ESSTT 

                Département GE 
TD Surveillance et Diagnostic des systèmes 
 
Problème 1 
N.B. : les parties A, B, C et D sont indépendantes. 
Partie A : Génération de résidu dans l’espace de parité  
On considère un système de mesure décrit par le modèle statique suivant : 

 y1  k    1 1  e1  k  
     
y  k   H x  k   e  k    soit   y2  k     1 1  x  k    e2  k    
y k   1 0  e k 
 3      3  
avec y(k)  vecteur  d’observation,  x(k)  vecteur  d’état inconnue ;  e(k)  vecteur  bruit  des 
mesures supposé gaussien et de moyenne nulle. 
1. Donner le nombre d’équations de parité indépendantes qu’on peut générer.  
2. Calculer la matrice de parité V telle que V.H=0. 
3. Analyser la détectabilité et l’isolabilité des défauts qui peuvent affectés ces mesures. 

k  1  2  3  4  5  6  7  8  9  10 

y1(k)  ‐0.23    ‐0.33    ‐0.34     ‐0.01    ‐0.67    ‐0.49    ‐0.54    ‐0.90     ‐0.59    ‐0.86 

y2(k)      0.08    0.26  0.49  0.47  0.56  0.47  0.57  0.59  0.68     0.48 

y3(k)     ‐0.32  0.27  0.84  0.62  1.01  0.94  1.17  0.67  0.95  0.80 

4. On  donne  les  mesures  de  y1,  y2  et  y3  en  bon  fonctionnement  et  on  demande  de 
calculer le résidu r(k) = V.y(k). 
5. Calculer la moyenne 1 et l’écart type  du résidu r(k) caractérisant l’hypothèse de 
bon fonctionnement. 
 

Partie B : Test d’hypothèses binaire globale 

 H1 : les mesures de r (k ) suivent N  1 ,  

On suppose que :     
 H 2 : les mesures de r (k ) suivent N  2 ,  

1. Donner l’expression du logarithme du rapport de vraisemblance après n observations 
indépendantes de r. 
 2. On cherche à appliquer un test minimax, déterminer le seuil de détection pour  = 
0,25, 1=0 et 2=0,25 et en utilisant les coûts 0‐1.  

3. En déduire les probabilités de fausse alarme (PF) et de non détection (PND). 
4. Une  observation  de  10  valeurs  du  paramètre  r(k)  est  donnée  dans  le  tableau  ci‐
dessous. Appliquer le test minimax sur r(k) et donner l’instant de détection. 

k  1  2  3  4  5  6  7  8  9  10 

r(k)  ‐0.10  ‐0.05  0.10  0.32  ‐0.08  0.39  0.42  0.18  0.46  0.13 

Partie C : Test d’hypothèse binaire séquentiel : SPRT 

 H1 : les mesures de r (k ) suivent N  0,  

On suppose que :    
 H 2 : les mesures de r (k ) suivent N   ,  

1. Construire le test SPRT 
2. Calculer les seuils de détection S1 et S2 pour avoir PF=0,2 et PND=0,2. 
3. Appliquer  ce  test  sur  l’observation  de  r(k)  donnée  ci‐dessous  pour  une  moyenne 
=0,25 et  = 0,25.  

k  1  2  3  4  5  6  7  8  9  10 

r(k)  ‐0.10     ‐0.05     0.10     0.32    ‐0.08     ‐0.41     ‐0.38     ‐0.18     ‐0.34     ‐0.66 

Tracer le comportement de ce test et déduire le signe du biais et l’instant de décision. 
4. Comment  peut‐on  réduire  le  retard  à  la  détection ?  appliquer  cette  technique  et 
donner le nouvel instant de détection. 
 

Problème 2 
On considère un système dont le mode de fonctionnement est caractérisé par 
un paramètre noté r(k). Ce système peut fonctionner selon deux hypothèses de 
fonctionnement :  hypothèse  H1  de  bon  fonctionnement  et  hypothèse  H2 
défaillant. 
 H : les mesures de r (k ) suivent N 1 ,  
On suppose que :  1  
 H 2 : les mesures de r ( k ) suivent N  2 ,  
 
Partie A : Test d’hypothèse binaire globale 
5. Donner  l’expression  du  logarithme  du  rapport  de  vraisemblance  après  n 
observations indépendantes de r. 
6. Pour  = 1,  1=0 et  2=1, déterminer (graphiquement sur les courbes COR) 
le seuil de détection du test de Bayes pour  une probabilité de fausse alarme 
PF=0,3 et en utilisant les coûts 0‐1. 
7. En  déduire  les  probabilités  a  priori  (P1  et  P2)  et  la  probabilité  de  non 
détection (PND). 
8. Démontrer que ce test correspond à un test minimax. 
9. Une observation de 10 valeurs du paramètre r(k) est donnée dans le tableau 
ci‐dessous.  Appliquer  le  test  de  bayes  sur  r(k)  et  donner  l’instant  de 
détection. 

k  1  2  3  4  5  6  7  8  9  10 

r(k)  ‐0,43  0.66  0.12  0.28  ‐1.14 1.79  2.18  0.96  1.32  1.17 

10. Supposons maintenant que l’hypothèse de base H1 = {  = 0} contre 
l’hypothèse alternative H2 = {  = 2} où 2 est une moyenne inconnue. 

a. Quel type de test d’hypothèse faut‐il appliquer ? 
b. Construire ce test pour un seuil =1,5. 
c. Appliquer ce test sur la même observation de r(k) donnée dans la question 5. 
En déduire l’instant de détection. 
Partie B : Test d’hypothèse séquentiel 
On  propose  maintenant  d’appliquer  le  test  GLR  et  on  donne      =  1,  1=0  et 
2=1, et un seuil η = 1,5. 

11. Construire  le  test  GLR  qui  permet  d’estimer  l’instant  du  défaut  k0  et 
l’amplitude du défaut .. 
12. Appliquer  ce  test  sur  r(k)  (utiliser  le  tableau  donné  dans  la  partie  A)  et 
donner l’estimation de l’instant de détection et de l’amplitude du défaut. 
13. Pour une implémentation en ligne de ce test, on propose de l’appliquer 
sur un horizon glissant [k‐m  k],  
‐donner un algorithme permettant d’estimer l’instant et l’amplitude du 
défaut. 
‐ appliquer ce test pour un horizon de taille m=4.   
 
 

 
Courbes des « Caractéristiques Opérationnelles du Récepteur »