USTHB/FEI Cours Diagnostic 2eme année Master AIP/AS

Chapitre IV : Génération de résidus par

espace de parité

IV.1 Introduction :
L’espace de parité est une approche qui permet de générer une relation de redondance
analytique, qui est une équation ne liant que les variables connues du système physique (Equation
dans laquelle toutes les variables sont connues). Au fait, cette approche consiste à réaliser une
redondance analytique entre les entrées et les sorties du système et cela indépendamment des
variables d’états du système. La génération de ces relations permet de déterminer des résidus nuls en
l’absence de défauts et évoluent lorsqu’un défaut apparait.

IV.2 Redondance analytique statique :

Pour utiliser l’approche espace de parité, nous utilisons une représentation d’état discrète d’un
système décrit par les équations suivantes :

x(k + 1) = A. x(k) + B. u(k) : Equation d’état.

y(k) = C. x(k) : Equation de sortie

Pour la redondance analytique statique, nous considérons que l’équation de mesures y(k).
L’objective est de trouver des relations existantes entre les mesures fournies par les différents capteurs
du système.

Exemple :

Si on considère l’équation de sortie suivante :

1 2 1
1 0 2
y(k) = 1 1 1 . x(k)
1 0 1
[2 0 2]

Dans ce système de mesures, nous avons 5 mesures yi (k), couplées à 3 grandeurs

inconnues 𝐱𝐢 (𝐤), permettant de générer des relations de redondance analytique statiques.

-Soit les cinq équations du système de mesures suivantes :

y1 (k) = x1 (k) + 2x2 (k) + x3 (k)

y2 (k) = x1 (k) + 2x3 (k)
y3 (k) = x1 (k) + x2 (k) + x3 (k)

1
Mr MECHAT Nabil
 USTHB/FEI Cours Diagnostic 2eme année Master AIP/AS

y4 (k) = x1 (k) + x3 (k)

y5 (k) = 2x1 (k) + 2x3 (k)
-Calcul d’une relation de redondance statique :

En utilisant le théorème de l’élimination, par combinaison linéaire et si on considère

l’ensemble des trois équations suivantes :

y1 (k) = x1 (k) + 2x2 (k) + x3 (k)

y3 (k) = x1 (k) + x2 (k) + x3 (k)
y4 (k) = x1 (k) + x3 (k)

Alors :

y1 (k) = 𝐱𝟏 (𝐤) + 2x2 (k) + 𝐱𝟑 (𝐤) = y4 (k) + 2x2 (k)

y3 (k) = 𝐱𝟏 (𝐤) + x2 (k) + 𝐱𝟑 (𝒌) = y4 (k) + x2 (k) → x2 (k) = y3 (k) − y4 (k)
Donc :

y1 (k) = y4 (k) + 2x2 (k) = y4 (k) + 2[y3 (k) − y4 (k)]

y1 (k) = y4 (k) + 2y3 (k) − 2y4 (k) = 2y3 (k) − y4 (k)
-Nous obtenons la relation de redondance analytique statique suivante :

𝐲𝟏 (𝐤) − 𝟐𝐲𝟑 (𝐤) + 𝐲𝟒 (𝐤) = 𝟎 → 𝑹𝑹𝑨𝑺

-Calcul d’une deuxième relation de redondance analytique statique :

y1 (k) = x1 (k) + 2x2 (k) + x3 (k) (a)

y3 (k) = x1 (k) + x2 (k) + x3 (k)

y5 (k) = 2x1 (k) + 2x3 (k)
Alors :

2y3 (k) = 2x1 (k) + 2x2 (k) + 2x3 (k) (b)

Donc :

(𝑏) − (𝑎) → 2y3 (k) − y1 (k) = x1 (k) + x3 (k) (c)

2x(c) → 4y3 (k) − 2y1 (k) = 2x1 (k) + 2x3 (k) (d) ; Avec : y5 (k) = 2x1 (k) + 2x3 (k) (e)

(e) − (d) → y5 (k) − 4y3 (k) + 2y1 (k) = 0

D’où nous obtenons une deuxième relation de redondance statique :

𝟐𝐲𝟏 (𝐤) − 𝟒𝐲𝟑 (𝐤) + 𝐲𝟓 (𝐤) = 𝟎 → 𝑹𝑹𝑨𝑺

2
Mr MECHAT Nabil
 USTHB/FEI Cours Diagnostic 2eme année Master AIP/AS

-Remarque :

 Les deux relations de redondance analytique statiques sont vérifiées en l’absence de défauts,
et donnent des informations sur l’état des capteurs.
 La forme des équations n’est pas unique. D’autres équations de redondance (ne faisant pas
apparaître les mêmes variables) peuvent être écrites par combinaison linéaire des équations
précédentes.

IV.3 Espace de parité statique :

Soit l’équation de mesures suivante :

y(k) = C. x(k) + F. f(k)

 y(k) : Vecteur de mesures de dimension (px1).

 x(k) : Vecteur d’état (Variables inconnues) de dimension (nx1).
 f(k) : Vecteur de défauts pouvant affecter les capteurs de dimension (rx1).
 C : La matrice qui caractérise le système de mesures de dimension (pxn).
 F : La matrice qui illustre la direction des défauts de dimension (pxr).

Pour se placer dans une situation de redondance, il est supposé ici que (p>n), le nombre de
mesures yi (k) soit strictement supérieure au nombre d’inconnus xi (k).

 Définition :

Les colonnes de la matrice de mesure « 𝐂𝐩𝐱𝐧 » définissent un sous-espace vectoriel de dimension

« Rang(C) » dans l’espace de mesure Rp. Le sous-espace vectoriel orthogonal à l’espace engendré par
« C » est appelé : Espace de parité.

 Objectif :

L’objectif est d’analyser la consistance des mesures et de détecter la présence de défauts. On

cherche alors à établir des relations de redondance analytique entre les mesures yi (k) fournies par les
différents capteurs qui sont indépendantes des grandeurs inconnues xi (k), mais qui restent sensible
aux défauts f(k).

Un vecteur de parité p(k) est défini comme étant une projection du vecteur de mesures y(k) de
l’espace de mesures vers l’espace de parité :

𝐩(𝐤) = 𝐖. 𝐲(𝐤)
W est une matrice de projection de dimension [p - Rang(C)]xp appelée aussi matrice de parité,
qui doit être orthogonal à la matrice de mesures C. L’orthogonalité entre l’espace de mesures C et
l’espace de parité W doit être vérifiée par la condition suivante :

𝐖. 𝐂 = 𝟎
Avec : Rang(W) = [p − Rang(C)] ; dim(W) = [p − Rang(C)]xp

-Condition d’existence de W : 𝐑𝐚𝐧𝐠(𝐖) = 𝐩 − 𝐑𝐚𝐧𝐠(𝐂) > 𝟎 (𝐍𝐨𝐦𝐛𝐫𝐞 𝐝𝐞 𝐑𝐑𝐀𝐒)

3
Mr MECHAT Nabil
 USTHB/FEI Cours Diagnostic 2eme année Master AIP/AS

En projetant l’équation de mesure y(k) dans l’espace de parité, c’est-à-dire en multipliant les
deux membres de l’équation de mesure y(k) par la matrice de parité W, on obtient :

W. y(k) = W. C. x(k) + W. F. f(k) Avec : W. C = 0

Nous posons le vecteur de parité p(k), comme vecteur résidus :

p(k) = r(k) = W. y(k) = W. F. f(k)

p(k) vecteur de parité ne fait intervenir que des variables accessibles sur le processus réel et peut
être calculé à chaque instant. En l’absence de défauts, c’est-à-dire f(k) est nuls, la relation s’écrit :

p(k) = r(k) = W. y(k) = 0

De nombreuses méthodes peuvent être employées pour la détermination de la matrice de parité W :

1) W = [Ker(C T )]T ; Avec Ker : Le noyau ou kernel d’une matrice.

−1
2) W = [−C2 . C1 I] ; Avec : I(p−n))x(p−n) (Matrice identité).

-Démonstration de : 𝑾 = [−𝑪𝟐 . 𝑪−𝟏

𝟏 𝑰]
Y1 (k) C
Y(k) = C. X(k) → [ ] = [ 1 ] . X(k)
Y2 (k) C2

Avec :

C1 (nxn) : Matrice carrée exprimant les n premières lignes de C.

C2 (p − n)xn : Matrice exprimant les (p-n) lignes restant de C.

Y1 (k) = C1 . X(k) X(k) = C1−1 . Y1 (k)

{ → { C1 : Matrice régulière (Inversible).
Y2 (k) = C2 . X(k) Y2 (k) = C2 . C1−1 . Y1 (k)

Où :

−C2 . C1−1 . Y1 (k) + Y2 (k) = 0

Y (k)
[ −C2 . C1−1 I]. [ 1 ] = 0 ; On pose alors : W = [−C2 . C1−1 I]
Y2 (k)
-Nous aurons : W. Y(k) = 0

-Exemple :

-Considérons l’équation de mesures suivante :

1 2 1 1 0
1 0 2 0 0
y(k) = 1 1 1 . x(k) + 0 0 . f(k)
1 0 1 1 1
[2 0 2] [0 0]
Avec :

4
Mr MECHAT Nabil
 USTHB/FEI Cours Diagnostic 2eme année Master AIP/AS

f (k)
f(k) = [ 1 ] Et : n=3 ; p=5.
f2 (k)

-Calculer le vecteur de résidus p(k) ?

-Calculons tout d’abord la matrice de parité W qui vérifiée la condition d’orthogonalité W.C = 0 :
1 2 1
Le Rang de la matrice C est égal au rang de la sous-matrice : 𝐶1 = [1 0 2]
1 1 1
1 2 1
|1 0 2| = 1 ≠ 0 → Rang(C1 ) = Rang(C) = 3
1 1 1

1er méthode :

-Si on considère les deux relations de redondance calculées dans l’exemple précédemment :

y1 (k) − 2y3 (k) + y4 (k) = 0

{
2y1 (k) − 4y3 (k) + y5 (k) = 0

y1 (k) + 0y2 (k) − 2y3 (k) + y4 (k) + 0y5 (k) = 0

{
2y1 (k) + 0y2 (k) − 4y3 (k) + 0y4 (k) + y5 (k) = 0

Comme nous avons :

p(k) = W. y(k) = 0
Alors :
y1 (k)
y2 (k)
𝑟 (𝑘) +1 0 −2 +1 0
p(k) = r(k) = [ 1 ] = W. y(k) = [ ] . y3 (k)
𝑟2 (𝑘) +2 0 −4 0 +1
y4 (k)
[y5 (k)]
Donc la matrice de parité est :
+𝟏 𝟎 −𝟐 +𝟏 𝟎
𝑾𝟐𝒙𝟓 = [ ]
+𝟐 𝟎 −𝟒 𝟎 +𝟏
W de dimension : [p – Rang(C)]xp=[5 -3]X5=2X5

2eme méthode :

W = [Ker(C T )]T ; Avec Ker : Le noyau ou kernel d’une matrice.

1 2 1
1 0 2 1 1 1 1 2
C= 1 1 1 → C T = [2 0 1 0 0]
1 0 1 1 2 1 1 2
[2 0 2]
-Calcul du noyau de C T :

5
Mr MECHAT Nabil
 USTHB/FEI Cours Diagnostic 2eme année Master AIP/AS

⃗ = ⃗0}
⃗ ∈ R5 / CT . X
Ker(C T ) = {X

Echelonnement de C T :
1 1 1 1 2 1 1 1 1 2 1 1 1 1 2
[2 0 1 0 0] → [0 −2 −1 −2 −4] → [0 2 1 2 4] →
1 2 1 1 2 0 1 0 0 0 0 1 0 0 0
1 1 1 1 2 1 1 1 1 2
→ [0 1 0 0 0] → [0 1 0 0 0]
0 2 1 2 4 0 0 1 2 4
Alors :

𝑅ang(C T ) = 3 → dim[Ker(C T )] = dim(R5 ) − Rang(C T ) = 5 − 3 = 2

-Condition d’existence de W : Rang(W) = p − Rang(C) = 5 − 3 = 2 lignes > 0

𝑥
1 1 1 1 2 1 1 1 1 2 𝑦
[2 0 1 0 0] . 𝑋 = [0 1 0 0 0] . 𝑋 = ⃗0 ; Avec : 𝑋 = 𝑧
1 2 1 1 2 0 0 1 2 4 𝑡
[𝑢]
x + y + z + t + 2u = 0 x + z + t + 2u = 0 x = −z − t − 2u
{ y=0 → { y=0 → { y=0
z + 2t + 4u = 0 z + 2t + 4u = 0 z = −2t − 4u
On pose : t = α et u = β

Alors :

x = 2t + 4u − t − 2u = t + 2u = α + 2 β
y=0
z = −2α − 4β
t=α
u=β
x α+2β 1 2
y 0 0 0 α
⃗X = z = −2α − 4β = −2 −4 . [β] ; On pose : α = β = 1
t α 1 0
[u] [ β ] [ 0 1]
1 2
0 0
Ker(C T ) = −2 −4
1 0
[ 0 1]
Donc :
+𝟏 𝟎 −𝟐 +𝟏 𝟎
𝑾𝟐𝒙𝟓 = [𝐊𝐞𝐫(𝐂 𝐓 )]𝐓 = [ ]
+𝟐 𝟎 −𝟒 𝟎 +𝟏

6
Mr MECHAT Nabil
 USTHB/FEI Cours Diagnostic 2eme année Master AIP/AS

3eme méthode :

W = [−C2 . C1−1 I] ; Avec : I(p−n))x(p−n) (Matrice identité).

1 2 1
1 0 2 C 1 2 1
1 0 1
C= 1 1 1 = [ 1 ] → C1 = [1 0 2] 𝑒𝑡 C2 = [ ]
C2 2 0 2
1 0 1 1 1 1
[2 0 2]
-Condition d’existence de W : Rang(W) = p − Rang(C) = 5 − 3 = 2 lignes > 0
−2 −1 4
det(C1 ) = 1 ≠ 0 → C1−1 = [ 1 0 −1] (Matrice régulière).
1 1 2
−1 0 2
C2 . C1−1 = [ ]
−2 0 4
Donc :
+𝟏 𝟎 −𝟐 +𝟏 𝟎
𝑾𝟐𝒙𝟓 = [−𝐂𝟐 . 𝐂𝟏−𝟏 𝐈] = [ ]
+𝟐 𝟎 −𝟒 𝟎 +𝟏

 Nous pouvons vérifier la condition d’orthogonalité :

1 2 1
+1 0 −2 +1 0 1 0 2
W. C = [ ]. 1 1 1 = [0 0 0
]
+2 0 −4 0 +1 0 0 0
1 0 1
[2 0 2]
 Le vecteur de résidus r(k) en présence des mesures réelles est :

p(k) = r(k) = W. y(k)

y1 (k)
y2 (k)
r1 (k) +1 0 −2 +1 0 r (k) = y1 (k) − 2y3 (k) + y4 (k)
r(k) = [ ]=[ ] . y3 (k) = [ 1 ]
r2 (k) +2 0 −4 0 +1 r2 (k) = 2y1 (k) − 4y3 (k) + y5 (k)
y4 (k)
[y5 (k)]
 Le vecteur de résidus r(k) en présence des défauts est :

p(k) = r(k) = W. F. f(k)

1 0
0 0
+1 0 −2 +1 0 2 1
Sachant que : W. F = [ ]. 0 0 =[ ]
+2 0 −4 0 +1 2 0
1 1
[0 0]
𝐫𝟏 (𝐤) 𝐫 (𝐤) = 𝟐𝐟𝟏 (𝐤) + 𝐟𝟐 (𝐤)
Alors : 𝐩(𝐤) = 𝐫(𝐤) = [ ]=[ 𝟏 ]≠𝟎
𝐫𝟐 (𝐤) 𝐫𝟐 (𝐤) = 𝟐𝐟𝟏 (𝐤)

7
Mr MECHAT Nabil
 USTHB/FEI Cours Diagnostic 2eme année Master AIP/AS

-Remarque :

 L’approche espace de parité statique ne peut être utilisée que si (p>n), une contrainte de
restriction de cette dernière.
 Les relations de La redondance analytique statique détectent que les défauts capteurs, donc
ne peuvent détecter les défauts actionneurs. La solution c’est l’utilisation des relations de
redondance analytique dynamique par l’approche : Espace de parité dynamique.

IV.4 Espace de parité dynamique :

La redondance analytique dynamique, se traduit par la recherche des relations dynamiques
entre les valeurs discrètes présentes et futures, des mesures fournies par les différents capteurs et les
commandes des différents actionneurs.

-Principe :

On considère le modèle représentation d’état discret d’un système d’ordre n :

x(k + 1) = A. x(k) + B. u(k) + L1 . fa (k)

y(k) = C. x(k) + L2 . fc (k)
Avec : x(k) ∈ Rn ; u(k) ∈ Rm ; y(k) ∈ Rp ; fa(k) ∈ Rq ; fc(k) ∈ Rr
x1 (k) u1 (k) y1 (k) fa1 (k) fc1 (k)
x2 (k) u2 (k) y2 (k) fa2 (k) fc2 (k)
Et : x(k) = x3 (k) ; u(k) = u3 (k) ; y(k) = y3 (k) ; fa (k) = fa3 (k) ; f𝑐 (k) = fc3 (k)
⋮ ⋮ ⋮ ⋮ ⋮
[xn (k)] [um (k)] [yp (k)] [faq (k)] [ fcr (k)]

Un simple développement récursif de ces équations dynamiques, sur une fenêtre temporelle
[k, k + s], ou « s » est l’horizon du développement, nous obtenons le système d’équations suivant :

y(k) = C. x(k) + L2 . fc (k)

y(k + 1) = C. x(k + 1) + L2 . fc (k + 1)
y(k + 2) = C. x(k + 2) + L2 . fc (k + 2)
⋮ ⋮ ⋮
y(k + s) = C. x(k + s) + L2 . fc (k + s)

Nous exprimons toutes les sorties dynamiques, en fonction de l’état x(k) à l’instant courant :

𝐲(𝐤) = 𝐂. 𝐱(𝐤) + 𝐋𝟐 . 𝐟𝐜 (𝐤) → (𝟏)

 y(k + 1) = C. 𝐱(𝐤 + 𝟏) + L2 . fc (k + 1)
y(k + 1) = C. [𝐀. 𝐱(𝐤) + 𝐁. 𝐮(𝐤) + 𝐋𝟏 . 𝐟𝐚 (𝐤)] + L2 . fc (k + 1)

𝐲(𝐤 + 𝟏) = 𝐂. 𝐀. 𝐱(𝐤) + 𝐂. 𝐁. 𝐮(𝐤) + 𝐂. 𝐋𝟏 . 𝐟𝐚 (𝐤)] + 𝐋𝟐 . 𝐟𝐜 (𝐤 + 𝟏) → (𝟐)

8
Mr MECHAT Nabil
 USTHB/FEI Cours Diagnostic 2eme année Master AIP/AS

 y(k + 2) = C. 𝐱(𝐤 + 𝟐) + L2 . fc (k + 2)

y(k + 2) = C. [𝐀. 𝐱(𝐤 + 𝟏) + 𝐁. 𝐮(𝐤 + 𝟏) + 𝐋𝟏 . 𝐟𝐚 (𝐤 + 𝟏)] + L2 . fc (k + 2)

y(k + 2) = C. A. 𝐱(𝐤 + 𝟏) + C. B. u(k + 1) + C. L1 . fa (k + 1) + L2 . fc (k + 2)
y(k + 2) = C. A. [𝐀. 𝐱(𝐤) + 𝐁. 𝐮(𝐤) + 𝐋𝟏 . 𝐟𝐚 (𝐤)] + C. B. u(k + 1) + C. L1 . fa (k + 1) + L2 . fc (k + 2)

y(k + 2) = C. 𝐴2 . x(k) + C. A. B. u(k) + C. A. L1 . fa (k) + C. B. u(k + 1) + C. L1 . fa (k + 1) +

L2 . fc (k + 2)

y(k + 2) = C. 𝐴2 . x(k) + C. A. B. u(k) + C. B. u(k + 1) + C. A. L1 . fa (k) + C. L1 . fa (k + 1) +

L2 . fc (k + 2)

𝐲(𝐤 + 𝟐) = 𝐂. 𝐀𝟐 . 𝐱(𝐤) + 𝐂. 𝐀. 𝐁. 𝐮(𝐤) + 𝐂. 𝐁. 𝐮(𝐤 + 𝟏) + 𝐂. 𝐀. 𝐋𝟏 . 𝐟𝐚 (𝐤) + 𝐂. 𝐋𝟏 . 𝐟𝐚 (𝐤 + 𝟏) +

𝐋𝟐 . 𝐟𝐜 (𝐤 + 𝟐) → (𝟑)
→ (𝟐)

Jusqu’à l’horizon s, les équations de sorties dynamiques peuvent être regroupées sous la forme
matricielle :
y(k) C 0 0 ⋯ 0 0 u(k)
y(k + 1) CA CB 0 ⋯ 0 0 u(k + 1)
y(k + 2) = CA2 . x(k) + CAB CB ⋯ 0 0 . u(k + 2) +
⋮ ⋮ ⋮ ⋮ ⋱ 0 0 ⋮
[ y(k + s)] [ CA S ] [ S−1 S−2
CA B CA B ⋯ CB ]
0 [ u(k + s)]
0 0 ⋯ 0 0 fa (k) L2 0 ⋯ 0 0 fc (k)
CL1 0 ⋯ 0 0 fa (k + 1) 0 L2 ⋯ 0 0 fc (k + 1)
CAL1 CL1 ⋯ 0 0 . fa (k + 2) + 0 0 ⋯ 0 0 . fc (k + 2)
⋮ ⋮ ⋱ 0 0 ⋮ ⋮ ⋮ ⋱ L2 0 ⋮
[CAS−1 L1 CAS−2 L1 ⋯ CL1 0] [ fa (k + s)] [ 0 0 ⋯ 0 L2 ] [ fc (k + s)]

D’où :

𝐘(𝐤, 𝐬) = 𝐇(𝐬). 𝐱(𝐤) + 𝐆(𝐬). 𝐔(𝐤, 𝐬) + 𝐄𝐚 (𝐬). 𝐅𝐚 (𝐤, 𝐬) + 𝐄𝐜 (𝐬). 𝐅𝐜 (𝐤, 𝐬)

Où :

Hp.(s+1)xn ∶ Matrice d’observabilité d’ordre s du système.

Avec :

9
Mr MECHAT Nabil
 USTHB/FEI Cours Diagnostic 2eme année Master AIP/AS

C 0 0 ⋯ 0 0 0 0 ⋯ 0 0
CA CB 0 ⋯ 0 0 CL1 0 ⋯ 0 0
H = CA2 ; G = CAB CB ⋯ 0 0 ; Ea = CAL1 CL1 ⋯ 0 0
⋮ ⋮ ⋮ ⋱ 0 0 ⋮ ⋮ ⋱ 0 0
[CAS ] [CAS−1 B CAS−2 B ⋯ CB 0] [CAS−1 L1 CAS−2 L1 ⋯ CL1 0]

L2 0 ⋯ 0 0
0 L2 ⋯ 0 0
Ec = 0 0 ⋯ 0 0
⋮ ⋮ ⋱ L2 0
[0 0 ⋯ 0 L2 ]

y(k) u(k) fa (k) fc (k)

y(k + 1) u(k + 1) fa (k + 1) fc (k + 1)
Y = y(k + 2) ; U =. u(k + 2) ; Fa = fa (k + 2) ; Fc = fc (k + 2)
⋮ ⋮ ⋮ ⋮
[ y(k + s)] [ u(k + s)] [ fa (k + s)] [ fc (k + s)]

La génération des équations liant Y et U consiste à éliminer les états x(k) inconnues dans
l’équation Y(k, s). Ceci revient à multiplier cette équation par une matrice de parité Ω orthogonale à
la matrice d’observabilité H, tel que :

Ω. H = 0
-Remarque :

-L’existence de Ω est conditionnée par le rang de la matrice d’observabilité H. En effet dans le cas ou
p. (s + 1) − Rang(H) ≤ 0 , on ne peut pas trouver cette matrice de parité Ω orthogonale à H.

-Dimension de Ω ∶ [p. (s + 1) − Rang(H)] x p. (s + 1)

-Rang de Ω ∶ 𝐑𝐚𝐧𝐠(Ω) = 𝐩. (𝐬 + 𝟏) − 𝐑𝐚𝐧𝐠(𝐇) > 𝟎 (𝐍𝐨𝐦𝐛𝐫𝐞 𝐝𝐞 𝐑𝐑𝐀𝐃)

-Nous pouvons écrire :

[Y(k, s) − G(s). U(k, s)] = [H(s). x(k) + Ea (s). Fa (k, s) + Ec (s). Fc (k, s)]

Ω. [Y(k, s) − G(s). U(k, s)] = Ω. [H(s). x(k) + Ea (s). Fa (k, s) + Ec (s). Fc (k, s)]

Ω. [Y(k, s) − G(s). U(k, s)] = Ω. H(s). x(k) + Ω. Ea (s). Fa (k, s) + Ω. Ec (s). Fc (k, s) ; Avec : Ω. H = 0

Ω. [Y(k, s) − G(s). U(k, s)] = Ω. [Ea (s). Fa (k, s) + Ec (s). Fc (k, s)]

Le vecteur de parité ou vecteur de résidus est donné sous forme externe (En fonction des
données connues) :

𝐩(𝐤) = 𝐫(𝐤) = Ω. [𝐘 − 𝐆. 𝐔]

10
Mr MECHAT Nabil
 USTHB/FEI Cours Diagnostic 2eme année Master AIP/AS

Le vecteur de résidus peut être aussi donné sous forme interne (En fonction des défauts), c’est
une forme d’évaluation :

𝐩(𝐤) = 𝐫(𝐤) = Ω. [𝐄𝐚 . 𝐅𝐚 + 𝐄𝐜 . 𝐅𝐜 ]

Le vecteur de résidus a une valeur moyenne nulle en l’absence de défauts. Lorsqu’un défaut
(Capteur ou d’actionneur) apparaît, ce vecteur de résidus devient non-nul et s’oriente vers la direction
du défaut.

-La matrice de parité Ω peut être calculée par les deux formules suivantes :

1) Ω = [Ker(H T )]T
Ha
2) Ω = [−Hb . Ha−1 I] ; Avec : H = [ ] ; (Ha : doit être une matrice régulière).
Hb
Pour réaliser l’opération de localisation des capteurs ou des actionneurs en défauts, nous
calculons les deux types de relations de redondance analytique dynamique à savoir : Des relations
d’auto-redondance et des relations d’inter-redondance.

a) Relations d’auto-redondance :
Nous souhaitons déterminer la redondance dynamique éventuelle d’un capteur avec lui-même.
Pour cela, on sélectionne dans la matrice de mesures "C" la 𝑗 𝑒𝑚𝑒 ligne qui correspond au 𝑗 𝑒𝑚𝑒
capteur, on note "Cj " la 𝑗 𝑒𝑚𝑒 ligne de la matrice de mesures C. La forme matricielle de la redondance
dynamique de chaque capteur (J = 1, 2,…, p), s’écrit comme suit :
yj (k) Cj 0 0 ⋯ 0 0 u(k)
yj (k + 1) Cj A Cj B 0 ⋯ 0 0 u(k + 1)
yj (k + 2) = Cj A2 . x(k) + Cj AB Cj B ⋯ 0 0 . u(k + 2) +
⋮ ⋮ ⋮ ⋮ ⋱ 0 0 ⋮
𝒔𝒋 −1 sj −2 u(k + sj )]
sj
[yj (k + sj )] [Cj A ] [Cj A B Cj A B ⋯ Cj B 0] [

0 0 ⋯ 0 0 fa (k) L2 0 ⋯ 0 0 fc (k)
Cj L1 0 ⋯ 0 0 fa (k + 1) 0 L2 ⋯ 0 0 fc (k + 1)
Cj AL1 Cj L1 ⋯ 0 0 . fa (k + 2) + 0 0 ⋯ 0 0 . fc (k + 2)
⋮ ⋮ ⋱ 0 0 ⋮ ⋮ ⋮ ⋱ L2 0 ⋮
sj −1
C
[ j A L1 Cj Asj−2 L1 ⋯ Cj L1 0] [fa (k + sj )] [ 0 0 ⋯ 0 L2 ] [fc (k + sj )]

Cj
Cj A
Avec : Hj = Cj A2 ; 𝑗 = 1,2,3, … , 𝑝 et sj : Horizon de chaque capteur.
⋮
s
C A
[ j j]
Avec comme condition d’orthogonalité : Ωj . Hj = 0

On a alors l’équation d’auto-redondance dynamique de chaque capteur j donné par :

𝐫𝐣 (𝐤) = Ω𝐣 . [𝐘𝐣 − 𝐆𝐣 . 𝐔]

11
Mr MECHAT Nabil
 USTHB/FEI Cours Diagnostic 2eme année Master AIP/AS

L’existence de cette relation d’auto-redondance dynamique pour chaque capteur j dépend

de l’existence de sa matrice de parité Ωj . Donc il faut vérifier que :

𝑅𝑎𝑛𝑔(Ωj ) = (𝑠𝑗 + 1) − 𝑅𝑎𝑛𝑔(Hj ) > 0

La détection de défaut se fait selon la valeur du résidu rj (k). Cette valeur est égale à zéro en
l’absence de défaut (Fonctionnement normal) et différent de zéro en présence de défaut.

b) Relations d’inter-redondance :
Les relations d’inter-redondance dynamique proviennent des informations liant plusieurs
capteurs. Pour chaque matrice d’observation Hj construite à partir d’une seule sortie (Matrice Hj
obtenue à partir des relations d’auto-redondance de chaque capteur j), retenons uniquement les 𝑙j
premières lignes linéairement indépendantes de Hj (𝑙𝑗 c’est le rang de Hj ). Le système qui en résulte
s’écrit :
Y1 H1 G1
Y2 H2 G2
[ ⋮ ] = [ ⋮ ] . x(k) + [ ⋮ ] . U
Yp Hp Gp
Cj
Cj A
Avec : Hj = Cj A2 ; 𝑗 = 1,2,3, … , 𝑝 et Rang(Hj ) = lj
⋮
s
[ Cj A j ]
Chaque nouvelle matrice Hj de chaque capteur j retenue (Contient que les premières lj lignes
linéairement indépendantes), lui correspond une nouvelle valeur d’horizon 𝑠𝑗 .

On cherche alors la matrice de parité Ω telle que : Ω. H = 0

H1 G1 U1 Y1
H2 G2 U2 Y2
Avec : H = [ ⋮ ] ; G = [ ⋮ ] ; U = [ ⋮ ] et Y = [ ⋮ ]
Hp Gp Up Yp

Le vecteur de résidus ou de parité s’écrit alors : 𝐩(𝐤) = 𝐫(𝐤) = Ω. [𝐘 − 𝐆. 𝐔]

12
Mr MECHAT Nabil