diagnostic des syst mes incertains approche bond graph n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Diagnostic des systèmes incertains, Approche Bond Graph PowerPoint Presentation
Download Presentation
Diagnostic des systèmes incertains, Approche Bond Graph

Loading in 2 Seconds...

play fullscreen
1 / 72

Diagnostic des systèmes incertains, Approche Bond Graph - PowerPoint PPT Presentation


  • 224 Views
  • Uploaded on

Diagnostic des systèmes incertains, Approche Bond Graph. Mohand DJEZIRI Doctorant : L aboratoire d' A utomatique, G énie I nformatique et S ignal ( LAGIS - UMR CNRS 8021) Encadrants : Belkacem OULD BOUAMAMA Professeur Polytech-Lille Rochdi MERZOUKI MC Polytech-Lille

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Diagnostic des systèmes incertains, Approche Bond Graph' - honora


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
diagnostic des syst mes incertains approche bond graph

Diagnostic des systèmes incertains, Approche Bond Graph

Mohand DJEZIRI

Doctorant: Laboratoire d'Automatique, Génie Informatique

et Signal (LAGIS - UMR CNRS 8021)

Encadrants: Belkacem OULD BOUAMAMA Professeur Polytech-Lille

Rochdi MERZOUKI MC Polytech-Lille

Coordonnées :

mohand.djeziri@polytech-lille.fr

Tel: (33) (0) 3 28 76 71 39 , Bureau D314 Polytech’Lille

plan de l expos
Plan de l’exposé
  • Cadre du travail
  • Positionnement
  • Pourquoi les BG pour le Diagnostic robuste?
  • Modélisation LFT BG
  • Diagnostic robuste par l’approche bond graph
  • Applications
    • Systèmes électromécanique et énergétique
    • Implémentation informatique
cadre du travail
Cadre du travail

Travaux déjà réalisés

  • Génération automatique des modèles BG couplés (Thèse de F. Busson 2002)
  • Conception de systèmes de supervision à l’aide des BGs (Thèse de K. Medjaher 2006, HDR B. Ould Bouamama)
  • Un module de diagnostic déterministe(FDIPad) sur le logiciel SYMBOLS 2000 (LAGIS et l’Institut Indien de Technologie (B. Ould Bouamama, M. Staroswiecki et A. K. Samanataray)
  • Applications en temps réel à des procédés industriels (projet CHEM 2001-2004).

Difficultés rencontrées

  • Approche déterministe dans la génération des RRAs
  • Problématique de la robustesse (évaluation des résidus)

Objectif de ma thèse

  • Développer une méthode intégrée de diagnostic robuste aux incertitudes paramétriques à base de modèles BG.
partie 2 positionnement

Partie 2: Positionnement

Les différentes approches existantes

les approches qui existent pour le fdi robuste
Les approches qui existent pour le FDI robuste

FDI

Approches quantitatives

Approches qualitatives

  • Espace paramétrique
  • Composants matériels
  • Phénomènes physiques
  • Espace paramétrique
  • Observations d’experts
  • Mesures de capteurs
  • Données statistiques
  • Espace de parité
  • Filtrage (observateurs)
  • Réseaux de neurones flou
  • Approche probabiliste
  • - O. Adrot & al (1999)
  • - Z. Han & al (2002)
  • D. Henry & al (2005)
  • M. Basseville & al (1998)
  • - J. L. De Miguel & al (2005)
  • K. Hising-Chia & al (2004)
  • A. P. Rotshtein & al (2005)
quelques commentaires
Quelques commentaires
  • Méthodes qualitatives
    • L’utilisation du flou ne règle pas le problème des observations situées aux frontières de plusieurs classes.
    • L’approche probabiliste suppose connue la probabilité à priori d’occurrence de chaque classe de fonctionnement.
  • Méthodes quantitatives
    • L’espace de parité se limite aux diagnostic des défauts capteurs et actionneurs.
    • L’approche de filtrage suppose que les incertitudes et les défauts n’interviennent pas à la même fréquence.
    • Les incertitudes paramétriques ne sont pas affichées explicitement par le modèle (en général d’état)
    • RRAs incertaines non générés automatiquement
int r t des bgs pour le diagnostic robuste
Intérêt des BGs pour le diagnostic robuste ?
  • Approche intégrée :
    • Une seule représentation : système physique, modèle BG incertain, RRAs robuste
  • Représentation de tous les types d’incertitudes.
  • Les incertitudes paramétriques sont structurées, donc plus facile à quantifier.
  • L’introduction des incertitudes n’affecte pas la causalité et les propriétés structurelles des éléments sur le modèle nominal.
  • La partie incertaine du modèle est parfaitement séparée de sa partie nominale.
mod lisation lft

Δ

Δ

Modélisation LFT

Représentation LFT

Fonction de transfert

Représentation LFT

Représentation d’état

y

u

y

u

M

z

H(S)

z

w

w

mod lisation lft des l ments bg 1 2

fRn

fRn

eRn

eRn

Rn

Rn

Modélisation LFT des éléments BG (1/2)

Modèle bloc diagramme

Modèle bond graph

Modèle mathématique

R:Rn

eRn

fRn

0

e1

+

+

e2

δR

mod lisation lft des l ments bg 2 2

fRn

eRn

Rn

Modélisation LFT des éléments BG (2/2)

-δR

MSe*:wR

De*:zR

e2

eRn

eRn

e1

eRn

R:Rn

0

1

fRn

f1=fRn

e1

+

+

e2

δR

approche bg d terministe pour la g n ration des rras 1 2

C

R

Df:F

De:P

2

4

Environnement

1

5

3

1

0

0

1

MSf

Se

Approche BG déterministe pour la génération des RRAs (1/2)
approche bg d terministe pour la g n ration des rras 2 2

De*:P

Df*:F

MSf

Se

1- MSf

3- De

5-Se

2-C-2-De

4-R-4-Df

3-Df

Approche BG déterministe pour la génération des RRAs (2/2)

Modèle BG en causalité dérivé La causalité des détecteurs est dualisée

C

R

4

2

Environnement

3

1

5

1

0

0

1

g n ration de rras robustes 1 2

Mse:wC

Mse: wI

7

6

4

2

3

8

9

10

5

1

Génération de RRAs robustes (1/2)

Rn

Mse: wR

De

Df

Se:U

1

0

Cn

In

g n ration de rras robustes 2 2

Mse:wC

Mse: wI

7

6

4

2

3

8

9

10

5

1

Génération de RRAs robustes (2/2)

Rn

Mse: wR

De

Df

Se:U

1

0

Cn

In

algorithme de g n ration de rras robustes
Algorithme de génération de RRAs robustes
  • Vérification de propriétés structurelles sur le modèle BG nominal
  • Le modèle BG en causalité dérivée est mis sous forme LFT;
  • Les variables inconnues sont éliminées en parcourant les chemins causaux entre les éléments BG et les détecteurs;
  • Les RRAs sont générées au niveau des jonctions 0 et 1, où toutes les variables associées sont connues;
  • Les RRAs générées sont constituées de deux parties parfaitement séparées
    • - r : la partie nominale qui représente le résidus
    • - a : la partie incertaine utilisée pour calculer les seuils.
valuation des incertitudes param triques
Évaluation des incertitudes paramétriques

Espace paramétrique

Caractéristiques des Composants matériels

Évaluation des Phénomènes physiques

Variation aléatoire autour d’une valeur nominale

Fonctions non linéaires thermodynamiques

Frottement, Raideur, Inertie, …

Conductivité thermique, Capacité thermique,...

Vanne, Pompe, Compresseur,...

Donnés par les constructeurs

Méthodes d’identification

valuation des incertitudes param triques 1 2
Évaluation des incertitudes paramétriques (1/2)
  • 1. Méthode statistique
    • La moyenne m et l’écart type S sont utilisés pour calculer une enveloppe des données normalement distribuées comme suit:
      • Approximativement 68% des données x sont à l’intérieur de l’intervalle:
      • Approximativement 95% des données x sont à l’intérieur de l’intervalle:
      • Approximativement 99% des données x sont à l’intérieur de l’intervalle:
valuation des incertitudes param triques 2 2
Évaluation des incertitudes paramétriques (2/2)
  • 2. Méthode ensembliste
  • Interprétation sur le BG
analyse de sensibilit des r sidus 1 5
Analyse de sensibilité des résidus (1/5)
  • Indice de sensibilité normalisée
    • Évalue l’énergie apportée au résidu par l’incertitude sur chaque paramètre en la comparant à l’énergie totale apportée par toutes les incertitudes paramétriques au résidu
analyse de sensibilit des r sidus 2 5
Indice de sensibilité

Indice de sensibilité normalisé

Analyse de sensibilité des résidus (2/5)

δi: Incertitude sur le ième paramètre

i Є {R, C, I, RS, TF, GY}

ωi: ième entrée modulée correspondant à Incertitude sur le ième paramètre

analyse de sensibilit des r sidus 3 5
Analyse de sensibilité des résidus (3/5)
  • Indice de détectabilité de défauts
    • Aptitude du résidu à détecter un défaut physique (permet d’évaluer la valeur à partir de laquelle le défaut est sûrement détectable): son énergie étant supérieur à celle introduite par l’ensemble des incertitudes.
  • Types de défauts
    • Défaut paramètrique: Déviation anormale de l’un des paramètres du modèle de sa valeur nominal (noté Yj: % de la valeur nominale du paramètre j)
    • Défaut structurel: Défaut qui engendre un changement dans la structure du système, donc dans la structure du modèle (noté Y).
analyse de sensibilit des r sidus 4 5
Analyse de sensibilité des résidus (4/5)
  • Indice de détectabilité de défauts paramétriques
analyse de sensibilit des r sidus 5 5
Analyse de sensibilité des résidus (5/5)
  • Indice de détectabilité d’un défaut structurel
cahier des charges
Cahier des charges
  • Objectif: Déterminer la valeur détectable du défaut (variation du jeu au niveau du réducteur)
    • Simulation du cas extrême ou les incertitudes se compenses
    • Montrer l’influence d’une incertitude de modélisation ( zone morte initiale de 0.2 rad)
    • Introduire un défaut (variation progressive de l’amplitude du jeu), jusqu’à ce que les indices de détectabilité deviennent positifs
mod le bond graph nominal du syst me

Moteur

13

3

12

4

1

5

6

8

9

10

11

7

2

Modèle bond graph nominal du système

R: fm

R: fs

Mse:d

Mse:ds

Df2

Se:U

1

0

TF

1

..

N0

Df1

I:Jm

C: K

I: Js

Charge

mod le lft du syst me

31

22

20

21

25

24

23

29

19

28

10

11

34

27

26

32

30

12

4

5

6

33

9

3

2

7

13

15

16

14

18

17

8

1

TF

..

N0

Modèle LFT du système

Charge

Partie mécanique du moteur

Réducteur

R: fm

R: fs

De*: z2

De*: z6

0

0

MSe: w2

MSe: w6

Df1

Df2

0

Se: U

1

1

0

0

De*: z4

MSe: w7

MSe: w3

MSe: w5

MSe: w1

1

0

MSe: ds

0

MSe: d

De*:z5

De*:z1

MSe: w4

De*: z7

De*:z3

C: K

I: Js

I: Jm

g n ration de rras robustes
Génération de RRAs robustes
  • Les RRAs robustes
  • Entrées modulées correspondantes aux incertitudes paramétriques
g n ration de rras robustes1
Génération de RRAs robustes
  • Les résidus et les seuils
  • Entrées modulées correspondantes aux incertitudes paramétriques
r sidus en fonctionnement normal cas extr me compensation des effets des incertitudes
Résidus en fonctionnement normalCas extrême : compensation des effets des incertitudes

Indice de détectabilité de r2

Indice de détectabilité de r1

influence d une incertitude de mod lisation sur les r sidus fonctionnement normal
Influence d’une incertitude de modélisation sur les résidus : fonctionnement normal

Indice de détectabilité de r2

Indice de détectabilité de r1

introduction d un d faut variation du jeu de 0 02 rad
Introduction d’un défaut, variation du jeu de 0.02rad

Indice de détectabilité de r2

Indice de détectabilité de r1

scenarii d exp rimentation
Scenarii d’expérimentation
  • Implémentation en ligne de l’algorithme de génération des résidus et des seuils
  • Génération des résidus en fonctionnement normal
  • Introduction manuelle du défaut sur le système en fonctionnement.
impl mentation informatique

Implémentation informatique

Génération automatique des RRAs robustes

description du gv

Environnement

FIR

PIR

7

3

LG

1

FIR

TR

TR

PC

LIR

LIR

Q

LC

LG

LIR

TIR

5

1

6

1

1

4

10

3

2

8

9

Description du GV
objectifs
Objectifs
  • Types de défaillances à diagnostiquer:
    • Bouchon à la sortie de la pompe;
    • Fuite de fluide dans la chaudière;
    • Thermoplongeur.
hypoth ses de mod lisation
Hypothèses de modélisation
  • L’eau et la vapeur sont en équilibre thermodynamique
    • les propriétés thermodynamiques sont calculées en équilibre thermodynamique (justifié par le fait qu’il se produit une bonne homogénéisation de l’émulsion eau-vapeur);
  • Le mélange est à une pression uniforme
    • on néglige l’effet des tensions superficielles des bulles de la vapeur d’eau qui provoquent la variation de la pression du mélange ;
  • Les variables sont à paramètres localisés.
  • Le générateur de vapeur a une capacité thermique et subit des pertes par conduction vers l’extérieur.
  • Le liquide dans le circuit d’alimentation est incompressible (car eau est à température ambiante).
calcule du c fficient de transfert de chaleur ra ra chaudi re milieux ext rieur 1 2
Calcule du cœfficient de transfert de chaleur Ra, δRa(chaudière /milieux extérieur) (1/2)

Ra: théorique

Modèle BG LFT de la chaudière

calcule du c fficient de transfert de chaleur ra ra chaudi re milieux ext rieur 2 2
Calcule du cœfficient de transfert de chaleur Ra, δRa(chaudière /milieux extérieur) (2/2)

Ra: identification expérimentale

r sultats exp rimentaux

Résultats Expérimentaux

Traitement hors ligne, simulation de défauts

conclusions
Conclusions
  • Cadre du travail présenté
    • Continuité d’une thématique sur les BGs et la conception de systèmes de diagnostic (validée par des applications réelles).
  • Contributions
    • Approche intégrée pour la génération systématique de RRAs robustes pour des modèles non linéaires;
    • Incertitudes paramétriques apparaissent d’une façon explicite sur le modèle BG;
    • Réutilisabilité de modèle BG sous forme LFT ;
    • Validation de l’approche par des applications réelles et informatisation des procédures de génération de RRAs incertaines
perspectives
Perspectives
  • Extension à des systèmes en génie des procédés
    • Caractère non stationnaire des procédés;
    • Tenir compte des incertitudes de mesure dans la génération des RRAs.
  • Amélioration de la boite à outil FDIPAD
    • Ajout de classes de modèles incertains.