Diagnostic

Contact
Vincent Cocquempot Professeur Universit Lille 1, France DED Auto EDSPI 072 Laboratoire LAGIS FRE 3303 : Tl : +33 (0)3 20 43 62 43 Fax : +33 (0)3 20 33 71 89 Mail : vincent.cocquempot@univ-lille1.fr http://sfsd.polytech-lille.net/vcocquempot

2
Du diagnostic la tolrance aux fautes

Vincent COCQUEMPOT LAGIS FRE 3303 Universit Lille 1, France
Plan de la prsentation

Plan de la prsentation

Dfaillances et diagnostic, dfinitions, notions gnrales La surveillance (FDI) et le diagnostic Utilisations du diagnostic. FTC Sret de fonctionnement Mise en place dun systme de diagnostic Dcision statistique
Gnration des indicateurs de dfaillance en utilisant un modle de comportement Apprentissage et reconnaissance des formes Gnration de rsidus par observateurs. Localisation des dfauts : banc de gnrateurs de rsidus Conclusions Quelques rfrences bibliographiques
V. Cocquempot LAGIS FRE 3303, Universit Lille1 ; Cours de Master SMaRT Du diagnostic la tolrance aux fautes
Dfinition dune dfaillance

Norme AFNOR (X60-500)
Dfaillances et diagnostic Dfinitions, notions gnrales
Une dfaillance est laltration ou la cessation de laptitude dun ensemble (de composants) accomplir sa ou ses fonctions requises avec les performances dfinies dans les spcifications techniques. Aprs dfaillance d'une entit, celle-ci est en tat de panne
Dfinition dune dfaillance

Classification des dfaillances

Dfaillance (failure), faute (fault), panne (breakdown, failure), dfaut (fault, failure),
Nombreux articles sur la terminologie Des diffrences suivant les communauts : SC, SED, IA et les techniques utilises
Type de composant affect

Dfaillance capteur Dfaillance actionneur Dfaillance systme (composants internes)

Nature de la dfaillance

Une dfaillance concerne un (ou un ensemble)
de composants physiques. Leffet de la dfaillance produit des symptmes (qualitatifs, modification des signaux, volution de caractristiques)
Dfaillance constante Dfaillance voluant dans le tps Dfaillance intermittente Dfaillance fugitive Dfaillance soudaine Dfaillance progressive
Classification des dfaillances

Dfinition gnrale du diagnostic

Des causes diffrentes

mauvais emploi (df. de commande), faiblesse inhrente, Dfaillance premire usure normale Dfaillance seconde
Norme AFNOR : Le diagnostic est lidentification de la cause probable de la (ou des) dfaillances laide dun raisonnement logique fond sur un ensemble dinformations provenant dune inspection, dun contrle ou dun test. 3 tches indispensables : observer les symptmes Interprter les symptmes : dtecter la dfaillance Identifier le composant (ou ensemble) dfaillant : diagnostiquer
Des consquences diffrentes

Dfaillance mineure, Dfaillance majeure, Dfaillance critique, Dfaillance catastrophique
10
Diagnostic = Pb inverse
Diagnostic = Pb inverse
F(causes)=observations (ou symptmes) : F(x) = y
Pb bien pos illustration

y F(X) x X F Y
Le diagnostic vise exprimer les causes en fonction des observations soit dterminer F-1 x = F-1(y)
Le problme est dit bien pos Existence dune solution pour tout y Y Unicit de solution de x dans X Continuit de la solution x(y)
Relations entre lespace X des causes et lespace Y des symptmes

Extrait de Gilles Zwingelstein, Diagnostic des Dfaillances Thorie et pratique pour les systmes industriels, Trait des Nouvelles Technologies, srie Diagnostic et Maintenance, Herms, 1995
11
12
Diagnostic : plusieurs fonctions

Surveillance (on-line monitoring) : Dtection et localisation des dfaillances (FDI : Fault Detection and Isolation) Identification de la nature de la dfaillance Diagnostic (diagnosis): inclus la surveillance en cherchant remonter la cause premire. Peut tre fait en-ligne ou hors ligne.
La surveillance (FDI) et le diagnostic
Plus gnralement
Surveillance : dterminer ltat rel du systme (mode de fonctionnement normal ou non) partir des informations disponibles Diagnostic : (en + de la surveillance) interprter ltat rel: Normal ? Anormal ? Pourquoi le systme est il dans cet tat (causes)?

14
13
Surveillance (FDI)
Surveillance (FDI)
Dtection dune dfaillance (Fault/failure detection)

Sollicitations
Dtection
Modle de bon fonctionnement
Caractristique thorique sous lhypothse de bon fonctionnement
Principe gnral :
A partir des infos disponibles : estimer une (des) caractristique(s) ou symptme(s) : paramtre(s), variable(s), grandeur(s) du systme Comparer la(les) caractristique(s) estime(s) aux caractristiques thoriques sous lhypothse de bon fonctionnement

SYSTEME REEL
Observations
Comparer Estimateur
caractristique estime
INDICATEUR DE COHERENCE
15
16
Surveillance (FDI)
Surveillance (FDI)
Dtection : Mthode avec modle
Dtection : Mthode avec modle

Observations
Sollicitations
Sollicitations
comparaison
Observations
SYSTEME REEL
SYSTEME REEL
Estimateur utilisant le modle comportemental

GENERATEUR DE RESIDU
INDICATEUR DE COHERENCE ou RESIDU
Estimation
GENERATEUR DE RESIDU
INDICATEUR DE COHERENCE ou RESIDU
17
18
Surveillance (FDI)
Diagnostic
Localisation du composant (ou de lensemble de composants) en dfaut (Fault Isolation) Utilisation de modles du systme sous diffrentes hypothses Utilisation de plusieurs caractristiques, symptmes Ensemble dindicateurs ayant des proprits de robustesse/sensibilit aux dfauts diffrentes.
Principe gnral :
Pourquoi est-on arriv dans cet tat ? Quelle est la cause premire (composant, sous-systme incrimin) de ltat de dfaillance du systme ? Quelles sont les caractristiques (nature, amplitude, ) de la dfaillance?
Identification du dfaut : drive dun paramtre, biais sur un capteur, .
19
20
Diagnostic
Dfaut D1 Dfaut D2
Diagnostic
Dfaut D1 Dfaut D2
Etat estim Etat estim
Dfaut D3 volution du systme, accumulation des symptmes, possibilit de dfaillances successives

Dfaut D3 volution du systme, accumulation des symptmes, possibilit de dfaillances successives

21
22
Diagnostic
Plusieurs diagnostics possibles
Etat 1 suivi de D1 puis de D2 Etat 1 sans dfaillance Etat 2 sans dfaillance Etat 2 suivi de D3 1
Diagnostic en-ligne et hors-ligne

Dfaut D1 Dfaut D2
Des contraintes diffrentes sur les donnes utilises

en-ligne
Etat estim
: utilisation des infos disponibles (capteurs, commandes) Hors-ligne : ajouts de tests spcifiques

2
Dfaut D3

volution du systme, accumulation des symptmes, possibilit de dfaillances successives
Des contraintes temporelles diffrentes : pas la mme chelle : en-ligne, il faut rduire au max les dlais de dtection Des contraintes diffrentes sur les traitements : enligne, les ressources sont souvent limites (systmes embarqus) Des contraintes diffrentes sur les niveaux de connaissance. Hors-ligne : ajout de la connaissance de lexpert
23
24
Diagnostic Passif et Actif

Diagnostic passif On utilise les sollicitations (commandes) prvues pour lexploitation normale du systme Diagnostic actif On agit volontairement on choisit les sollicitations - sur le systme pour mettre en vidence certains symptmes
Utilisations du diagnostic Commande tolrante aux fautes
Hors-ligne : dmarche de tests de loprateur de maintenance En-ligne : commande particulire applique temporairement, diffrente de la commande normale et permettant de sensibiliser les indicateurs certains dfauts.
26
25
Utilisations du diagnostic
Le diagnostic dans un SA
Fault Diagnosis and State Estimation
Fournit des informations loprateur (via IHM)

Information
pertinente et explicite sur ltat du
systme Conduite/commande/gestion production Utilisation du diagnostic pour la maintenance (corrective)

Commande tolrante aux fautes (FTC)/reconfiguration Pronostic, maintenance prdictive
Control
Physical Plant
No fault situation
Objectives
27
28
Faulty Components
Alarm FTE/FTC Maintenance
Faulty components Healthy components Fault Diagnosis Fault Tolerant State estimation Fault estimation Fault Tolerant Control
Faulty actuators Faulty sensors
(New) Objectives
Fault Diagnosis
Faulty internal components
Control
Physical Plant
Faulty behavior
?
Objectives
Physical Plant
29
30
Commande Tolrante aux Fautes (FTC)

Problme classique de commande

FTC : commander un systme dfaillant pour conserver certaines performances et continuer remplir aux mieux les missions 2 stratgies
Accommodation
Trouver une loi de commande parmi un ensemble de commandes admissibles U t.q.

Le
: modification de la loi de commande en tenant compte de la dfaillance Reconfiguration : changer de loi de commande en fonction du dfaut
systme atteint un ou plusieurs objectifs fixs O Lvolution du systme est contrainte par un ensemble de contraintes C
Le problme de synthse de commande est entirement dfini par le triplet <U,O,C>
2 types dapproche
Approches
passives Approches actives

31
32
Influence des dfauts

Commande tolrante passive : Passive FTC

Les dfaillances ne changent pas les objectifs O (fixs par lutilisateur). 2 cas:
Les
objectifs peuvent toujours tre atteints en prsence de dfaut: le systme command est dit tolrant aux fautes (fault tolerant) Les objectifs ne peuvent plus tre atteints en prsence de dfauts. Le systme command nest pas tolrant aux fautes. Les objectifs doivent tre reconfigurs.
Dfinition des objectifs de commande La loi de commande est la mme en absence et en prsence de dfauts Les dfauts sont considrs comme des perturbations Passive FTC = commande robuste vis--vis dun ensemble de fautes

Les dfauts changent les contraintes C et les commandes admissibles U

Toutes les fautes doivent tre connues lavance Contraintes fortes pour la synthse On ne dtecte pas obligatoirement le dfaut. Celui-ci est masqu par la commande.
33
34
Commande tolrante active : Active FTC

Dfinition des objectifs de commande Dtermination de la loi de commande nominale (applique en absence de dfaut) Module de dtection et de localisation de dfaut : Fault detection and Isolation Module destimation du dfaut : Fault estimation module Loi de commande adaptative utilisant le dfaut estim ou commutation vers une autre commande. Difficult de synthse de la loi de commande Influence du FDI sur le FTC (et linverse) !

35
36
Recherches actuelles
37
38
Active FTC
Situation pratique en prsence de dfauts fonctionnement normal, commande nominale systme dfaillant, commande nominale systme dfaillant, commande nominale systme dfaillant, commande accommode
Sret de fonctionnement
40
39
Sret de fonctionnement
Plusieurs dfinitions : La science des dfaillances [VIL 88] Proprits qui permettent aux utilisateurs de placer une confiance justifie dans le service qui leur est dlivr [LAP 88] Ensemble de proprits qui dcrivent la disponibilit et les facteurs qui la conditionnent : fiabilit, maintenabilit et logistique de maintenance. [ISO 93]
La sret de fonctionnement
La sret de fonctionnement consiste connatre, valuer, prvoir, mesurer et matriser les dfaillances de manire garantir la fiabilit, la scurit, la disponibilit et la maintenabilit du systme Domaine "jeune" (premires normes en1985) Certains concepts et mthodes bien matriss actuellement mais d'autres en recherche (domaine trs prometteur)

41
42
Systme "sr"
Diagnostic et sret de fonctionnement

Les fonctions associes au diagnostic (FTE/FTC/ reconfiguration) contribuent la sret de fonctionnement (dependability)
La fiabilit fiabilit (reliability)= Aptitude dune entit accomplir une fonction requise, dans des conditions donnes, pendant un intervalle de temps donn. Disponibilit Disponibilit (availability)= Aptitude dun systme fonctionner quand on le sollicite La maintenabilit maintenabilit (maintenability)= Aptitude dun systme tre entretenu ou remis en marche La s scurit curit (safety)= Aptitude dun systme respecter lutilisateur et son environnement.
Un systme "sr " , cest un systme qui ralise ce pour quoi il a t conu sans incident mettant la rentabilit en question
accident la scurit
Disponibilit
Rentabilit
Fiabilit Scurit
43
44
Analyse de la SdF
Paramtres de la SdF

Les paramtres de la SdF

Taux
de dfaillance/rparation MTBF, MTTF, MTTR, MUT, MDT, Evnements redouts

Mthodes classiques dtude de la SdF

AMDEC Diagramme
La fiabilit Taux de dfaillance Taux de rparation La maintenabilit La disponibilit MTTF, MDT, MUT
Aptitude dun bien accomplir une fonction requise, dans des conditions donnes, pendant un intervalle de temps donn
de fiabilit (ou de succs) Arbre des dfaillances Graphe de Markov Rseau de Ptri stochastique
R(t) 1
Probabilit quune mission dune dure donne soit accomplie
dure
45
46
Paramtres de la SdF

Paramtres de la SdF

Cest la proportion ramene lunit de temps des lments qui, ayant survcu un temps t, ne sont plus capables de fonctionner linstant t + dt (t)
Cest la proportion ramene lunit de temps des lments qui, tant en panne linstant t, seront capables de fonctionner linstant t + dt aprs rparation (t)
dR (t) (t)= dt R(t)

t
t
47
48
Paramtres de la SdF

Paramtres de la SdF

Aptitude dune entit tre maintenue ou rtablie, dans un tat dans lequel elle peut accomplir sa fonction ()
M(t)
Aptitude dun bien accomplir une fonction requise, dans des conditions donnes, un instant donn ()
Probabilit que le systme soit rpar aprs un temps donn

dM (t ) (t ) = dt M (t )
A(t) 1 A
0
temps de rparation
49
Na de sens que pour les systmes rparables
50
Paramtres de la SdF

Mthodes dtude de la SdF

La fiabilit Taux de dfaillance La disponibilit La maintenabilit Taux de rparation MTTF, MDT, MUT
Grandeurs plus pratiques : Les temps moyens : MTTF : jusqu' la dfaillance MTTR : de rparation MUT : de fonctionnement MDT : d'arrt MTBF : entre dfaillance
Mthodes nombreuses et varies, adaptes des objectifs diffrents

E3 E1 E4 E2 E5
21
entre
sortie
Etat Nominal
Marche
Etat Dgrad 1 2
1+2
Etat de Panne
Diagramme de fiabilit
S
Composant Modes de dfaillance Causes possibles Effets Moyen de dtection Niveau de criticit Observations
Graphe de Markov
=10-3 En panne Technicien libre
Fonctionnement Panne Fonctionnement

temps
E1
AMDEC
E2 E3
Immdiat
MTTF t=0
MDT MTTR
MUT MTBF
MDT
Arbre de dfaillance
En rparation
Dure de 1 8h
RdP stochastiques
51
52
Cahier des charges de surveillance

Que veut on surveiller? Quelle prcision de diagnostic souhaite-t-on? De quoi dispose-t-on? Quelles sont les contraintes? Quelles sont les ressources disponibles? Que veut on faire du diagnostic?

53
Mise en place dun systme de diagnostic
54
Diffrentes mthodes

Classification des mthodes

Adaptes au cahier des charges ! Adaptes au systme considr

Mthodes internes : avec modle comportemental explicite

SC:
Systme embarqu/fixe Dynamique lente ou rapide Types de donnes : signaux, informations qualitatives, Qualit des donnes Possde-t-on un (des) modle(s) comportementaux (fonctionnement normal/dfaillants) Taille du systme (nb de composants)? Systme distribu, communication/transmission des donnes Quantit dinformations disponibles?
Adaptes au types de donnes/informations disponibles sur le systme.

Espace de Parit, observateurs, estimateurs, techniques didentification paramtriques SED: Techniques IA, diagnostiqueurs
Mthodes externes : sans modle comportemental explicite

Reconnaissance
Adaptes la complexit du systme :

des formes Rseaux de neurones Systmes expert Traitement du signal

55
56
Proprits relatives au diagnostic

Dtectabilit Isolabilit Diagnosticabilit Identifiabilit Et Tolrance Maintenabilit Reconfigurabilit
Analyse des proprits relatives au diagnostic

Analyse structurelle, parcours de graphes Critres continus ou discrets : tudes classiques de lautomatique
Observabilit, Commandabilit, Identifiabilit, Stabilit.
57
58
Proprits dun systme de diagnostic

Mise en place dun systme de surveillance

Robustesse/sensibilit des indicateurs Taux/probabilits de fausses alarmes Taux/probabilits de non dtection Dlais de dtection Prcision, ambigut des diagnostics Complexit du systme de diagnostic Proprits relatives limplantation : diagnostic distribu, local, global,
Quelles donnes disponibles?

Signaux Donnes
qualitatives
Quels traitements des donnes brutes?

Filtrage Suppression
des donnes aberrantes validation de donnes Reprsentation adapte Synchronisation

59
60
Mise en place dun systme de surveillance

Les donnes disponibles

Quels indicateurs?
Directs
: Les signaux/donnes accessibles Indirects : Des indicateurs calculs (estims) en utilisant les signaux/donnes disponibles.
Dcision sur les indicateurs

Tests
(moyenne, variance, ) par rapport des seuils (fixes ou non) Dtection de rupture Analyse frquentielle Appartenance un ensemble (set-membership approach) Analyse de tendance
Consignes/Commandes (continues et discrtes) Signaux prlevs par des capteurs Informations discrtes fournies par des dtecteurs Symptmes observs par loprateur
61
62
Prtraitement des donnes

Les indicateurs

Mise en forme des donnes, recalage temporel, retrait de valeurs aberrantes, extrapolation si donnes manquantes, mise l chelle, normalisation Fusion dinformations multi-sources Choisir une bonne reprsentation : reprsentation du signal, des donnes suivant un certain point de vue mettant en vidence des caractristiques particulires Filtrage : permet de ne garder que les informations utiles dans le signal pour le pb trait
Un indicateur (ou rsidu) est une combinaison des donnes/signaux prtraits qui caractrise ltat dans lequel se trouve le systme. Diffrents indicateurs :
Indicateur
= signal (ou donne, symptme) prlev Indicateurs calculs en utilisant la redondance analytique: utilisation dun modle de comportement (correspondant un fonctionnement donn dun systme) pour tablir des liens entre les signaux qui doivent tre vrifis si le modle reprsente correctement ltat du systme: Mthodes base dobservateurs, de filtres, mthode dite de lespace de parit,
63
64
Les indicateurs
Caractristique des indicateurs :

stationnarit, tendance, spectre,
volution temporelle,
caractristiques temps-frquence, confinement des donnes dans un sous espace de lespace des donnes, caractristiques stochastiques, forme de lvolution des indicateurs (lissajous courants de foucault), caractristiques physico-chimiques (viscosit, acidit, coloration)
Dcision statistique
66
65
Thorie de la dcision statistique

Indicateur r : variable alatoire
La dcision ncessite dutiliser des tests statistiques

Mthodes statistiques de dtection de rupture

Test dhypothse : choisir entre des hypothses suivant la valeur de la donne (chantillon) disponible 2 hypothses :

Tests binaires (Bayes, Minimax, Neyman-Pearson) Tests hypothses multiples Test composites Tests squentiels de WALD .
H0 : lchantillon correspond un fonctionnement normal H1 : lchantillon correspond un fonctionnement dfaillant H0 vrai H1 vrai = Pnd 1-Pnd Pfa : Pnd : Probabilit de fausse alarme Probabilit de non dtection
H0 retenu H1 retenu
1-Pfa = Pfa
Objectifs : minimiser les probabilits de fausses alarmes et de non-dtections

67
68
Test dhypothse unilatral
Test de Neyman-Pearson
Rapport de vraisemblance
Likelihood function or ratio
V(r ) =
p( r | H1 ) p( r | H 0 )
H
La probabilit de dtection 1- est maximise pour une valeur de si on choisit H1 lorsque V ( r ) > = Pnd = Pfa cest--dire :
1
V( r )
> < H0
o satisfait la contrainte sur la probabilit de fausse alarme
Pfa = p( r | H 0 )dr =
69
70
Gnration des indicateurs

On possde un modle
Gnration des indicateurs de dfaillance en utilisant un modle de comportement

Mthode base dobservateurs Mthode par RRA : (espace de parit, mthode dlimination) Mthodes par identification paramtrique
Pas de modle disponible

Mise en vidence de liens entre les donnes : recherche d'un modle! ACP, techniques didentification Sans chercher de liens entre les donnes : indicateur = donne, signal mesur. ncessit dune caractrisation de lindicateur pour le systme en bon fonctionnement : Modle !
71
72
Model-based methods
u(t)
Model-based methods
Disturbance Disturbance Sensors y(t) u(t) Plant
(t)
Plant
(t)
Sensors
y(t)
x0 u(t)
& = f ( x,u,p ) x
d x(t)
y = h (x,m )
x0 x(t)
d
y = h ( x,d,m )
y(t)
u(t)
& = f ( x,u,d,p ) x
y(t)
Plant model
Sensors models
Plant model
73
Sensors models
74
Model-based methods
Disturbance u(t) Plant Fault Disturbance x(t) Fault y(t) u
Gnration de rsidus par observateurs

Systme rel y
Sensors
P(.) + r(t)
d u(t)
x0 x(t)
d Observateur
y = h def ( x , d , def )
^ T.x
(.)
f ( x ,u ,d , ) h( x ,u ,d , )
& = f def ( x , u , d , def ) x
y(t)
& = x Construit partir du modle d'tat du systme y =
Plant model
Added fault signal
Sensors models
75
76
Observer-based residual generation

State space model
& = f (x,u) x y = h(x,u)
Gnration de rsidus par observateurs

Systme rel
r = ( z ,u , y )
& = ( z ,u , y ) z
r(t)
State observer
& = ( z,u, y ) z x = ( z,u, y )
x 0 when t ,u,x0 ,y0 = x
PFGR : trouver et telles que u , y , x 0 1) qd d(t)=0 et (t)=0, r(t)0 2) r(t) n est pas affect par d(t)
Exponential asymptotic observer
t > t0 Kect
with K et c > 0
77
3) r(t) est affect par (t)

78
Mthode utilisant les RRA

& = x y = f ( x ,u ) h( x ,u )

& = x y = f ( x ,u ) h( x ,u )
F ( y p ,u p , x ) = 0
c ( y p ,u p ) = 0
Relations de Redondance Analytique
y dy y p = dt M p d y dt p
up
u du dt = M d pu p dt
79
Problme gnral d'limination : f et h linaires : projection dans l'espace de parit f et h non linaires : thorie de l'limination
RRA : r-criture d'une partie du modle, en liminant les variables inconnues.

80

y Systme rel r(t)
Observer-based and ARR-based method

Linear (or linearisable) systems
Linear filter between PS residual r(t) and observer residual e(t) :
RRA Calcul de c ( y p ,u p
E(p) = F(p)R(p)
Non linear systems

Existence of a non-linear relation between the 2 residuals
Le rsidu r(t) indique si la trajectoire de y est cohrente avec le modle de bon fonctionnement utilis pour calculer les RRA.
( (s) (s1),,e(s) ) r(t) = Obs, e y ,u

81
82
Observer-based and ARR-based method
Identification paramtrique
y Systme rel
Avantages ARR
General formulation Analytical form of residuals Sensitivity study Known theory for control Robustness properties Non derivable signals and non linearities
Drawbacks
Complexity for general NL syst. Derivative computation Noise sensitivity No evaluation form Difficult design for NL syst. No general theory for NL syst.
Obs.
Techniques d'identification paramtrique

Paramtres nominaux
Paramtres estims
Comparaison
r(t)
83
84
Reconnaissance des formes et apprentissage automatique (machine-learning )

z2
Apprentissage et reconnaissance des formes pour le diagnostic

z3
z1
Base de donnes (symptmes, indicateurs) d'apprentissage

85
86
Reconnaissance des formes et apprentissage

z2

Mode de fonctionnement dfaillant 2 z2 Mode de fonctionnement normal 1
z1
z1
z3
z3
Mode de fonctionnement dfaillant 1
Objectif de lapprentissage : dterminer les classes (nombre de classes, frontires, forme) partir de jeux de donnes
Objectif de lapprentissage : dterminer les classes (nombre de classes, frontires, forme) partir de jeux de donnes puis caractriser ces classes
87
88

z2
Techniques d'apprentissage (1/3)

z1
?
Donne nouvelle z3
Diagnostic : Affecter une donne nouvelle une classe pour caractriser ltat de fonctionnement du systme.
Apprentissage supervis : l'algorithme d'apprentissage utilise une base de donnes dj tiquetes par un expert. L'apprentissage est guid. Objectif : dterminer une fonction de prdiction pour pouvoir affecter une donne nouvelle une des classes apprises. Mthodes SVM : Machines vecteurs de support Mthode des k plus proches voisins (minimisation de distances) Rseaux de neurones - perceptron
89
90


Apprentissage non supervis (classification automatique) Principe : Pas de donnes tiquetes a priori. Les donnes sont traites comme des variables alatoires. L'apprentissage n'est pas guid. Diffrentes mthodes
Apprentissage par renforcement (apprentissage par essais-erreurs) Principe : A partir d'expriences itres, l'apprentissage est guid pour minimiser une fonction rcompense
non paramtriques : partitionnement de donnes (data clustering). Ex. ACP probabilistes mlanges de lois de probabilit. Hypothses sur la loi de distribution des chantillons classer. Rseaux de neurone - Carte auto adaptative de Kohonen (self organizing map (SOM) ).
91
92
Analyse en composante principale (ACP)

Analyse en composante principale (ACP)
Consiste transformer des variables lies entre elles (corrles) en nouvelles variables indpendantes les unes des autres (donc "non corrles"). Les nouvelles variables sont nommes "composantes principales". Met en oeuvre une dcomposition en valeurs et vecteurs propres de la matrice de covariance des donnes ou encore une dcomposition en valeurs singulires de la matrice des donnes LACP permet de rduire l'information en un nombre de composantes plus limit que le nombre initial de variables.
93
94
Luenberger observer
(0) = x 0 x & = Ax + Bu + K [ y y ] x y = Cx + Du
or
Gnration de rsidus par observateurs.
(0) = x 0 x & = [A KC ]x + [B KD ]u + Ky x y = Cx + Du
Luenberger, D. G. (1971). An Introduction to Observers. IEEE Trans. on Aut. Control AC-16(6), 596602.
95
96
Luenberger observer
Estimation error
e=xx
Luenberger observer
Faulty behavior model
& ( t ) = Ax ( t ) + Bu ( t ) + Ed ( t ) + F ( t ) x y ( t ) = Cx ( t ) + Gd ( t ) + H ( t )
Dynamic error equation

& = ( A KC ) e e
Condition of asymptotic convergence = stability condition If Re(eig(A-KC)) < 0

r(t) = y y
97
Fault response
& = ( A KC ) e + Ed + F e
r = Ce + Gd + H
e(k ) k 0
No decoupling possibility !
Residual
98
Unknown Input Observer

Definition : An observer is an "Unknown Input Observer" if
e ( t ) 0 d
Input General structure (linear systems) Disturbances d(t) Outpu t y (t ) H K

Estimation error :
& = Ax + Bu + Ed x y = Cx
e= xx
Plant
& = Fz + TBu + Ky z x = z + Hy
u (t )
TB
Dynamic error equation :

& = Fz + TBu + Ky z x = z + Hy
& = Ax + Bu + Ed Fz TBu Ky Hy & e 14 4 244 3 144424443

x
& x & Hy & z
By replacing, we have :
& = Cx & = CAx + CBu + CEd y Hy z=x K = K1 + K 2
99 100
Wnnenberg, J. and P. Frank (1986). System Fault Diagnostics, Reliability and Related KnowledgeBased Approaches. Vol. 1. Tzafestas, Singh, Schmidt ed.. Reidel Press.

& = ( A HCA K 1 C ) e ( F ( A HCA K 1 C )) x e ( K 2 FH ) y ( T ( I HC )) Bu ( HC I ) Ed

Theorem The necessary and sufficient conditions for the existence of an UIO are : 1) rang(CE) = rang(E)
Determination of matrices F,T,K et H

( HC I ) E T F K2
= 0 = I HC = A HCA K 1 C STABLE = FH
2) (C,A1) is detectable where A1 = A E (CE ) CE

T
] (CE ) CA
1
T
Detectable : non observable modes are stable

101 102
UIO : Design
1. Rang(CE) = Rang(E)? 2. Compute H, T et A1 : If not
END
( HC I ) E T F K2
= = = =
0 I HC A HCA K 1 C STABLE FH
UIO : Design
5. (C1A1) detectable ? Yes
eig ( A22 )
Unstable ?
No UIO
END
No : step 6
H = E[(CE )T CE ]1 (CE )T
3. Test (C,A1)
T = I HC
A1 = TA
6. Compute K 1 p by pole placement of
A11 K 1 p C1
if (C,A1) observable , K1 computed by pole placement. Step. 8 otherwise Step 4
7. Compute K1 : K1 = P 1
[( K
1 T p)
2 T (K p )
, with ( K p ) non zero matrix.
2 T
8. Compute F et K : 4. Construct P such that :
A PA1P 1 = 11 A21
0 CP 1 = [C1 0] A22
103 9. FIN
F = A1 K1C
et
= K1 + K 2 = K1 + FH
104
UIO : example
1 1 0 1 0 0 avec A = 0 1 1 1 0 0 C= 0 0 1
1. 2. rang(CE) = rang(E) = 1 H, T et A1
UIO : example
1 E= 0 0 1 CE = 0
3. rang CA = 3 (C , A1 ) 1 K1 : pole placement of A1-K1C.
Observable.
(MATLAB : K=place(A,B,P)
eig(A-BK) = P )
1 0 H = 0 0 0 0
0 0 0 T = 0 1 0 0 0 1
0 0 0 A1 = 1 0 0 0 1 1
K 1 = place ( A 1 , C , P )
T T
P=
105
[ 1
2 3]
2.0039 0.0481 K1 = 0.7588 3 0.1608 2.9961

106
UIO : example
8. F = A1 K1C et K = K1 + FH
UIO : example
A=[-1 1 0;-1 0 0; 0 -1 -1]; B=[0 ; 1 ; 0]; C=[1 0 0;0 0 1]; D=[0 ; 0]; E=[-1 ; 0 ; 0 ]; I=eye(3); H=E*inv((C*E)'*(C*E))*(C*E)' ; T=I-H*C; A1= T*A; VP_A=eig(A); P=input('Enter eigenvalues of the observer : eig(A-KC) ') K11 = place(A1',C',P); K1 = K11' ; F= A1-K1*C; K = K1 + F*H ;
107 108
0.0481 2.0039 0 F = 0.2412 0 3 0.1608 1 3.9961
0 0.0481 K = 1 3 2.9961 0
& = Fz + TBu + Ky z = z + Hy x
UIO : example
UIO : example
y and y estimate, disturbance occurs at t=5s

109 110
UIO : example
Localisation des dfauts : banc de gnrateurs de rsidus
residual = y - yest
111
112
Fault isolation : bank of RG

Actuator fault
DOS : Dedicated observer scheme
u y Sens.

Actuator fault
Signatures table fact,1 ract,1 1 0 ract,2 fact,2 0 1

.. . .. .
GOS : Generalized observer scheme
Signatures table fact,1 ract,1 0 1 ract,2 fact,2 1 0

.. . .. .
Act. u1
System
fact,mu 0
u Act.
System
y Sens.
fact,mu 1
umu
RG1
: :
ract,1 ract,mu
umu
u1
0 1
RG1
: :
ract,1 ract,mu
.. .
.. .
1 0
RGmu
ract,mu
RGmu
ract,mu
113
114

Sensor fault
DOS : Dedicated observer scheme Signatures table
u Act. y1 System Sens. y

Sensor fault
GOS : Generalized observer scheme Signatures table fsens,1 fsens,2 rsens,1
y1
fsens,1 fsens,2 rcapt,1 1 0 0 1

.. . .. .
fsens,p 0
u Act. System Sens.
fsens,p 1
.. .
RG1
yp
: :
rsens,1 rsens,p
rcapt,2
0 1
1 0
.. .
0 1
yp
RG1
: :
rsens,1 rsens,p
rsens,2
.. .
..
RGp
rcapt,p
1 0
RGp
rsens,p
115
116
Bank of UIO
Example (inspired from Watanabe and Himmelblau 1982)
Concentration of chemical product Temperature of product Temperature of steam water Temperature of cooling
Bank of UIO : example

0 0 0 3.6 0 3.6702 0 0.0702 E= A= 0 0 36.2588 0.2588 0.6344 0.7781 1.4125 0
1 0 B= 1 0 0 0 1 1 0 1 0 0
with :
1 20.758 0 0
x1 = C0 x2 = T0 x3 = Tw x4 = Tm
1 0 0 0 C = 0 1 0 0 0 0 1 0
Considered faults : Actuators faults : u1 , u2 , u3

Watanabe, K. and D. M. Himmelblau (1982). Instrument Fault Detection in Systems with Uncertainties. Int. J. Systems Sci. 13, 137158.
117
118

% UIO Example : Watanabe and Himmelblau 1982, % init system matrices A=[-3.6 0 0 0; 0 -3.6702 0 0.0702;0 0 -36.2588 0.2588; 0 0.6344 0.7781 -1.4125]; B=[1 0 0 ; 0 1 -1 ; 1 0 1 ; 0 0 0]; C=[1 0 0 0;0 1 0 0;0 0 1 0]; D=zeros(3,3); E=[1 ; 20.758 ; 0 ; 0]; I=eye(4); VP_A=eig(A) P=2*VP_A;

%UIO3 B3 = B(:,1:2); E3 = [E B(:,3)]; H3=E3*inv((C*E3)'*(C*E3))*(C*E3)' ; T3=I-H3*C; A13= T3*A; K = place(A13',C',P); K13 = K' ; F3= A13-K13*C; K3 = K13 + F3*H3 ; %UIO1 B1 = B(:,2:3); E1 = [E B(:,1)]; H1=E1*inv((C*E1)'*(C*E1))*(C*E1)' T1=I-H1*C;
119
A11= T1*A; K = place(A11',C',P); K11 = K' ; F1= A11-K11*C; K1 = K11 + F1*H1 ; %UIO2 B2 = B(:,[1 3]); E2 = [E B(:,2)]; H2=E2*inv((C*E2)'*(C*E2))*(C*E2)' ; T2=I-H2*C; A12= T2*A; K = place(A12',C',P); K12 = K' ; F2= A12-K12*C; K2 = K12 + F2*H2 ;
120
%UIO dynamics
Actuator signals with fault and disturbance

121 122
Outputs with fauty actuators and disturbance

123
UIO1 residual (robust wrt d and faulty actuator 1)

124

125

126
Conclusions
Conclusions
127
Le diagnostic et la commande tolrante aux fautes des systmes est un domaine (relativement rcent) pluridisciplinaire: Physique (connaissance des phnomnes, modlisation, ..) Analyse fonctionnelle Automatique classique (observation, commande) Traitement du signal Manipulation et reprsentation des donnes Thorie de la dcision statistique + implantation des algorithmes, transmission de linformation, conception dIHM de supervision,
128
Quelques orientations actuelles

Conception de systmes srs de fonctionnement. Intgrer le diagnostic ds la conception (placement optimal de capteurs, actionneurs, traitements,) Pronostic en utilisant des modles de dgradation et en estimant les dures de vie rsiduelles des composants Diagnostic actif Diagnostic et FTC de systmes dynamiques hybrides Diagnostic et FTC des systmes distribus Liens FTC et sret de fonctionnement
Quelques rfrences bibliographiques
130
129
Bibliographie - Terminologie, dfinitions,

Bibliographie Sret de fonctionnement

AFNOR : Association Franaise de Normalisation norme 60010X Gilles Zwingelstein, Diagnostic des Dfaillances Thorie et pratique pour les systmes industriels, Trait des Nouvelles Technologies, srie Diagnostic et Maintenance, Herms, 1995 Isermann, R. (1997). Supervision, fault-detection and fault-diagnosis methods. An introduction. Control Engineering Practice, vol. 5, no. 5, pp. 639-652. Issues of fault diagnosis for dynamic systems. Patton R.J., Frank P.M., Clark R.N. eds., ISBN 3-540-19968-3, Springer Verlag, 2000. Biswas, G.; Cordier, M.-O.; Lunze, J.; Trave-Massuyes, L.; Staroswiecki, M., Diagnosis of Complex Systems: Bridging the Methodologies of the FDI and DX Communities, IEEE Transactions on Systems, Man, and Cybernetics, Part B, Volume 34, Issue 5, Oct. 2004 Page(s):2159 - 2162
J. C. Laprie, Guide de la Sret de Fonctionnement, Cpadus, Ed. Toulouse, 1995. A. Villemeur, A. Villemeur, Dependability of Industrial Systems. Paris: Eyrolles,1988, Gilles Zwingelstein, Diagnostic des Dfaillances - Thorie et Pratique pour les Systmes Industriels, Hermes Science Publications, Collection : Diagnostic & Maintenance, 1995 M. Rausand and A. Hoyland, System Reliability Theory: Models, Statistical Methods and Applications, Second ed., John Wiley & Sons Inc Ed, 2004.
131
132
Bibliographie FDI (Fault Detection and Isolation) Mthodes avec modle (Model-based FDI)
Bibliographie FDI (Fault Detection and Isolation) Mthodes sans modle a priori
Issues of Fault Diagnosis for Dynamic Systems, Patton, Ron J.; Frank, Paul M.; Clark, Robert N. (Eds.) , Springer, 2000. Janos Gertler, Fault Detection and Diagnosis in Engineering Systems, Marcel Dekker, New York (1998). Rolf Iserman, Fault-Diagnosis Systems: An Introduction from Fault Detection to Fault Tolerance, 2006, XVIII, 475 p. 227, Springer Supervision des procds complexes, Sylviane Gentil ed., chapitre 5, 38 p., ISBN 978-2-7462-1510-8, Trait Information, Commande, Communication, IC2, Herms Science Publications, Paris, 2007. + nombreuses thses, HDR, publications..
J. Gertler, J. Cao. PCA-based fault diagnosis in the presence of control and dynamics. AIChE Journal, 2004. Y Tharrault. Diagnostic de fonctionnement par analyse en composantes principales : Application une station de traitement des eaux uses. Institut National Polytechnique de Lorraine, These de doctorat, 2008. http://tel.archives-ouvertes.fr/tel-00364698/en/ K. M. Pekp, C. Christophe, V. Cocquempot. Dtection et localisation de dfauts de capteurs pour les systmes structure linaire et bilinaire. In Diagnostic des systmes complexes, Ed. D. Lefebvre, H. Chafouk, A. El Hami, M. Bennouna, ISBN 9954 - 8992 - 0 - 0, 2008. pp 201-21. B. Dubuisson, Diagnostic et reconnaisance des formes, Trait des Nouvelles technologies, Srie Diagnostic et maintenance, Herms Cours/TD de lINSA de Rouen (Stphane Canu): http://asi.insa-rouen.fr/enseignement/siteUV/dx_rdf/

133
134
Bibliographie Mthodes de classification Reconnaissance des formes, classification

Stphane CANU, Machines noyaux pour lapprentissage statistique http://www.techniques-ingenieur.fr/book/te5255/machines-a-noyaux-pour-lapprentissage-statistique.html Nombreuses rfrences sur la reconnaissance des formes ladresse http://www.ph.tn.tudelft.nl/PRInfo/books.html
Bibliographie Tolrance aux fautes

Mogens Blanke, Michel Kinnaert, Jochen Schrder, Jan Lunze, Marcel Staroswiecki, Diagnosis and fault-tolerant control, dition: 2 - 2006 - 672 pages, Springer. Yang, Hao, Jiang, Bin, Cocquempot, Vincent, Fault Tolerant Control Design for Hybrid Systems, Series: Lecture Notes in Control and Information Sciences , Vol. 397 2010, XVI, 192 p., Mahmoud, Mufeed, Jiang, Jin, Zhang, Youmin, Active Fault Tolerant Control Systems : Stochastic Analysis and Synthesis. Lecture Notes in Control and Information Sciences, Vol. 287, Springer, 2003. Noura, H., Theilliol, D., Ponsart, J.-C., Chamseddine, A., Fault-tolerant Control Systems Design and Practical Application, Springer, series : Advances in Industrial Control, 2009
135
136
Bibliographie Traitement du signal

Sites WEB
Michle Basseville and Igor V. Nikiforov, Detection of Abrupt Changes Theory and Application; Prentice-Hall, Inc. (ISBN 0-13-126780-9 - April 1993 - Englewood Cliffs, N.J.). http://www.irisa.fr/sisthem/kniga/ Bote outils MATLAB (gratuites)
GDR MACS : http://www.univ-valenciennes.fr/GDR-MACS/ GT S3 : http://perso.ensem.inpl-nancy.fr/Didier.Maquin/S3/ GIS 3SGS : https://www.gis-3sgs.fr/ GDR ISIS : http://gdr-isis.org/ IMDR : Institut Matrise des Risques http://www.imdr.eu/v2/extranet/index.php?page=gtr

Analyse Temps-frquence : http://tftb.nongnu.org/index_fr.html

Analyse temps/Echelle (ondelettes) : http://www-stat.stanford.edu/~wavelab/
http://gdr-isis.org/rilk/gdr/Kiosque/ouvrage
137
138
Contact
Vincent Cocquempot Professeur Universit Lille 1, France DED Auto EDSPI 072 Laboratoire LAGIS FRE 3303 : Tl : +33 (0)3 20 43 62 43 Fax : +33 (0)3 20 33 71 89 Mail : vincent.cocquempot@univ-lille1.fr http://sfsd.polytech-lille.net/vcocquempot

139

Diagnostic

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Diagnostic

Hochgeladen von

Copyright:

Verfügbare Formate

Contact

Du diagnostic la tolrance aux fautes

Dfinition dune dfaillance

Dfaillances et diagnostic Dfinitions, notions gnrales

Dfinition dune dfaillance

Classification des dfaillances

Type de composant affect

Une dfaillance concerne un (ou un ensemble)

Classification des dfaillances

Dfinition gnrale du diagnostic

Des causes diffrentes

Des consquences diffrentes

F(causes)=observations (ou symptmes) : F(x) = y

Pb bien pos illustration

Relations entre lespace X des causes et lespace Y des symptmes

Diagnostic : plusieurs fonctions

La surveillance (FDI) et le diagnostic

Dtection dune dfaillance (Fault/failure detection)

Caractristique thorique sous lhypothse de bon fonctionnement

Dtection : Mthode avec modle

Dtection : Mthode avec modle

Estimateur utilisant le modle comportemental

INDICATEUR DE COHERENCE ou RESIDU

INDICATEUR DE COHERENCE ou RESIDU

Etat estim Etat estim

Dfaut D3 volution du systme, accumulation des symptmes, possibilit de dfaillances successives

Dfaut D3 volution du systme, accumulation des symptmes, possibilit de dfaillances successives

Diagnostic en-ligne et hors-ligne

Des contraintes diffrentes sur les donnes utilises

Diagnostic Passif et Actif

Utilisations du diagnostic Commande tolrante aux fautes

Fournit des informations loprateur (via IHM)

pertinente et explicite sur ltat du

systme Conduite/commande/gestion production Utilisation du diagnostic pour la maintenance (corrective)

Commande tolrante aux fautes (FTC)/reconfiguration Pronostic, maintenance prdictive

Faulty actuators Faulty sensors

Faulty internal components

Commande Tolrante aux Fautes (FTC)

Problme classique de commande

Trouver une loi de commande parmi un ensemble de commandes admissibles U t.q.

Le problme de synthse de commande est entirement dfini par le triplet <U,O,C>

passives Approches actives

Influence des dfauts

Commande tolrante passive : Passive FTC

Les dfauts changent les contraintes C et les commandes admissibles U

Commande tolrante active : Active FTC

Commande tolrante active : Active FTC

Commande tolrante active : Active FTC

Commande tolrante active : Active FTC

Diagnostic et sret de fonctionnement

Les paramtres de la SdF

de dfaillance/rparation MTBF, MTTF, MTTR, MUT, MDT, Evnements redouts

Mthodes classiques dtude de la SdF

Probabilit quune mission dune dure donne soit accomplie

dR (t) (t)= dt R(t)

Probabilit que le systme soit rpar aprs un temps donn

Na de sens que pour les systmes rparables

Mthodes dtude de la SdF

Mthodes nombreuses et varies, adaptes des objectifs diffrents

Fonctionnement Panne Fonctionnement

Cahier des charges de surveillance

Mise en place dun systme de diagnostic

Classification des mthodes

Adaptes au cahier des charges ! Adaptes au systme considr