22.11.2014 Views

Diagnostic de défauts des systèmes à représentation multi-modèles ...

Diagnostic de défauts des systèmes à représentation multi-modèles ...

Diagnostic de défauts des systèmes à représentation multi-modèles ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Chapitre 2<br />

Synthèse d’une métho<strong>de</strong> <strong>de</strong> diagnostic <strong>de</strong><br />

<strong>défauts</strong> et d’estimation <strong>de</strong>s <strong>modèles</strong><br />

actifs au sein <strong>de</strong> <strong>systèmes</strong> représentés<br />

par <strong>de</strong>s <strong>modèles</strong> <strong>multi</strong>ples interpolés<br />

2.1 Introduction<br />

Ce chapitre traite du diagnostic <strong>de</strong> <strong>défauts</strong> <strong>de</strong>s <strong>systèmes</strong> décrits <strong>à</strong> partir <strong>de</strong>s <strong>modèles</strong> <strong>multi</strong>ples<br />

interpolés. Conformément <strong>à</strong> l’objectif visé, <strong>de</strong>ux buts doivent être atteints : d’une part la<br />

détection et l’isolation <strong>de</strong> <strong>défauts</strong>, et d’autre part l’estimation d’une fonction d’activation du<br />

modèle actif. Nous considérons ici la synthèse d’une métho<strong>de</strong> <strong>de</strong> génération <strong>de</strong> résidus fondée<br />

sur une <strong>représentation</strong> stochastique d’un système défini exactement autour <strong>de</strong> différents<br />

points <strong>de</strong> fonctionnement.<br />

Pour accomplir cet objectif, nous proposons tout d’abord une métho<strong>de</strong> exploitant un banc<br />

<strong>de</strong> filtres <strong>de</strong> Kalman classiques, qui permet d’engendrer plusieurs séquences d’innovation.<br />

Celles-ci sont évaluées par l’intermédiaire <strong>de</strong> la règle <strong>de</strong> Bayes afin d’effectuer l’estimation <strong>de</strong><br />

la fonction d’activation pour chaque modèle. Cette métho<strong>de</strong> permet d’atteindre le premier<br />

objectif. Afin d’accomplir l’objectif <strong>de</strong> la détection et l’isolation <strong>de</strong> <strong>défauts</strong>, un ensemble <strong>de</strong><br />

tests du rapport <strong>de</strong> vraisemblance est réalisé.<br />

Une étu<strong>de</strong> sur le comportement du résidu est ensuite réalisée. La synthèse d’un banc <strong>de</strong> filtres<br />

<strong>de</strong> Kalman découplés <strong>de</strong>s <strong>défauts</strong> est également proposée. Dans ce cadre, chaque filtre permet<br />

d’effectuer simultanément la génération <strong>de</strong> <strong>de</strong>ux résidus stochastiques directionnels : le<br />

premier résidu est sensible aux effets <strong>de</strong> <strong>défauts</strong> permettant la détection et l’isolation <strong>de</strong>s <strong>défauts</strong>,<br />

et le <strong>de</strong>uxième résidu est rendu insensible aux <strong>défauts</strong>, mais sensible aux changements<br />

<strong>de</strong> points <strong>de</strong> fonctionnement afin d’être utilisé pour l’estimation <strong>de</strong>s fonctions d’activation<br />

qui pondèrent chacun <strong>de</strong>s <strong>modèles</strong> linéaires d’interpolation.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!