniques of Automatic
furnace. Science Direct Engineering Applications of control & computer engineering IJ-STA, Vol. 2, No.
Artificial Intelligence, p.103–111. 1, p. 500-515.