Diesel Marins

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/316034815
Contribution au Diagnostic des Moteurs Diesel Marins
Conference Paper · July 2012
CITATIONS READS
0 8,797
5 authors, including:
Yassine Khelil Guillaume Graton

Aix-Marseille Université Ecole Centrale de Marseille
5 PUBLICATIONS 20 CITATIONS 55 PUBLICATIONS 123 CITATIONS
SEE PROFILE SEE PROFILE
Mohand Arab Djeziri Mustapha Ouladsine

Aix-Marseille Université Université Paul Cézanne
75 PUBLICATIONS 952 CITATIONS 127 PUBLICATIONS 568 CITATIONS
SEE PROFILE SEE PROFILE
Some of the authors of this publication are also working on these related projects:
MADEin4 View project
PRODUCTIVE4.0 View project
All content following this page was uploaded by Yassine Khelil on 04 October 2020.
The user has requested enhancement of the downloaded file.

Vous aimeriez peut-être avoir le chapitre 1 et 2 de la thèse de l’auteur “Analyse des données en vue
du diagnostic des moteurs Diesel de grande puissance” ? Cliquez sur lien pour les avoir gratuitement
https://www.fixdiesel.com/product/diagnostic-moteurs-diesel-chap1et2/
Contribution au Diagnostic des Moteurs

Diesel Marins ?
Y. Khelil, G. Graton, M. Djeziri, M. Ouladsine, R. Outbib
Laboratoire des Sciences de l’Information et des Systèmes - UMR

CNRS 6168, Domaine Universitaire de Saint-Jérôme, Avenue
Escadrille Normandie-Niemen, 13397 Marseille Cedex 20 (e-mail :
yassine.khelil@lsis.org).
Résumé : Cet article répond à une problématique industrielle portant sur la détection des
défauts sur les moteurs Diesel marins afin d’assurer la disponibilité des navires et de garantir
une conduite intelligente. La surveillance de la santé du moteur est réalisée à l’aide d’une
méthodologie générique utilisant les réseaux de neurones (RN). Le caractère générique repose
sur la capacité de cette méthodologie à être applicable à différents sous-systèmes du moteur
ainsi qu’à divers moteurs, ne nécessitant que l’apprentissage du réseau. La méthodologie fait
aussi appel à la validation des relations de cause à effet (RCE). Ces dernières interviennent pour
l’isolation et sont de nature empirique. Elles sont fournies par les experts de la maintenance.
Le diagnostic est testé sur des mesures réelles correspondant à des situations réelles pouvant
survenir sur des moteurs Diesel.
Mots-clés : Moteur Diesel, diagnostic, réseau de neurones, modélisation, relations causales
- le filtre de Kalman étendu [Nyberg and Stutte, 2004]

pour le diagnostic des défauts sur le circuit d’air
1. INTRODUCTION - les modèles qualitatifs [Sachenbacher et al., 1998] pour
diagnostiquer les défauts du système d’injection.
Les moteurs Diesel constituent les équipements les plus Les approches utilisant des modèles sont abondantes dans
importants présents sur les navires, permettant le bon la littérature. Cette liste de références est loin d’être ex-
déroulement des missions. Ils servent à générer de l’électri- haustive, elle donne quelques exemples d’approches ayant
cité pour alimenter les équipements électriques à bord, fait leurs preuves sur les moteurs Diesel.
mais ils jouent un rôle encore plus important, ils servent à
la propulsion. Une attention toute particulière doit leur La seconde famille regroupe les approches utilisant des
être accordée afin d’assurer leur disponibilité et parti- données. Un grand nombre d’articles relatifs au moteur
culièrement en mer, et donc éviter des pertes économiques. Diesel appartient à cette catégorie. Sans être exhaustif,
La mise en place d’un système de surveillance permet nous pouvons citer :
d’accroı̂tre la disponibilité. De plus, l’accroissement des - les réseaux de neurones artificiels utilisés dans [Cai et al.,
systèmes d’information déjà installés à bord, pour le 2008, Kimmich et al., 2005, Chandroth et al., 1998, Mor-
contrôle et pour des raisons environnementales, favorise gan et al., 2008] pour le diagnostic des soupapes et des
et facilite l’implantation de ce genre de systèmes. Une défauts sur le circuit d’air et le circuit de lubrification
détection précoce d’un défaut fournit aux décideurs à bord - les réseaux bayésiens utilisés dans [Pernestal, 2007] pour
la possibilité d’effectuer une maintenance intelligente et un diagnostiquer des défauts sur le circuit d’air
moyen d’optimiser la disponibilité des équipements. - la logique floue utilisée dans [Antonic et al., 2003] pour
le diagnostic des défauts de jeu entre le segment et la
Ces dernières décennies, beaucoup de travaux dans la chemise ainsi que les défauts liés au turbocompresseur
littérature traitent de la détection et de l’isolation des - le clustering comme dans [Morgan et al., 2008] pour
défauts conduisant à un grand nombre d’approches. Ces diagnostiquer certains défauts du circuit de lubrification
approches peuvent être classées en deux grandes familles Le cadre de ce travail répond à une problématique indus-
selon l’utilisation ou non d’un modèle. Pour le diagnostic trielle. Les spécifications requièrent la conception d’une
des moteurs Diesel, les approches utilisant des modèles de méthode générique applicable à différents moteurs Diesel
connaissance sont bien connues, elles sont basées sur : à bord avec un minimum de paramétrage. La méthode
- les observateurs comme dans [Ceccarelli et al., 2009, doit aussi être flexible et facilement adaptable aux autres
Nyberg and Stutte, 2004] pour le diagnostic des fuites types de moteurs marins, tout en considérant l’aspect dy-
d’air et autres défauts sur le circuit d’air namique lié aux changements de vitesse et de couple. Pour
- l’espace de parité comme dans [Kimmich et al., 2005] répondre à ces spécifications et comme l’instrumentation
appliqués aux défauts système sur les moteurs Diesel et la structure du modèle sont différentes pour chaque
automobiles moteur, les approches utilisant des modèles sont diffici-
?. Ce travail est financé par CG13, CG83, CG06, CR PACA, lement génériques et ne peuvent pas être facilement mises
TPM, FUI et MPM dans le cadre du projet BMCI (Bilan de santé en place. En revanche, une méthode basée sur l’intelligence
pour la Maintenance et la Conduite Intelligente).
artificielle avec une étape d’apprentissage s’avère être un été établie d’une façon à favoriser la détection des défauts
bon outil prenant en compte les transitions dynamiques les plus fréquents et aux conséquences graves. Des capteurs
ainsi que les non-linéarités. De plus, le passage d’un type de température, de pression, de débit, de vitesse, de couple
de moteur à un autre, d’un sous-système du moteur à et de tension sont implantés sur le moteur. Dans un
un autre ainsi que d’une instrumentation à une autre est but de synthèse et de compréhension, le travail présenté
facilement réalisable. Le choix d’une méthode utilisant des dans ce papier se limite aux systèmes de lubrification et
réseaux de neurones est un bon compromis. d’injection. La même démarche est faite sur les autres
sous-systèmes. Le système de lubrification ainsi que son
Ce papier est organisé de la façon suivante. Dans la section instrumentation sont illustrés par la figure 2.
2, les sous-systèmes du moteur Diesel sont présentés. Les
sections 3 à 7 sont dédiées à la méthodologie mise en place
sur le système de lubrification avec les RCE en section 3,
le modèle pour la validation des RCE en section 4 et la
validation des RCE en section 5. La section 6 est dédiée
à la méthode de diagnostic en utilisant les RN utiles à
l’étape de détection et d’isolation des défauts, détaillée
dans la section 7. Dans la section 8, des résultats de
simulation sont donnés sur le système de lubrification ainsi
que des résultats de l’application de la méthodologie pour
le diagnostic de défauts réels sur le système d’injection.
2. SOUS-SYSTÈMES DU MOTEUR DIESEL
Figure 2. Schéma du système de lubrification et de
Le moteur Diesel peut être décomposé en six sous-systèmes l’instrumentation des capteurs
principaux (voir figure 1). Le système de combustion est
composé d’éléments mécaniques tels que le bloc moteur, 3. RELATIONS DE CAUSE À EFFET
le vilebrequin, les engrenages, les pistons, les bielles, ...
Le système de refroidissement a pour rôle d’évacuer la Comme mentionné précédemment, le choix des capteurs
chaleur en dehors du compartiment moteur. Ceci nécessite a été fait dans le but de détecter les défauts les plus
différents éléments comme des pompes, des échangeurs, fréquents et les plus dangereux. Les relations de cause
... Le système de lubrification permet de réduire les frot- à effet (RCE) sur tout le moteur sont fournies par des
tements des parties mobiles et d’assurer leur refroidisse- experts de la maintenance. Ces derniers ont exprimé les
ment. Il contient aussi des pompes, des conduites, des relations possibles entre les défauts et les symptômes.
échangeurs tout comme le système de refroidissement. Le Les RCE données par les experts restent néanmoins assez
floues et des fois sujettes à des incertitudes. Une étape de
Liquide de refroidissement, eau de mer (air …)
Système validation des RCE est nécessaire. Dans cette section, nous
d’alimentation
Air
en air et
Chaleur
(convection
Système de Chaleur (convection forcée) nous focaliserons sur les RCE du système de lubrification.
refroidissement
Échappement d’échappement forcée)
Gaz d’échappement
Sur/alimentation
Chaleur (convection forcée) 3.1 Capteurs et défauts
Chaleur
(convection,
conduction et
rayonnement Friction Les défauts surveillés sur le système de lubrification sont
Système
d’alimentation et
Combustible
prêt pour
Système de combustion Puissance
au frein
définis par les experts de la façon suivante :
l’emploi (base moteur)
Combustible d’injection
Radiation Accessoires
(D1) fuite d’huile
(pompes,
Lubrification et
alternateurs …)
(D2) encrassement du filtre à huile
refroidissement
des éléments
mobiles (D3) usure de la pompe à huile
Système de
démarrage et
Système de (D4) encrassement du refroidisseur d’huile
Lubrification et lubrification
circuits électriques refroidissement
des éléments Les capteurs installés pour surveiller l’éventuelle appari-
mobiles Huile
tion des défauts, cités ci-dessus, sont :
Figure 1. Schéma des sous-systèmes du moteur Diesel (C1) la pression d’entrée filtre à huile (Pef h )
système d’injection a pour fonction de fournir du carbu- (C2) la pression de sortie filtre à huile (Phem )
rant mis sous pression aux cylindres. Des éléments comme (C3) la température d’huile entrée moteur (Them )
des filtres, des conduites, des pompes, des injecteurs, un
réservoir constituent ce système. Le circuit d’air (et des gaz 3.2 RCE et leur validation
d’échappement) permet de fournir de l’air aux cylindres
pour la combustion. Ce système contient un filtre à air, Ces relations de cause à effet associées au système de lu-
un turbocompresseur, des collecteurs et un refroidisseur brification sont données par des experts de la maintenance
d’air de suralimentation (RAS). Le système électrique est et sont exprimées par quatre règles :
composé d’un système de charge des batteries et d’un (R1) Une fuite d’huile peut être signalée par une dimi-
système de démarrage du moteur. Les relations entre ces nution de la pression et une augmentation de la
différents sous-systèmes sont illustrées dans la figure 1. température d’huile.
Pour surveiller le moteur, chaque sous-système est doté (R2) Un encrassement du filtre à huile peut être révélé
d’une liste spécifique de capteurs. La liste des capteurs a par une hausse de la pression différentielle du filtre.
(R3) Une défaillance ou une usure de la pompe à huile Certains paramètres comme la viscosité dynamique sont
peut causer une diminution de la pression et une connus et spécifiques à chaque catégorie d’huile. Le moteur
augmentation de la température. utilise une huile SAE 10W30 ayant pour paramètres µh =
(R4) Un encrassement du refroidisseur d’huile peut avoir 0.17P a.s et ρh = 865kg/m3 . Notons que l’effet de la
comme symptômes, une augmentation de la tempéra- température sur ces paramètres est négligé. En supposant
ture d’huile et une diminution des pressions. un écoulement laminaire, les paramètres C1i ainsi que Pref
sont identifiés par les moindres carrés.
4. MODÈLE DU SYSTÈME DE LUBRIFICATION
4.2 Modélisation de l’aspect thermique
Comme il a été dit précédemment, les RCE sont souvent
floues et peuvent contenir des incertitudes. Afin de valider Les équations dans (3) représentent un modèle du com-
ces relations, le système de lubrification est modélisé. Le portement thermique pour le système de lubrification
modèle doit prendre en compte les aspects physiques du dans un état de fonctionnement normal. La première
système afin de pouvoir insérer facilement les défauts et équation (3a) représente la relation entre le débit de
donc de valider les RCE. Une illustration de ce modèle est carburant ṁf donné par (4) et la chaleur libérée par la
donné dans la figure 3. combustion Q̇ht [Heywood, 1988]. La seconde équation
(3b) représente la représentation mathématique de l’aspect
thermique du système de lubrification (voir figure 3) où
la résistance thermique du refroidisseur d’huile RRH est
supposée constante.
ṁ a4
f
Q̇ht = a3 0.5 ≤ a4 ≤ 0.75 (3a)
Ap
Them 1
Ṫhem = (Q̇ht − ) (3b)
RRH cph qph
L’expression du débit de carburant en fonction de la
position pédale est décrite par (4) [Younes, 1993].
Figure 3. Aspect thermique et hydraulique du modèle du ṁf = ω(b1 + b2 xrack + b3 x2rack ) (4)
système de lubrification
Une écriture compacte des équations (3) et (4) est donnée
par (5).
4.1 Modélisation de l’aspect hydraulique
(1 + C5 xrack + C6 x2rack )a4 Them
Ṫhem = C3 − C4 (5)
Les équations dans (1) représentent un modèle simplifié ω 1−a4 ω
a
du comportement hydraulique du système de lubrification a3 b1 4 1 b2
où C3 = a
a11 a12 cph Ap4
, C4 = a11 a12 cph RRH , C5 = b1 ,
dans un état normal de fonctionnement (voir figure 3). b3
Les équations (1a) et (1b) sont liées à la pompe à huile C6 = b1 et 0.5 ≤ a4 ≤ 0.75.
[Bachus and Custodio, 2003]. Le reste assimile le circuit à Les paramètres a4 , C3 , C4 , C5 et C6 du modèle thermique
des conduites cylindriques successives ayant des longueurs sont identifiés en minimisant l’erreur de sortie.
respectives L1 , L2 , L3 et des diamètres D1 , D2 , D3
associés au refroidisseur d’huile, au filtre et au bloc moteur
[King, 2002]. Les équations sont décrites pour trois parties 4.3 Validation du modèle
du système où δP1 = Perh − Pref (différence entre la
pression d’entrée du refroidisseur d’huile et une pression Les modèles (2) associés au refroidisseur d’huile et au filtre
de référence), δP2 = Perh − Pef h (pression différentielle ainsi que le modèle (5) sont validés sur un nouveau jeu
du refroidisseur) et δP3 = Pdf h = Pef h − Phem (pression de données réelles, en comparant les estimations de Pef h ,
différentielle du filtre à huile). Phem , Them et les valeurs mesurées. Les résultats sont
ωph = a1 ω (1a) présentés dans la figure 4. Les erreurs relatives d’estima-
tion données par la calcul de la déviation maximale entre
qph = a2 ωph (1b) l’estimation et la mesure rapportée à la valeur nominale
2
ρh qph Li sont respectivement de 4.07%, 4.61% et 2.21% pour Pef h ,
δPi = 32fi 2 5 i = 1, . . . , 3 (1c) Phem et Them .
π Di
16
débit laminaire (Rei < 2000) Les résultats donnent de bonnes tendances même si le
fi = Rei (1d) modèle reste un modèle simplifié et que les conditions
0.079Re−0.25
i débit turbulent (Rei > 2000)
qph d’utilisation sont différentes. Ce degré de précision est
Rei = ρh π i = 1, . . . , 3 (1e) suffisant pour la validation des RCE heuristiques.
4 h Di
µ
Une écriture plus compacte de (1) est donnée par (2).
5. VALIDATION DES RCE VIA LE MODÈLE
C1i ω (Rei < 2000)
δPi = (2)
C2i ω 1.75 (Rei > 2000) Afin de valider les règles (R1) à (R4), les défauts (D1)
1.75
où i = 1, . . . , 3 ; C2i = 1.7876ρ0.75 0.25 (a1 a2 ) Li à (D4) sont introduits dans le modèle, en faisant varier
h µh π 1.75 Di4.75
et
les paramètres identifiés (voir section 4). Notons que les
C1i = 128µh a1πD
a2 Li
4 variations faites pour la validation de RCE ne sont que de
i
sorties modèle données réelles conduite du navire. Beaucoup de mesures (températures,
7
pressions, ...) varient en fonction de la vitesse moteur.
[bar]
6 Elle est prise comme une entrée du réseau de neurones.

hem
Chacune des autres mesures yi liées aux capteurs (C1) à

p
5
0 0.5 1
temps [h]
1.5 2 2.5 (C3) du sous-système (voir section 3.1) est dynamique ce
7 qui conduit à la mise en place d’un réseau de neurones
dynamique en mettant la mesure retardée yi (t − 1) en
[bar]
6
entrée du réseau.
efh
p
5
0 0.5 1
temps [h]
1.5 2 2.5 Le réseau a une structure à deux couches. La couche cachée
100
a 20 neurones et des fonctions sigmoı̈des en sortie, la
couche de sortie a une fonction linéaire. Le nombre de
Them [°C]
90
neurones de la couche cachée est choisi après une étude
80 de l’erreur d’estimation et du coût de calcul en fonction
0 0.5 1 1.5 2 2.5
temps [h] du nombre de neurones.
Figure 4. Comparaison entre les estimations des pressions ω

d’huile et de la température et leurs valeurs mesurées y^i(t)
1%. Les variables (pressions et température) sont analysées
yi(t-1)
afin d’estimer l’influence des défauts sur ces variables.
Une fuite (D1) est par définition, l’écoulement d’une
quantité d’huile hors de son contenant. Ce qui conduit à Couche cachée Couche
la diminution du débit principal d’huile (qph ). de sortie
Un encrassement (D2, D4) est lié à un phénomène de Figure 5. Structure du réseau de neurones
dépôt conduisant à la réduction de la section du débit
(D2 , D1 ). Donc, l’encrassement est simulé en diminuant 6.2 Apprentissage
le diamètre des conduites. De plus, l’encrassement (D4)
réduit la conductivité thermique et peut être traduit par L’apprentissage du réseau se fait par l’algorithme d’op-
la hausse de la résistance thermique (RRH ). timisation de Levenberg-Marquardt. Un premier jeu de
données est utilisé pour l’apprentissage et un deuxième
Une usure de la pompe (D3) correspond à la baisse de pour la validation et le test. Ces deux jeux contiennent
la capacité ou à l’incapacité (pire cas) de fournir un des données sur différents modes de fonctionnement du
débit. Cela correspond principalement à la réduction de moteur en fonction de la vitesse moteur (voir la figure
l’efficacité de la pompe (a2 ) et quelques fois à une chute 6). Les résultats de l’apprentissage sont présentés dans la
du rapport de réduction (a1 ) si une courroie est utilisée. figure 6.
Le tableau 1 présente pour chaque défaut les variations
correspondantes mises en place et les symptômes observés.
ω
ω [tr/min]
2000
Les règles (R1) à (R4) sont vérifiées, seules les hausses 1500 données réelles
de température d’huile dans (R1) et (R3) ne sont pas 1000 sortie RNA
0 1 2 3 4
constatées.
phem[bar]
7 7
[bar]
Table 1. Relations de cause à effet validées

6 6
efh
Défauts Variations Symptômes 5 5

p
0 1 2 3 4 0 1 2 3 4
(D1) qph & Pef h & Phem & Them →
(D2) D2 & Pdf h % Them → 2 2
pefc[bar]
pepi[bar]
1 1.5
(D3) a1 a2 & Pef h & Phem & Them →
0 1
0 1 2 3 4 0 1 2 3 4
(D4) D1 & et RRH % Pef h & Phem & Them %
[°C]
100 0.5
[bar]
90 0
hem
dfc
6. CONCEPTION DU RÉSEAU DE NEURONES 80 −0.5

p
T
0 1 2 3 4 0 1 2 3 4
temps [h] temps [h]
Le but de cette section est de proposer un modèle qualitatif

utilisant un réseau de neurones. Cette approche est réalisée
en deux temps. La première étape porte sur le choix des Figure 6. Vitesse moteur, variables réelles mesurées et
entrées du réseau ainsi que de ses caractéristiques. La leur estimation via les réseaux de neurones
seconde étape consiste en l’apprentissage du réseau.
7. DÉTECTION ET ISOLATION DES DÉFAUTS
6.1 Mise en place du réseau de neurones
Cette section est dédiée à la détection des défauts, par
La vitesse moteur ω est une variable mesurée très im- la mise en place de résidus, la génération de seuils et
portante. Elle est régulée, sert au contrôle et permet la l’évaluation des résidus.
7.1 Génération des résidus résidu seuil résidu normalisé
0.1
)[bar]
1
)
hem
Les résidus sont générés en comparant chaque mesure de
hem
0 0
R (p
capteur yi (t) avec son estimation correspondante ŷi (t) cal-
r (p
−0.1 −1
culée via le réseau de neurones, où l’indice i fait référence 0 1 2 3 4 0 1 2 3 4
temps [h] temps [h]
à chaque variable. L’expression du résidu est définie par :
0.1
)[bar]
1
ri (t) = yi (t) − ŷi (t) (6)
)
efh
0 0
R (p
efh
r (p
−1
7.2 Génération des seuils −0.1
0 1 2 3 4 0 1 2 3 4
temps [h] temps [h]
Deux seuils sont générés pour toutes les variables en 0.2
)[°C]
1
)
prenant la plus grande valeur de dispersion de l’erreur
hem
hem
0 0
R (T
entre l’estimation du RN et la mesure sur l’ensemble des
r (T
−1
données de validation de l’apprentissage. Ces seuils sont −0.2
0 1 2 3 4 0 1 2 3 4
définis par : temps [h] temps [h]
max
T hi = βimax maxj∈{1,...,N } (yi (j) − ŷi (j))
min (7)
T hi = βimin minj∈{1,...,N } (yi (j) − ŷi (j)) Figure 7. Évolution des résidus dans le cas d’un défaut
où N est le nombre de données utilisées pendant l’étape sur la pompe à huile
de validation de l’apprentissage et i fait référence aux Le défaut est détecté de manière quasi-instantanée même
variables prises en considération. si l’amplitude du défaut est assez faible. La détection du
Pour garder le nombre de fausses alarmes acceptables et défaut se traduit par le passage du résidu normalisé de 0
en même temps pour prendre en compte l’aspect variable à −1, indiquant une chute.
des fonctions “max” et “min”, des coefficients d’ajustement
8.2 Résultats expérimentaux
βimax et βimin sont introduits aux expressions des seuils.
Comme déjà mentionné, l’approche est appliquée à des si-
7.3 Évaluation des résidus tuations réelles avec des défauts sur le système d’injection.
La même méthodologie est réalisée comme celle présentée
En fonction de l’état de fonctionnement des sous-systèmes précédemment. Le système d’injection a deux capteurs :
du moteur, les résidus doivent réagir ou non. Cette réaction (C4) pression entrée filtre à carburant (Pef c )
des résidus est formulée en introduisant de résidus norma- (C5) pression sortie filtre à carburant (Pepi )
lisés définis par :
 ainsi qu’un capteur logiciel Pdf c qui correspond à la
 1 si ri (t) > T hmax
i différence Pef c − Pepi . Deux types de défauts sont étudiés :
Ri (t) = −1 si ri (t) < T hmin (8) (D5) fuite de carburant, une faible fuite commençant à
 0 si T hmin ≤ ri (t) ≤ T hmax
i i i t = 30.35 min et finissant à t = 31.07 min suivie
où 1 caractérise une hausse, −1 une chute et 0 un fonc- d’une fuite plus sévère de t = 32.03 min à t = 34.35
tionnement normal (sans défaut). min
(D6) encrassement du filtre à carburant, un faible encras-
8. RÉSULTATS sement commençant à t = 35.37 min et finissant à
t = 42.70 min puis un plus sévère de t = 42.70 min à
t = 53.25 min.
Dans cette section, la procédure de diagnostic est ap-
pliquée au système de lubrification et étendue par la suite Les relations de cause à effet fournies par les experts sont
au système d’injection qui contient une instrumentation validées et résumées par :
en capteurs similaire. Un dysfonctionnement du système (R5) Une fuite de carburant se traduit par une baisse de la
de lubrification peut avoir de conséquences graves coûtant pression
chères à réparer (comme le grippage des pistons). Donc, (R6) Un encrassement du filtre se traduit par une augmen-
une simulation des défauts est effectuée sur le système tation de la pression différentielle du filtre.
de lubrification, les résultats sont donnés dans la section La figure 8 représente les résidus ainsi que les résidus
suivante. Afin de consolider notre approche, les résultats normalisés pour les cases (D5, D6). Notons qu’aux instants
obtenus en situation réelle sur le système d’injection sont 30.42 min et 30.35 min, les résidus normalisés des deux
présentés dans la section 8.2. pressions pef c et pepi passent de 0 à −1 indiquant la
présence d’une fuite. Ensuite à l’instant 32.70 min et 32.17
8.1 Résultats de simulation min, ces résidus passent de nouveau de 0 à −1 indiquant
toujours une fuite (il s’agit de la fuite sévère). Les deux
L’usure de la pompe à huile est simulée par des chutes niveaux (faible et sévère) sont détectés correctement après
des pressions d’huile (pef h et phem ). Le défaut débute à un bref délai. Le même raisonnement peut être fait sur
l’instant t = 10 min (0.16 h) et est d’amplitude 0.65 bar l’encrassement. À l’instant 35.38 min, le résidu normalisé
(soit 9.6% de la valeur nominale de pef h et de phem ). La de la pression différentielle pdf c passe de 0 à 1. Quelques
figure 7 représente les résidus et les résidus normalisés du fausses alarmes et non-détections sont à noter, mais leur
cas (D3). nombre reste acceptable.
résidu seuil résidu normalisé tection in diesel engines. Proc. of American Control
0.5 1 Conference, pages 1128 – 1133, 2009.
r (pefc)[bar]
R (pefc)
−0.5 0
G.O. Chandroth, A.J.C. Sharkey, and N.E. Sharkey. Arti-
−1 ficial neural nets and cylinder pressures in diesel engine
−1
−1.5
20 30 40 50 20 30 40 50
fault diagnosis. Proceedings of INMARCO98, 1998.
temps [min] temps [min] J.B. Heywood. Internal combustion engine fundamental.
0.2 1 McGraw-Hill Inc, New York, USA, 1988.
r (pepi)[bar]
R (pepi)
−0.2 0
F. Kimmich, A. Schwarte, and R. Isermann. Fault detec-
−0.4 tion for modern diesel engines using signal and process
−1
20 30 40 50 20 30 40 50
model-based methods. Control Engineering Practice,
temps [min] temps [min] 13 :189–203, 2005.
1 1 R.P. King. Introduction to practical fluid flow.
r (pdfc)[bar]
R (pdfc)
Butterworth-Heinemann, 2002.
0 0
I. Morgan, H. Liu, G. Turnbull, and D. Brown. Predictive
−1
−1
20 30 40 50 20 30 40 50
unsupervised organisation in marine engine fault detec-
temps [min] temps [min] tion. IJCNN, pages 249–256, 2008.
M. Nyberg and T. Stutte. Model based diagnosis of
Figure 8. Évolution des résidus dans le cas d’une fuite de the air path of an automotive diesel engine. Control
carburant et d’un encrassement du filtre à carburant Engineering Practice, 12 :513–525, 2004.
A. Pernestal. A bayesian approach to fault isolation with
9. CONCLUSION application to diesel engine diagnosis. Licenthiate the-
sis, KTH School of Electrical Engineering, Stockholm,
Sweeden, 2007.
Une méthodologie utilisant des réseaux de neurones est
M. Sachenbacher, A. Malik, and P. Struss. From electrics
présentée dans ce papier. Une étape préliminaire a conduit
to emissions : Experiences in applying model-based
à la validation les relations de cause à effet à partir d’un
diagnosis to real problems in real cars. Proc. 9th Int.
modèle analytique. Les résultats montrent que les RCE
Work. on Principles of Diagnosis, pages 246–253, 1998.
sont fiables mais une attention particulière doit être ac-
cordée à l’étape d’isolation, surtout que l’influence des R. Younes. Élaboration d’un modèle de connaissance
défauts sur les variables n’est pas équivalente. Notons du moteur Diesel avec turbocompresseur à géométrie
qu’après une première phase de validation en simula- variable en vue de l’optimisation de ses émissions. Phd
tion, la méthodologie a été testée sur des données réelles thesis, École Centrale de Lyon, 1993.
présentant des défauts. Les résultats montrent l’efficacité Annexe A. NOMENCLATURE
de l’approche quant à la détection des défauts. Ces derniers
sont détectés quasiment instantanément même si leur am- a1 Rapport de réduction.
plitude est faible. Le nombre de fausses alarmes et de non- a2 Coefficient d’efficacité (rendement) et de conver-
détections reste acceptable. De plus, un post traitement sion (m3 ).
sur les résidus peut améliorer les résultats. a3 , a4 Constantes.
Ap Surface du piston (m2 ).
Les perspectives de ce travail consistent à étudier la sen- b1 , b2 Constantes.
sibilité aux défauts et d’améliorer l’isolation des défauts. cph Capacité thermique de l’huile (J.kg −1 K −1 ).
Une autre perspective consiste à généraliser cette approche D Diamètre des conduites cylindriques (m).
à d’autres systèmes autre que le moteur Diesel. f Facteur de friction.
L Longueur des conduite cylindriques (m).
REMERCIEMENT ṁf Débit carburant (kg/s).
µh Viscosité dynamique (P a.s).
Les auteurs tiennent à remercier les partenaires du projet ω Vitesse de rotation du moteur (rad/s).
BMCI : DCNS, PREDICT, SIMB, CMR, ECT, ECM, ωph Vitesse de rotation de la pompe à huile (rad/s).
CRAN, FEMTO, LEAT et EDF. Pdf h Pression différentielle du filtre à huile (P a).
Pef h Pression d’entrée du filtre à huile (P a).
RÉFÉRENCES Perh Pression d’entrée du refroidisseur d’huile (P a).
Phem Pressure de sortie filtre à huile (P a).
R. Antonic, Z. Vukic, and L. Kuljaca. Fuzzy modeling and
Pref Pression de référence (P a).
control of marine diesel engine process. Proc. of 11 th
Mediterranean Conf. on Control and Automation, 2003. qph Débit d’huile (m3 /s).
L. Bachus and A. Custodio. Know and Understand Cen- Q̇ht Flux de chaleur transférée (J/s).
trifugal Pumps. Elsevier Ltd, Oxford, United Kingdom, ρh Densité de l’huile (kg/m3 ).
2003. Re Nombre de Reynolds.
Y. Cai, S. Cheng, Y. He, and P. Xu. Application of RRH Résistance thermique du refroidisseur d’huile
image recognition technology based on fractal dimension (K/W ).
for diesel engine fault diagnosis. The 9th International Them Température de l’huile à l’entrée du moteur (K).
Conference for Young Computer Scientists, pages 2948 xrack Position pédale (%).
– 2953, 2008.
R. Ceccarelli, C. Canudas de Wit, P. Moulin, and A. Sciar-
retta. Model-based adaptive observers for leakage de-
View publication stats

Diesel Marins

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Diesel Marins

Transféré par

Droits d'auteur :

Formats disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Contribution au Diagnostic des Moteurs Diesel Marins

Conference Paper · July 2012

Yassine Khelil Guillaume Graton

SEE PROFILE SEE PROFILE

Mohand Arab Djeziri Mustapha Ouladsine

SEE PROFILE SEE PROFILE

MADEin4 View project

PRODUCTIVE4.0 View project

The user has requested enhancement of the downloaded file.

Contribution au Diagnostic des Moteurs

Laboratoire des Sciences de l’Information et des Systèmes - UMR

Mots-clés : Moteur Diesel, diagnostic, réseau de neurones, modélisation, relations causales

- le filtre de Kalman étendu [Nyberg and Stutte, 2004]

6 Elle est prise comme une entrée du réseau de neurones.

Chacune des autres mesures yi liées aux capteurs (C1) à

Figure 4. Comparaison entre les estimations des pressions ω

Table 1. Relations de cause à effet validées

Défauts Variations Symptômes 5 5

6. CONCEPTION DU RÉSEAU DE NEURONES 80 −0.5

Le but de cette section est de proposer un modèle qualitatif

Deux seuils sont générés pour toutes les variables en 0.2

View publication stats

Vous aimerez peut-être aussi