DIAGNOSTIC DES SYSTÈMES NON LINÉAIRES PAR ANALYSE STATISTIQUE MULTIVARIÉE
No Thumbnail Available
Date
2017
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Le diagnostic de fonctionnement de systèmes peut être défini comme une suite d’opérations
qui a pour objet de détecter et de localiser dans un système, les défauts internes (processus lui même), les défauts externes (actionneur, instrumentation), les modes de fonctionnement
anormaux et de caractériser ces défauts ou modes de fonctionnement. Parmi les méthodes
employées, on distingue généralement celles utilisant un modèle paramétrique décrivant le
comportement du système à surveiller ( méthodes à base de modèle analytique) de celles qui
ne s’appuient que sur l’analyse des données prélevées sur les systèmes comme, par exemple,
la reconnaissance de formes. L’optimisation des processus et leur fonctionnement passe donc
par une mise en place d’un système de surveillance du fonctionnement de ces processus. En
effet, pour améliorer la conduite d’un système, il faut connaître, à chaque instant, l’état de
fonctionnement de ce système et pouvoir discriminer états normaux et anormaux. Dans
certaines situations, il est même nécessaire de prévoir l’évolution de l’état du système et de
proposer un pronostic d’évolution des modes de fonctionnement. De plus, il est important de
résoudre le problème lié à l’information : l’exploitant a besoin d’informations cohérentes pour
gérer son processus. Dans le cadre d’une approche à base de modèle, l’objectif est mieux
maîtriser la modélisation des systèmes (y compris les limites de modélisation) pour
développer des approches de diagnostic robustes vis-à-vis des incertitudes de modélisation et
des imprécisions de connaissance de façon plus générale. La complexité des mécanismes mis
en jeu (les cinétiques non linéaires, les paramètres variant dans le temps, l’absence de mesures
fiables) impose le développement et l’utilisation de techniques avancées de l’automatique
pour développer une stratégie de diagnostic de fonctionnement en temps réel. Il est question
donc d’utiliser des techniques de traitement de données pour développer des stratégies de
diagnostic des systèmes. Ainsi des techniques d’identification des systèmes qui utilisent les
mesures disponibles sur le processus telles que l’analyse en composantes principales (ACP)
sont à développer. Il faut rappeler que l’analyse en composantes principales est une méthode
linéaire, alors que la plupart des systèmes physiques ont des comportements non linéaires.
Ceci a motivé un certain nombre de travaux pour étendre la portée de l’analyse dans un cadre
non linéaire.