Estimation d'état et diagnostic de systèmes à commutation par filtrage multi-modèle, Sate estimation and diagnosis of switching systems by multiple model estimators

De
Publié par

Sous la direction de Didier Maquin, José Ragot
Thèse soutenue le 08 décembre 2006: INPL
Ce travail concerne la détection de défauts sur les systèmes sujets à des changements de mode de fonctionnement. Le système réel est modélisé par un système à commutation markovienne qui est représenté par un ensemble de modèles de fonctionnement (fonctionnements normaux et anormaux) et par une matrice de probabilité de transition de Markov qui contient les probabilités de passage d'un modèle de fonctionnement à un autre. Cette représentation offre un cadre idéal à l'application des méthodes d'estimation multi-modèle. L'intérêt d'utiliser ce type d'estimateurs réside dans le fait qu'en plus de l'estimation de l'état du système, les estimateurs multi-modèles procurent la probabilité d'occurrence ou d'activation de chaque modèle de fonctionnement. Ces probabilités peuvent alors être utilisées pour la détection de défaut. Dans ce travail, nous avons utilisé les spécificités de l'estimation multi-modèle afin de procéder à la détection et l'isolation des défauts qui peuvent affecter un système linéaire. Plusieurs améliorations et aménagements ont été apportés à ce type d’estimateurs dans le but d'augmenter les performances du diagnostic
-Systèmes à commutation markovienne
-Détection et localisation de défauts
-Multi-modèle
-Estimation d’état
-Synthèse d'observateurs
In this thesis, a fault detection method is developed for switching dynamic systems. These systems are represented by several linear models, each of them being associated to a particular operating mode. The proposed method is based on mode probabilities with the aim of finding the system operating mode and estimating the state. The method also uses a priori knowledge information about the mode transition probabilities represented by a Markov chain. This kind of model offers an ideal framework to the application of the multiple model estimation methods. The interest to use this type of estimators lies in the fact that in addition to the state estimation, the multiple model estimators get the probability activation of each model. These probabilities can be used for fault detection purpose. However, several improvements were made to this type of estimators in order to increasing the performances of the diagnosis
Source: http://www.theses.fr/2006INPL093N/document
Publié le : lundi 24 octobre 2011
Lecture(s) : 69
Nombre de pages : 184
Voir plus Voir moins


AVERTISSEMENT



Ce document est le fruit d’un long travail approuvé par le jury de
soutenance et mis à disposition de l’ensemble de la communauté
universitaire élargie.
Il est soumis à la propriété intellectuelle de l’auteur au même titre que sa
version papier. Ceci implique une obligation de citation et de
référencement lors de l’utilisation de ce document.
D’autre part, toute contrefaçon, plagiat, reproduction illicite entraîne une
poursuite pénale.

Contact SCD INPL: mailto:scdinpl@inpl-nancy.fr




LIENS




Code de la propriété intellectuelle. Articles L 122.4 e la propriété intellectuelle. Articles L 335.2 – L 335.10
http://www.cfcopies.com/V2/leg/leg_droi.php
http://www.culture.gouv.fr/culture/infos-pratiques/droits/protection.htm
Institut National Centre de Recherche
Polytechnique de Lorraine en Automatique de Nancy
´Ecole doctorale IAEM Lorraine
D´epartement de Formation Doctorale en Automatique
Estimation d’´etat et diagnostic de
syst`emes `a commutation par filtrage
multi-mod`ele
`THESE
pr´esent´ee et soutenue publiquement le 08 d´ecembre 2006
pour l’obtention du
Doctorat de l’Institut National Polytechnique de Lorraine
(sp´ecialit´e automatique et traitement du signal)
par
Abdelfettah HOCINE
Composition du jury
Pr´esident : M. Professeur `a l’Universit´e d’Aix-Marseille
Rapporteurs : D. Professeur `a l’Universit´e du Havre
M. `a l’ENSAM, Paris
Examinateurs : D. Professeur `a l’INPL, Nancy (directeur de th`ese)
J. `a Nancy (co-directeur)
D. Professeur `a l’Universit´e de Nancy 1
Centre de Recherche en Automatique de Nancy — UMR 7039 - Nancy-Universit´e, CNRS
2, Avenue de la Forˆet de Haye 54516 Vandœuvre-L`es-Nancy
T´el.+33(0)3 83 59 59 59 Fax +33(0)3 83 59 56 44
OuladsineTheilliolRag?gotVerquinLefebvreMalaMisthloria.enclassepageavecdeRemerciemend'assurertsleursLe?traquivMonsieurailppr?senleurt?sadans?cetm?moireaccept?ats?t?oureectu?etauonseintduremerciemenCenmani?retreideterrogationsRecJehercOuladsinehetraenjuryAutomatique?deauNancyJe(CRANmem-ctoranUMRbiance7039)treteniraueuxseinwdupgroupteuth?matiqueon"S?ret?cededuFetonctionnemencieusesttr?set?galemenDiagnosticprofesseurdesvSyst?mes"minersousaillapr?sidencedirectionMesdetMessieursDidierlessaprofesseursetDidierremarquesMaquinparticuli?remenettousJos?duRagot.lesJeptienset?haleureuseleursut?moigneraumas?jourprofondetoutgratitudeScppourtel'accueil,Enn,levsuivitousettl'aidequi,pr?cieused'unequ'ilsconm'onorationtvappapprofondieort?sm?moire,toutremarquesauinlongjudi-dem'once?t?trapr?cieuses.vremercieail.tJeleleurMustaphasuisd'atr?soirreconnaissand'exa-tcepvouretlalaconanceduqu'ils.m'onremerciements'adressent?moign?eaussitoutMonsieurauTheilliollongourdeparticipationmesjurytrapvsesauxfructueuses.detiensrecthercremercierhe.lesJ'exprimebresmaCRANgratitudetous?doMessieurstslesourprofesseurssympathieDimitril'amLefebcvrequ'ilsettMicenheltoutVlongerg?mond'aparmivetoirparticuli?remenaccept?Marjoriedehrappartzorteroursurconstanmondis-m?moireonibilit?.etmesptsouronl'in?t?r?tceuxqu'ilsm'ononsoutentouvd'uneouluoupautre,ortert?tribu?cel'?labtradevtraail.ail.Leurlectureii?Jemad?diem'acettesuisth?sefemme?etmesiiiparienrentsmaadoquir?ssoutenusans?lesquelss?urjeneiv.T.able.desd?lemati?rescasT.ableviennedes.gures.ixApproT.able.des.notations.R?f?rences.p1.4.1ersonnelles.1cIn.trolesduction?sieng?n?raleyChapitre(In1.M?tho.des.d'estimation.d'?tatd'?tatpar.m.ulti-mo.d?le.p.our.les.syst?mesd?le?tcom-.multi-moutationutation1.11.4.4Inordretro25ductiondeuxi?me.29.del.33.........v.....1.4.m.............g?n?rale.............1.4.2.m.our.comm.....18.he.p.?9.1.2.Filtrepseudo-badeduKalman....Estimateur.g?n?ralis?.....Estimateur.Multiple.....Conclusion...................o.........14.Estimation.par.ulti-mo........11.1.3.Syst?me.?.comm.utation.mark.o15vienneDescription?.temps.discret......................15.Appro13he1.3.1ulti-moCha?nespdeleMarknonoutanv..........1.4.3.c.m.d?le.our.syst?mes.comm.......21.Estimateur.y.g?n?ralis?.premier.........1.4.5.pseudo-ba.?sien.du13ordre1.3.2.Cha?nes.de.Mark1.4.6oIMMvteracting?MoespaceEstimator)d'?tats.discret....1.5........................13.1.3.3.Description.des.syst?mes.?.comm39utationmarkdeTateurable79des.mati?rm?-es.Chapitre.2.Diagnostic.des.syst?mes.?.commConditionutationo2.1.In.tro.duction..........?...................Mark.y...quasi.....quasi...........ateurs.tro...........aille..43vi2.2troPrincip.es.fondamen.taux.duormdiagnostic......65.de...3.4.........des...........de.....in44.2.2.1.Surv.eillance........87.p.o-...................ateur.............de.3.1..............44.2.2.2.Diagnostic3.2.du...............F.de.matrice.v.....quasi...............3.4.1.y.d'une..............44.2.2.3.Prise3.4.2deyd?cisionMPT.........Algorithme.n...........3.6...................4.m?moire.les.utation.4.1....46.2.2.4.P.erformance.d'une.pro.c?dure.de4.2diagnosticm?moire.............92.de.........4.2.2.l'horizon47.2.3.Estimateurs.m.ulti-mo.d?les.p.ourmatriceleMarkdiagnosticv.In.duction..............................48.2.3.1.Mo64d?leFdeulationd?fautprobl?me.............................3.3.onction.densit?.probabilit?.la.de.o.........67.Algorithme.ba49?sien2.3.2.D?tection.de.d?faut....................71.Estimation.ba.?sienne.param?tres.distribution.lange......................51.2.3.3.Construction.de.la.matrice.de72MarkEstimateurobav?sien.la...................3.5.par.t?gration.um?rique....53.2.3.4.?v.aluation.des.p.erformances.de.la84m?thoConclusionde...........................54.2.4.Exemple.de.simChapitreulationObserv.?.nie.our.syst?mes.comm.mark.vienne.In.duction...................................91.Observ.?55nie2.5.Conclusion........................4.2.1.d'existence.l'observ.................94.T.de......................60.Chapitre.3.Estimation94dela.4.2.3.Propri?t?sdesde.l'observ.ateur....Chapitre.................F...des.....d'estimation.Sous-estimateur.Estimateur.Choix.Exemple......95.4.3InObserv.ateur.?.m?moire.nie.a.vblesec.en.tr?ebleinconn.ue......................Conclusion......95.4.4.Observ.ateurulti-mo?.m?moire.nie.p.our.lesprobl?mesyst?mes.?.comm.utationdesmark.o.vienne.97en4.4.1.D?v.elopp.emen.t.deaula.m?tho.de....132.........................actif............99.4.4.2.Exemple.d'application........................Estimateur.structur?.duction.................129.ulation..101.4.5.Extension.de.la.m?tho.de6.3pdeour.les.syst?mes.?.en.tr?e6.3.1inconndeuedeux.mo..............106.4.66.3.2Conclusionde.d'un.mo.................Pro...............133...............133...............136.mo107.Chapitre.5.Observ.ateur.mixte.p137our.les.syst?mes.?.comm.utation.mark.o.vienne.5.1141In.tro.duction..............vii...............................126.6.m.d?le.6.1.tro..............113.5.2.Observ.ateur.?.m?moire.nie..........6.2.orm.du.............................130.Matrice.probabilit?s.transition..113.5.3.Observ.ateur.mixte..........130.Matrice.probabilit?s.transition.tre.sous-ensem.de.d?les.................................131.Matrice.probabilit?s115transition5.4seinExemplesous-ensem.de.d?les.................................6.4.c?dure...............................6.4.1..117.5.5.Observ.ateur.mixte.p.our.les.syst?mes.?.comm.utation.mark.o.vienne6.4.2.global........121.5.5.1.D?v.elopp.emen.t.de.la.m?tho.de..6.4.3.du.d?le...........................6.5........121.5.5.2.Exemple.d'application........................6.6..........................123.5.6.Conclusion......147..

Soyez le premier à déposer un commentaire !

17/1000 caractères maximum.

Diffusez cette publication

Vous aimerez aussi