Génération des résidus par les outils de l’intelligence artificielle pour le diagnostic des systèmes complexes
| dc.contributor.author | KOURD Yahia | |
| dc.date.accessioned | 2023-03-29T09:14:18Z | |
| dc.date.available | 2023-03-29T09:14:18Z | |
| dc.date.issued | 2012 | |
| dc.description.abstract | Le bon fonctionnement d’un système nécessite l’utilisation des techniques de diagnostic capables de détecter, de localiser, et d’identifier les défaillances. La détection et la localisation des défauts sont réalisées en vérifiant la cohérence entre les différentes mesures disponibles sur le système et les informations sur son comportement attendu, en utilisant ou non un modèle analytique du système. Cette cohérence est usuellement exprimée par des signaux spécifiques, appelés « résidus » dont les variations sont indicatrices de défauts. L’identification des défauts complète le dispositif de diagnostic en précisant les caractéristiques de la défaillance comme l’amplitude ou l’instant d’occurrence. L’objectif du travail de recherche consiste à construire et à analyser des résidus par les outils de l’intelligence artificielle. Les réseaux de neurones et les systèmes neuro-flous sont privilégiés. L’étude inclut également une comparaison entre les apports de ces outils et de leurs limites, notamment au travers de l’établissement d’indicateurs quantifiés pour évaluer leur performance (taux de fausse alarme, taux de non détection et retard à la détection). Cette thèse présente un système de diagnostic complet pour la détection et l'isolement des défauts dans des systèmes non linéaires inconnus. Des modèles construis par les réseaux de neurones apprennent les comportements sans-défaut et défectueux des systèmes considérés. Puis les résidus sont conçus et les probabilités de défaut sont évaluées pour chaque défaut candidat. Selon le calcul d'un facteur de confiance, la méthode proposée est également appropriée pour évaluer la fiabilité de la décision de diagnostic. L'approche est appliquée pour détecter et isoler 19 défauts candidats dans le benchmark DAMADICS. Les résultats obtenus et le schéma proposé sont comparés avec les résultats obtenus selon la méthode de seuillage habituelle | |
| dc.identifier.uri | https://dspace.univ-annaba.dz//handle/123456789/2433 | |
| dc.language.iso | fr | |
| dc.title | Génération des résidus par les outils de l’intelligence artificielle pour le diagnostic des systèmes complexes | |
| dc.type | Thesis | |
| dspace.entity.type |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- These-Version-Finale-KOURD-Yahia.pdf
- Size:
- 8.88 MB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed to upon submission
- Description: