1

Prof. Houcine CHAFOUK (houcine.chafouk@esigelec.fr)

Rouen - France

Université Polytechnique de Bucarest

Roumanie

Bucarest, 25 – 29 Mai 2015

Ecole d’été Franco-Roumaine CA’NTI 21

2

Généralité sur la surveillance

Validation Détection-diagnostic

Détection dans les systèmes discrets Détection dans les systèmes continus

Vote logique

Reconnaissance de formes

Redondance

analytique

Détection par estimation paramétrique

Prise de décision

Détection par estimation d’état

Traitement du signal

1

6

5

3

4

2

Diagnostic des Systèmes complexes

3

Introduction du Diagnostic pour la

Gestion des Risques Industriels

4

Définitions des risques industriels et technologiques

Que met-on nous sous ce terme général de risque ?

• Les risques majeurs industriels (sites classés Seveso, transport de matières dangereuses,

gares, ports,…),

• Les risques spécifiques liés à la filière nucléaire,

• Les risques liés à des passés industriels (sites et sols pollués, effets d'activités minières),

• Les risques diffus de nature chronique provenant des impacts des pollutions émises, de

contaminations, des radiations, … liés aux diverses activités humaines et dans certains cas aux

technologies utilisées :

- traitement des déchets : incinérateur de traitement de déchets, centre de stockage de

déchets ultimes, unité de compostage,…

- activités industrielles, (les divers lieux d'activités ne sont pas, loin s'en faut, les

seuls sites Seveso)

(Site de référence : www.fne.asso.fr/PA/risques/risques.htm)

5

Le risque majeur industriel ayant une fréquence rare en tout cas sous la forme de

catastrophe, pour ne pas dire rarissime il ne faisait pas l'objet habituel d'information au journal

télévisé par exemple …

Bien sûr on a parlé des accidents de Seveso (10 juillet 1976) et Bhopal (3 décembre

1984) quand ils ont eu lieu, mais cela remonte à des années et ils ont eu lieu loin de chez nous.

Historique : le risque industriel, une réalité

(Site de référence : www.fne.asso.fr/PA/risques/risques.htm)

Article de journal :

Le 3 décembre 1984 explose une cuve d’une usine de

produits chimiques à Bhopal en Inde, suite à des

déficiences du système de sécurité, occultées pour raison

d’économie : 42 t de gaz mortels s’échappent et

provoquent la mort de 20 000 personnes dans d’atroces

souffrances, ainsi que plus de 200 000 handicaps graves

et 100 000 autres blessures. L’entreprise américaine s’est

volatilisée administrativement, puis a été rachetée par

une multinationale qui refuse de dépolluer le site et

d’indemniser les victimes comme il se doit. Un grand

nombre d’enfants naissent encore aujourd’hui malformés

suite à la consommation de l’eau des nappes phréatiques

toujours contaminées.

6

Raffinerie de Feyzin (France)

Nous avons bien eu quelques accidents industriels en France dont on a parlé, par exemple à

Feyzin le 4 janvier 1966, mais cela date et le bilan dans ce cas précis de 18 morts et 84 blessés

a permis l'oubli collectif.

Historique : le risque industriel, une réalité

7

Le sujet du " risque industriel " était donc abordé surtout entre spécialistes et parfois avec un

souci d'informer les populations riveraines par le biais d'espaces de concertation, … jusqu'au

21 septembre 2001.

Là, l'explosion sur le Site Grande Paroisse à Toulouse a fait changer notre univers. La

catastrophe AZF comme elle est couramment appelée engendre un réveil massif de la

population et des médias.

Historique : le risque industriel, une réalité

Article de journal :

Le 21 septembre 2001, un hangar de

stockage de nitrate d'ammonium de l'usine

AZF à Toulouse explosait. Bilan: 30 morts,

3000 blessés et des dégâts évalués à plus de

deux milliards d'euros. Plus de huit mois

après le drame, les quelque 140 parties

civiles étaient informées des premières

conclusions de l'enquête judiciaire

8

Défaillances de la génératrice des éoliennes

• Défaillances du stator

• Défaillances du rotor

• Défauts d’isolants dans un enroulement

• Défaillance mécaniques

9

Filière aéronautique

Sondes pitots

Vol AF447

10

Filière automobile

Deuxième loi de Newton

Figure – Système de suspension active d’une

automobile

11

1. Généralités sur la surveillance

des procédés industriels

12

Le besoin d’Informations

1. Automatisme et Instrumentation

• Couche physique

• Couche d’exécution (Commande directe)

• Couche de décision (Optimisation)

2. Opérateurs

3. Besoins d’Informations

- Suffisantes

- Crédibles

Actionneurs Procédé Capteurs

Régulateur Consigne

État actionneur Ordre actionneur

Décision Objectifs

Contraintes

État du procédé

Consignes

Commande Maintenance Gestion

13

1. Contrôle/Commande :

• Conduite

– Vraies valeurs des variables physiques

– État réel du procédé

– Disponibilité des différentes fonctions

• Maintenance

– Corrective

• Détection, localisation, signalisation des défauts

• Aide au diagnostic

– préventive

• Surveillance des caractéristiques du processus pour la détection précoce des dérives

• Gestion

- statistiques de pannes, dégradations, marche normale

2. Organisation - Modélisation :

Bases de données d’apprentissage

Quels Informations, Pour qui ?

14

• Estimation

– Valider les mesures

– Estimer les états

• Diagnostic - Reconfiguration

– Percevoir

– Comprendre

– Prévoir

– Agir

• Corriger les défauts,

• Reconfigurer le système

• Pour

– Assurer la sécurité,

– Améliorer la qualité,

– Augmenter la disponibilité.

symptômes

mesures symptômes détection

diagnostic

pronostic

causes

effets causes

Fonction d’un système de surveillance

15

Réadaptation

Diagnostic : - Caractérisation

- Localisation

Estimation : changements

mesures et modèles Excitation

Modèles

Lois de commande

Actionneurs Procédé Capteurs

Architecture d’un système de Diagnostic - Reconfiguration

Reconfiguration

Pronostic

Détection

16

• DETECTION

– Modéliser le fonctionnement normal

– Associer au couple (modèle-observation) des caractères permettant d’évaluer un écart par rapport au fonctionnement normal

– Décider si l’écart observé est significatif ou non

• LOCALISATION

Caractérisation Prise de décision décision écarts signaux

Mesure 1

Mesure 2

Mesure 3

N° de voie

en défaut

Mesure 1

Mesure 3

Mesure 2 - Analyse de signature - Vote logique

Principe de la Détection - Localisation

17

2. Détection de défauts

dans les systèmes continus

18

• Représentation schématique d’un capteur :

• Différents types de défauts :

– Biais, offset

– Dérive dans le temps

– Erreur de gain

– Seuil, zone morte

– Modification de la dynamique

– Modification du bruit de mesure

– Blocage.

Les défauts de capteurs

H(p) mesurande

bruit

mesure

19

Détection

En ligne Hors ligne

Redondance

temporelle

Redondance

spatiale et temporelle

Redondance

matérielle

Traitement

du signal Vote logique

Connaissance

floue

Connaissance

heuristique

Connaissance

analytique

Reconnaissance

de formes Modèle

Système expert Arbre de décision

Classification des méthodes de détection

20

• Modèle du système :

Y = f(U, Q, X, N)

• Variables dont on peut tester l’évolution :

- signaux mesurables : U , Y

- États non mesurables : X

- Paramètres non mesurables : Q

- Quantités caractéristiques non mesurables :

h = f(U, Y, Q)

procédé

défauts

U Y + DY

N bruit

Paramètres : Q + DQ état : X + DX

Détection par utilisation d’un modèle

21

Procédé + Instrumentation

Bruits de mesures et de système défauts

U Y

Structure du modèle :

Procédé + Instrumentation

Y=f(U, X, Q)

Paramètres du modèle

nominal : Q Modèle(s)

de(s) défauts

Estimation

d’état

Estimation

de paramètres

Calcul

de résidus

Calcul

de résidus

Calcul de statistiques

Logique de décision

mo

délisa

tion

P

rise de d

écision

G

énéra

tion

des résid

us

statistiques

Localisation du défaut Instant du défaut

Y

Y

Y

Q

U

Q

e e

Y , X Q

Architecture d’un système de détection-localisation basée sur un modèle

U

22

Schéma général d’un système contrôlé

ACTIONNEURS PROCESSUS

MODELISATION,

IDENTIFICATION, ET

ESTIMATION

CAPTEURS

COMMANDE

PASSIVE

Génération des

résidus

Tests statistiques

Pronostic

TOLERANCE AUX FAUTES

ACCOMMODATION & RECONFIGURATION

Présence de

défaillance

Evolution de la

défaillance

Caractérisation

de la défaillance

Origine de la

défaillance DIAGNOSTIC

Détection

Localisation

Identification

Modification de la structure de la

commande

Adaptation des paramètres de la

commande

COMMANDE ACTIVE

OU

COMMANDE TOLERANTE AUX

FAUTES

23

Du diagnostic à la tolérance aux fautes

Accommodation des

défaillances

Reconfiguration

de la loi de commande

(Commande tolérante

aux fautes) Restructuration de

la loi de commande

Danger

(hors contrôle)

Détection - Localisation

de défauts (FDI)

Défaillance

reconfigurable Oui Non

Objectif

modifiable Oui Non

Défaillance

accommodable Oui Non Deg

ré d

e to

léra

nce a

ux fa

ute

s

24

• L’accommodation, consiste à poursuivre de façon continue, ou reprendre la mission sans remettre en cause ses objectifs ; cela suppose qu'il est possible de corriger, ou d'annuler les effets des défauts, soit par compensation des erreurs, soit par ajustement du régulateur du système ou du sous-système contenant l'élément défaillant, soit par une procédure de reprise à partir d'un état initial connu.

• La reconfiguration, consiste à poursuivre la mission en reconfigurant le système (changement de structure).

• La restructuration, consiste à changer de mission en reconfigurant ses objectifs ; cela suppose qu'il existe une reconfiguration permettant d'atteindre les nouveaux objectifs fixés.

Du diagnostic à la tolérance aux fautes

25

Exemple d’application

Restructuration

en mode dégradé

HM

HN

Mode nominal

Avion

Accommodation ou reconfiguration

Contrôle rétabli

Action

Phase de réaction

Instant de défaillance

Détection et localisation

t1 t2

26

Classification générale des méthodes de diagnostic

Méthodes de

diagnostic

Avec modèle Sans modèle

Espace de parité

Redondance matérielle

et analytique

Observateurs

Estimation

paramétrique

Réseaux de neurones

Traitement du signal

Tests

Statistiques

Classification

27

• Reconnaissance d’images

- reconnaissance de vaisseaux sanguins dans le cerveau,

- détection de panneaux de signalisation dans le paysage.

• Traitement du signal

Segmentation séquentielle et détection de ruptures de signaux non stationnaires :

- parole,

- électroencéphalogramme,

- électrocardiogramme,

- détection de sauts sur des signaux géophysiques.

• Surveillance d’appareillage

- pompe centrifuge,

- machine outil,

- réacteur,

- moteur,

- pipeline.

• Détection et diagnostic de défauts de capteurs

- avionique et spatial,

- aéroglisseur, avion, réacteur.

• Détection et diagnostic de défauts de capteurs ou de procédés

- applications chimique, pétrochimique,

- thermique,

- nucléaire.

• Contrôle de qualité dans une chaîne de fabrication

• Surveillance des vibrations pour les plates formes offshore

• Détection d’accidents sur autoroutes

Domaines d’applications de la surveillance

28

Détection de défaut par

estimation paramétrique

Détection de défaut par

estimation d’état

Propriété

du Procédé

Modèle du procédé

Signal d’entrée

Rapport Signal/Bruit

Connue à priori

-Linéaire

-Non linéaire

-Variant dans le temps

Variable

Moyen

Structure

Linéaire

Variable

Constant

Petit

Structure

Paramètres

Modèles de défaut

Méthodes Méthodes d’Estimation

Conception

Calcul

Estimation des paramètres

-non récursive,

-Récursive

Non

Moyen

Observation d’état

Estimation d’état

Sensibilité de défaut

Bancs de filtres

Petit/Moyen

Type de défauts Localisation de défaut

-Actionneur

-Procédé

-Capteur

Type de de défaut

-Changement de paramètres

-Changement de variables d’état

OUI

OUI

OUI

OUI

OUI

OUI

OUI

OUI

Performances Diagnostic

Indication de défaut

Moyen

Petit

Comparaison entre détection par estimation paramétrique et estimation d’état

29

3. Détection par estimation

d’état

30

As

Cs

As

Z-1

Bs Cs

Bs

Ko

Z-1

U(k) ys(k)

yo(k)

Système

Observateur

Les observateurs d’état

Xo(k+1)

Xs(k)

ro(k)

Xo(k)

Xs(k+1)

• Règles de construction de l’observateur :

- Stabilité : | Zo | < 1

- Régime transitoire de l’observateur plus rapide que celui du système : Zo < Zs

- Si perturbations sur l’équation d’état importantes Ko élevé pour renforcer l’influence des mesures par rapport à la simulation

- Si bruit de mesure important Ko faible.

31

Méthodes de détection par observateurs

Capteurs

Algorithme

d’estimation

Logique

de décision

Génération

des résidus

Actionneurs

Composant 1

Composant i

Composant p

u1 y1

ui

yp

yi

up

u Y Y

Alarme

PROCEDE

(CFD)

(IFD) (AFD)

32

Méthodes de détection par observateurs

Méthodologie :

Les méthodes utilisées peuvent être classées en trois catégories selon les objets surveillés :

- détection de défauts d’instruments (IFD),

- détection de défauts d’actionneurs (AFD),

- détection de défauts de composants (CFD).

Selon les applications, on peut employer un estimateur d’état déterministe (observateur) ou stochastique (filtre de Kalman).

Dans le premier cas, on désire détecter des défauts importants dans un temps très court, pour cet objectif les bruits de mesure peuvent être négligés (ainsi que les incertitudes sur les paramètres du modèle). Dans le second cas on s’intéresse aux petits défauts mais on dispose généralement de plus de temps pour les détecter.

Le nombre d’observateurs mis en œuvre dépend de la précision de la localisation que l’on souhaite :

- si on désire uniquement détecter la présence d’un défaut sans le localiser, on utilise un observateur unique piloté par une grandeur (SOS) ou plusieurs (GOS).

- si on désire détecter et localiser m défauts, on doit construire m observateurs (un défaut à la fois : GOS, plusieurs défauts : DOS).

33

Détection par observateur unique : SOS (Simplified Observer Scheme)

L’algorithme SOS est le plus simple à mettre en œuvre puisqu’il ne nécessite qu’un seul observateur piloté par une seule mesure. On choisit la mesure qui permet l’estimation globale du vecteur d’état. Cet algorithme ne fournit qu’une redondance simple et de ce fait permet uniquement la localisation d’un seul capteur en défaut.

PROCEDE

Logique

Observateur

CAPTEURS

yq

y2

y1

y1

1y2y

qy

2

1

q

Algorithme à observateur unique (SOS)

Si le capteur m, qui ne pilote pas l’observateur, est en défaut, toutes les estimations sont correctes

sauf celle correspondant à m :

pour i m

Par contre, si le capteur s qui pilote l’observateur est en défaut, toutes les estimations sont erronées,

sauf celle correspondant à s :

pour i s

L’avantage de cette procédure est qu’elle peut être appliquée à des processus peu observables.

Cependant son inconvénient majeur est la réduction considérable de la redondance, donc de la

qualité de la localisation.

0 y - y ii

0 y - y ii

U(k)

Décisions

34

Détection par observateur dédiés : DOS (Dedicaced Observer Scheme)

• Principe :

Le vecteur d’état est supposé totalement observable à partir de chaque mesure du procédé et l’on considère qu’il n’y a pas d’incertitudes sur les paramètres du modèle.

On utilise un observateur d’état pour chaque mesure, les observateurs sont d’ordre réduit car ils n’utilisent qu’une partie de l’information disponible au niveau du vecteur d’observation Y.

y1

PROCEDE Logique 1

Observateur 1

CAPTEURS

Observateur 2

Observateur q Logique q

yq

y2

y1

y2

yq

11y

21y

q1y

35

Détection par observateur Généralisé : GOS (Generalized Observer Scheme)

Cet algorithme est comparable à l’algorithme à observateurs dédiés si l’on considère le nombre d’observateurs qu’il exploite.

Par contre, chaque observateur est piloté par différentes sorties. La logique de décision est similaire à celle utilisée par les algorithmes DOS ou SOS. Cependant, cet algorithme augmente le nombre de degré de liberté ce qui peut être utilisé pour diminuer la sensibilité aux variations des paramètres (robustesse).

PROCEDE

Logique Observateur 1

CAPTEURS

Observateur q

y

Sous-vecteur y1

1y

qy

Sous-vecteur yq

u

Algorithme à Observateurs Généralisés (GOS)

Décisions

36

Exemple : Surveillance d’un système de Chaudière – échangeur (1)

Régulation

de débit Qg

Régulation de

température Tco

Système de régulation numérique

Consigne

interne

Consigne

externe Consigne

interne

Consigne

externe

R

R

R I

I

I

Ch

au

diè

re

Éch

an

geu

r

Qp

Tco

Qg

Eau

Tpo

Tso

P S

Eau

chaude

Eau

froide

Régulation

de débit Qp

Régulation de

température Tso

By pass

accélérateur

Qs

37

Exemple : Surveillance d’un système de Chaudière – échangeur (2)

Schéma fonctionnel :

Chaudière

Circuit

primaire

échangeur

Circuit

secondaire

échangeur

Tpo

Tpo

Tco

Tco

Tso

Tpo

Tco

Qs

Tco

Qp

Qp

Qp

Qg

Qs

Qp

Qs

38

Exemple : Surveillance d’un système de Chaudière – échangeur (3)

• Équation du système :

1)(k-T1)(k-T1)(k-T

. 0.5483 00.2388

0 0.5801 0.23630 0.0718 0.9494

(k)T(k)T(k)T

so

po

co

so

po

co

1)(k-Q5)(k-Q1)(k-Q2)(kQ

. 0.0429 - 00.0132 00.0112 - 00.0329 0

00.0068 - 00.0557

s

p

p

g

39

Exemple : Surveillance d’un système de Chaudière – échangeur (4)

• Estimation d’état par algorithme DOS :

Chaudière

+

Échangeur

Dét

ecti

on -

Lo

cali

sati

on

Observateur 1

CAPTEURS

Observateur 2

Observateur 3

Tso

Tpo

Tco

po1T

so1T

co2T

so2T

co3T

po3T

40

Observateur 1 so1so

po1po

T - T

T - T

ET

Détection

de

défaut

Qg

Qp

Qs

TESTS

D11 po1T

so1T D12

D21

D22

D31

D32

e11

e12

Tco Tpo Tso S12 S11

LO1

(Tco)

Exemple : Surveillance d’un système de Chaudière – échangeur (5)

• Schéma de détection – localisation utilisé (a) :

41

Observateur 2 so2so

co2co

T - TT - T

ET

Détection

de

défaut

Qg

Qp

Qs

TESTS

D21 co2T

so2T D22

D11

D12

D31

D32

e21

e22

Tpo Tco Tso S22 S21 LO2

(Tpo)

Exemple : Surveillance d’un système de Chaudière – échangeur (6)

• Schéma de détection – localisation utilisé (b) :

42

Observateur 3 po3po

co3co

T - TT - T

ET

Détection

de

défaut

Qg

Qp

Qs

TESTS

D31 co3T

po3T D32

D11

D12

D21

D22

e31

e32

Tso Tco Tso S32 S31

LO3

(Tso)

Exemple : Surveillance d’un système de Chaudière – échangeur (7)

• Schéma de détection – localisation utilisé (c) :

43

5. Détection par la méthode

de l’espace de parité

44

• Principe :

On considère le modèle d’état suivant :

La méthode mise en œuvre consiste à créer, à partir des équations précédentes pris en compte pendant une durée p, de nouvelles équations combinant les mesures et commandes mais indépendantes des états.

L’équation de mesure du jème capteur s’écrit :

yj(k) = cj X(k)

Soit, sous forme matricielle :

Yj(k,p) = Oj(p) X(k) + Cj(p) U(k,p)

L’ensemble de ces relations peut s’écrire sous forme condensée comme suit :

Y(k,p) = O(p) X(k) + C(p) U(k,p)

u(k) B X(k)A 1)X(k

X(k) C Y(k)

p)u(k....

1)u(k u(k)

0..........BAc.................0....... 0 Bc

0 0

X(k)

Ac......A c

c

p)(ky......

1)(ky (k)y

1)-(pp

j

j

j

j

j

j

j

j

Méthode de l’espace de parité

45

Approche adaptative (1)

Système

Identification

Estimation d’état

Détection

et

localisation

Couplage identification et estimation d’état

Adaptation

Entrées Sorties

46

Approche adaptative (2)

Décomposition du système en un ensemble de sous-systèmes :

Avec :

jj(k) : vecteur des informations nécessaires à l’instant k pour prédire yj(k),

Qj(k) : vecteur des paramètres associés à yj,

ej(k) : erreur introduite par le modèle.

m ..., 1, jpour (k)e (k)Θ (k) (k)y jjTjj j

47

Approche adaptative (3)

• Première étape : identification

Méthode de la variable instrumentale à modèle auxiliaire :

l : facteur d’oubli, 0 < l < 1

Zj(k) : vecteur de la variable instrumentale,

obtenu en remplaçant dans jj(k), les variables de sortie par leurs prédictions :

Pour ne prendre en compte que les évolutions lentes des paramètres, on utilise une trace bornée pour Pj(k) :

(k)ˆ 1)(k - 1)(ky 1)(kG (k)ˆ 1)(kˆ jTjjjjj QQQ j

max) (P trace (k))(P tracesi 1)(k-P (k)P jjjj

(k)Θ 1)(k- jTjj

1jjT

jjjj 1)(k Z(k)P 1)(k λ 1)(k Z(k)P 1)(kG

j

(k)P 1)(k 1)(kG - I λ1 1)(kP jT

jjj j

48

Approche adaptative (4)

• Deuxième étape : adaptation de l’observateur

Le système est variant :

A(k) = A0 + dA(k)

et B(k) = B0 + dB(k)

Nouvelle dynamique de l’observateur :

Ao(k) = AoO + dAo(k)

réajustement de la matrice K :

K(k) = Ko + dK(k)

l’équation d’état de l’observateur adapté est :

évolution de l’erreur d’observation :

Si : dA(k) – dK(k) C = dAo(k)

alors : e(k+1) = (AoO e(k) + dAo(k)) e(k)

l’observateur adapté possède bien la dynamique spécifiée.

Y(k) δKo(k) K u(k) δBo(k) B (k)X (k)δA OA 1)(kX ooo

(k)X(k)δA - X(k) δK(k)C - δA(k) ε(k) OA 1)ε(k oo

49

Méthode de l’espace de parité

Principe :

Posons : Z(k,p) = Y(k,p) – C(p) u(k,p)

on obtient : Z(k,p) = O(p) X(k) (1)

Où O(p) est la matrice d’observabilité d’ordre p du système.

On a un système de m(p+1) équations à n inconnues, les états.

Soit V un vecteur de dimension m(p+1) qui vérifie :

VT O(p) = 0

La multiplication de l’équation (1) par VT à gauche, donne les équations de parité :

P(k) = VT O(p) X(k)

Le vecteur P(k) appelé vecteur de parité est théoriquement nul en l’absence de défauts.

L’ensemble des vecteurs V défini l’espace de parité d’ordre p de dimension m(p+1)–

rang(O(p)).

Le vecteur des résidus est alors créé à partir des équations de parité les plus robustes aux

erreurs de modélisation.

Notons que l’approche de l’espace de parité conduit en fait à construire un observateur en

boucle ouverte de type particulier.

50

Méthode de l’espace de parité Structuration de résidus. Principe

r1 x1 2x2 x3

r2 2x1 x2 4x3

X X X

X X X

X . X

X X .

x1 x2 x3r1r2r3r4

Résidus « primaires »

Résidus « structurés »

r3 5x1 7x3

r4 6x1 9x2

51

Méthode de l’espace de parité Structuration de résidus. Principe

r1 x1 2x2 x3

r2 2x1 x2 4x3

Résidus « primaires »

Résidus « structurés »

r1

r2

2

1

x2

1 1

2 4

x1

x3

\ 2

1

0

1 2

r 2

1

x2

1 1

2 4

x1

x3

r3 5x1 7x3

r4 6x1 9x2

52

(k)y

y(k)

(Im(C))

p(k)

Im(C)

)()()()( kkdkCxky e

p(k)=WTy(k)

tel que WTC = 0

Principe de l’espace de parité (cas linéaire)

Equation de mesures

Vecteur de parité ou de résidus

Le principe consiste à générer des Relations de Redondance Analytiques

RRA (résidus) qui dépendent seulement des variables connues.

53

Base de connaissance pour

les fonctionnements

sain et défaillant

Système physique

Mesures

Comportement

entrées/sorties

observées

Comportement

attendu - +

Cohérence

Tests de cohérence

Si Comportement normal (Sain)

Incohérence Présence d’un défaut

Origine du défaut Comparaison &

Identification

Principe général du diagnostic

Généra

tion d

e ré

sid

us

Déte

ctio

n

Localis

atio

n

54

• Exploitation de l’expertise humaine

• Coût excessif (grand nombre d’essais)

• Difficulté de simuler des défauts improbables ou dangereux

Tests de

cohérence

Décision

Mesures

Entrées / sorties

Propriétés :

Base de connaissance

Entrées/sorties (cas sain)

Entrées/sorties (cas défaillant f1)

Entrées/sorties (cas défaillant fm)

Diagnostic sans modèle

55

Détection Localisation et

identification Sorties du système

physique

Entrées du système

physique

Modèle sain

et modèle

avec défauts

Génération

des résidus

Évaluation

des résidus

Localisation

des défauts

Identification

des défauts

Décision

Les résidus sont des Relations de Redondance Analytique (RRA)

Propriétés : • Coût faible

• Pas besoin de faire des essais

• Possibilité de simuler des cas critiques et improbables

Diagnostic avec modèle de référence

56

Techniques utilisées

• Espace de parité • Elaboration des signatures de défaillances • Détection par le principe des fenêtres glissantes

Performances souhaitées :

• Diminution du taux de fausses alarmes • Diminution du taux de non détection • Délais de détection • Robustesse de la localisation et de la décision

Conclusion sur l’espace de parité

57

4. Application Industrielle

58

4.1. Application à l’Industrie

chimique et pétrochimique

59

GLR (1) : Introduction

Place occupé par les capteurs dans une installation industrielle

Validation de données :

- Décomposition préliminaire selon l'observabilité,

- Détection et localisation des capteurs en défauts,

- Réconciliation de données

ACTIONNEURS PROCEDE

CAPTEURS

AUTOMATESSALLE DE

REGULATEURS

COMMANDE

60

GLR (2) : Formulation du problème

• En l'absence de défaut, l'équation de mesure s'écrit :

( 1 )

Le modèle du procédé, issu de la loi de conservation de la masse et d'énergie, est

pris sous la forme :

( 2 )

avec X : Vecteur des mesures de dimension v.

X* : Vecteur des grandeurs réelles de dimension v.

M : Matrice d'incidence de dimension

e : Vecteur des erreurs aléatoires des mesures de dim. v.

• En présence du biais le vecteur des mesures s'écrit :

( 3 )

où

b étant l'amplitude du biais inconnu.

X X e

MX 0

n v

X X bei e

e 1 en position i

0 ailleursi

61

GLR (3) : Propriétés statistiques des résidus

Le vecteur R (de dim. n) des résidus de bilan est défini par :

( 4 )

En l'absence de biais e N(0,V)

( 5 )

La matrice de variance-covariance H s'écrit :

( 6 )

En présence de biais, R s'exprime en fonction de e et de b :

( 7 )

L'espérance mathématique de R est :

avec ( 8 )

La matrice de variance - covariance H des résidus R s'écrit :

( 9 )

R MX = M e

Esp(R) MEsp( ) 0 e

H MVMT

R M Mbei e

Esp(R) bfi f Mei i

H Esp (R Esp(R))(R Esp(R)) MVMT T

62

GLR (4) : Hypothèses de décision

H0 : Esp(R) = 0 Hypothèse où aucun défaut n'est présent

H1 : Esp(R) = bfi Hypothèse où un défaut est présent

Le rapport de vraisemblance de H1/H0 pour R s'écrit :

( 10 )

Absence du biais :

Présence du biais :

D'où :

( 11 )

Nous cherchons à maximiser h par rapport à b comme suit :

( 12 )

( 13 )

h Proba(R / H )

Proba(R / H )1

0

Proba(R / H )H

2exp(

1

2R H R)0

-1

2T 1

Proba(R / H )H

2exp(

1

2(R - bf ) H (R - bf ))1

-1

2

i

T 1

i

h

exp(1

2(R bf ) H (R bf ))

exp(1

2R H R)

i

T 1

i

T 1

T 2Log( )i h

T 2bf H R b f H fi i

T 1 2

i

T 1

i

63

GLR (5) : Estimation de l’amplitude du biais

Calculons le maximum de Ti par rapport , où représente l'estimée de b :

d'où :

( 14 )

En remplaçant dans l'équation (13), nous obtenons :

( 15 )

avec

( 16 )

( 17 )

Pour détecter et localiser la présence d'un biais nous utilisons le test du GLR

défini par l'expression suivante :

(18)

b

b

T

b

2f H R 2 b f H fii

T 1

i

T 1

i

0

b (f H f ) (f H R)i

T 1

i

1

i

T 1

Td

ci

i

2

i

d f H Ri i

T 1

c f H fi i

T 1

i

T supTi

i

b

64

GLR (6) : Procédure de détection

Algorithme de localisation de défauts

étape 1

étape 2

étape 3

étape 4

Calcul des résidus normalisés

Recherche des noeuds suspects

et des voies suspectes

Application du test G.L.R.

pour localiser et détecter le défaut

Estimation de l'amplitude du biais

et retour à l'étape 1

65

GLR (7) : Application de détection en mono-observation

1

2

3

4

5

6

7

8I

II

III IVM

1 1 1 0 0 0 1 0

0 1 0 1 1 0 0 0

0 0 1 0 1 1 0 0

0 0 0 0 0 1 1 1

12345678

15.208.31

13.423.255.70

19.755.91

12.90

2.321.121.870.520.602.470.751.72

mesure écart-typevoie

Figure 1 : Circuit élémentaire

de transport de matière

Matrice d'incidence

Tableau 1 : Valeur des mesures et leurs écarts-type

66

GLR (8) : Résultats de la détection

Etape 1 : calcul des résidus et résidus normalisés.

et

Les vecteur Ns des noeuds suspects et Vs des voies suspectes :

Ns = [ 1 ] et Vs = [ 1 2 3 7]

Etape 2 : Calcul du test GLR

Le vecteur des Ti du test GLR est : Ti = [ 0.583 0.189 0.0313 0.061 ]

Etape 3 : Localisation du défaut et estimation de b

Pour = 0.05 = 0.017, la valeur du seuil, donnée par la table du Khi2, est

égale à 0.31 .

• La voie 1 est en défaut puisque sup(Ti) dépasse le seuil.

• L'amplitude estimée du biais donnée par la relation (14) :

R

8.68

0.64

0.63

0.93

R

2.69

0.47

-0.20

0.30

n

b 8.204

67

GLR (9) : Suppression du biais de mesures

Le nouveau vecteur des résidus, après suppression du biais est :

et

R

0.48

0.64

0.63

0.93

R

0.15

0.47

-0.20

0.30

n

1

2

3

4

5

6

7

8

24.50

8.31

13.42

3.25

5.70

19.75

5.91

12.90

16.30

8.74

13.51

3.16

5.58

19.10

5.96

13.14

-8.20

0.43

0.09

-0.09

-0.11

-0.26

0.06

0.14

-3.65

0.38

0.05

-0.18

-0.19

-0.26

0.06

0.14

voie mesure estimée terme correctifnormalisé

termecorrectif

Tableau 2 : Valeurs des estimées après élimination du biais

68

GLR (10) : Etude de la robustesse

I II

III

IV V

VI

VII

1 2

3 4

5

6

7

8

9

10

11

12

13

Figure 2 : Réseau de transport de matière

69

GLR (11) : Application de la détection en multi-observations

1er cas : Simulation d'un seuil défaut (voie 2)

2ème cas : Simulation de deux défauts (voie 6)

3ème cas : Simulation de trois défauts (voie 12)

70

4.2. Application du Diagnostic à

l’automobile et l’Aéronautique

71

Application du Diagnostic dans l’automobile et l’Aéronautique

Discipline de base :

Automatique de Contrôle / Commande

Instrumentation intelligente

Capteurs logiciels

Diagnostic Santé Moteur

Commande d'injection du carburant

Thématiques développées :

Filières : Automobile

Aéronautique & Spatiale

Snecma Moteurs

Moteur Vulcain 2 en essais

72

Les défis de la motorisation automobile

Propreté

(faible émission

de polluants)

Fiabilité

Rentabilité

(faible consommation

de carburant) Puissance

Agrément de conduite

(bruits, vibrations, ...)

• Application des techniques de contrôle et de diagnostic

pour l’optimisation de la combustion

Solution proposée :

Objectifs :

• Durcissement des normes européennes antipollution

Contrainte :

73

0

0,2

0,4

0,6

0,8

1

CO HC+Nox particules

1997

2000

2005

2008

0

0,5

1

1,5

2

2,5

3

CO HC+Nox

1993

1997

2000

2005

2008

Essence Diesel

Contexte environnemental

Durcissement des normes EURO pour les moteurs à combustion :

• Consommation

• Bruit

• Antipollution

74

rampe commune

injecteur piloté

par électrovanne

pompe

haute pression

calculateur

Capteurs : vitesse de vilebrequin, vitesse d'arbre à cames, température d'air d'admission,

pression de suralimentation, accélérateur, de vitesse de roulage, ...

Système actuel d’injection diesel à accumulateur "common rail"

75

Régulation des états de fonctionnement

• débit de démarrage

• régulation du ralenti

• débit de roulage

• gestion des EGR

Diagnostic intégré

• surveillance des capteurs

• détection et traitement

des défauts

• Remplacement des dispositifs d’injection mécaniques

par des systèmes de Régulation Electronique Diesel (RED)

Commande du système d’injection par un calculateur électronique

76

Problématique actuelle

• fiabilité des capteurs : détection de défauts, validation des informations

Solutions Diagnostic embarqué (OBD)

Algorithmes de validation de données

• coût de l’instrumentation

• encombrement lié à la présence des capteurs

77

Sorties

mesurées Capteurs

physiques Moteur

Entrées de

consignes

Capteurs logiciels

Sorties

estimées

Diagnostic

Objectif :

Reconstruction de l’évolution temporelle de variables d’états du moteur à

partir de variables mesurées

Techniques d’estimation d’états :

Filtrage de Kalman, observateur d’état de Luenberger

Remplacement des capteurs physiques par des

capteurs logiciels

Signaux de commande Contrôle

78

Contexte :

• Multiplication des capteurs (pression des pneus, …)

Principe des capteurs logiciels :

• Utilisation d’observateurs (Kalman) afin de connaître

certains états du système sans les mesurer directement

Avantages :

• Réduction du nombre de capteurs

• Gain de place

• Diminution des coûts de production

Capteurs logiciels

79

• Élaboration d’algorithmes de supervision « actifs » pour

la reconfiguration des lois de commande en fonction

– des pannes

– construction de lois de décision

– adaptation des lois de commande

Système de commande

Signaux de

commande Références

Observations

Détection de défauts

et évaluation des

performances

Mécanisme de

reconfiguration

Performances

désirées

Le diagnostic santé-moteur

80

Station de travail

Carte DSP dSpace

commande

Carte DSP dSpace

physique moteur

Simulation

Temps réel Bus PCI

Matlab / Simulink

Control toolbox

Génération de code C

Real-time Workshop

Simulation hardware-in-the-loop (1)

Base de données

81

Contrôle / commande d'un moteur virtuel par simulation software-in-the-loop :

Actionneurs

Capteurs

Matlab / Simulink

Loi de

commande

Modèle de

Moteur (GT-Power)

Cartes

E / S

Calculateur

Bus PCI

Contrôleur (dSpace)

PC hôte

Bus PHS

Cartes

E / S

Cartes processeur

Simulateur (dSpace)

Bus PHS

Simulation hardware-in-the-loop (2)

82

Étude d’algorithmes de diagnostic capables d’assurer :

• La détection automatique de défauts dans le moteur

• La discrimination et la localisation des défauts :

– internes (ratés de combustion, …)

– externes (disfonctionnements des actionneurs ou des capteurs)

Simulation hardware-in-the-loop (3)

83

Application de l’espace de parité dans le domaine de

l’aérospatial, pour la validation de données

)1()()1()1()( tututMtxtx

Modèle statique :

où M(t-1) =

4544434241

3534333231

2524232221

1514131211

mmmmm

mmmmm

mmmmm

mmmmm

est connue pour quelques points de

fonctionnement dans D

Variations

Système

non

linéaire

multi-modèles

statiques

D

U

1~u

2~u

3~u

1,4~u 2,4

~u

1,5~u 2,5

~u

1,1~x 2,1

~x 3,1~x

1,2~x 2,2

~x1,3

~x 2,3~x

1,4~x 2,4

~x

Elaboration d’une fonction de diagnostic à base de

modèle (statique) afin de valider les mesures d’entrée

et de sortie d’un système d’instrumentation

84

Résidus Entrée Sortie

1~u

2

~u 3~u 1,4

~u 2,4~u

1,5~u

2,5~u

1,1~x

2,1~x

3,1~x

1,2~x

2,2~x

1,3~x

2,3~x

1,4~x

2,4~x

r1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1

r2 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0

r3 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0

r4 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0

r5 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0

r6 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0

r7 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0

r8 1 1 1 1 0 1 0 1 0 0 0 0 0 0 0 0

r9 1 1 1 1 0 1 0 0 0 0 1 0 0 0 0 0

r10 1 1 1 1 0 1 0 0 0 0 0 0 1 0 0 0

r11 1 1 1 1 0 1 0 0 0 0 0 0 0 0 1 0

r12 1 1 1 0 0 1 0 1 0 0 1 0 0 0 0 0

r13 1 1 1 0 0 1 0 1 0 0 0 0 0 1 0 0

r14 1 1 1 0 0 1 0 1 0 0 0 0 0 0 0 1

r15 0 1 1 1 0 1 0 1 0 0 1 0 0 0 0 0

r16 0 1 1 1 0 1 0 0 0 0 0 0 1 0 0 0

r17 0 1 1 1 0 1 0 0 0 0 0 0 0 0 1 0

r18 1 0 0 1 0 1 0 0 0 0 1 0 1 0 1 0

r19 1 0 0 1 0 1 0 1 0 0 0 0 1 0 1 0

r20 0 0 0 1 0 1 0 1 0 0 1 0 1 0 1 0

Signatures des défaillances

Example : signature de 3~u

85

Résultats de simulation

Fault

Valid

information

Fault

Valid

information

86

Exemple d’application : Type Aircraft [SYRM 93]

CCV-Type Aircraft

ced

cfd [ ]e fx q d d

zpn

ed

fd

q

Angle d'incidence

q Vitesse avec laquelle

l'avion pivote verticalement,

Angle de descente ou la pente,

ed Déflexion de la gouverne de profondeur,

fd Déflexion du flaperon,

ced Commande de la

gouverne de profondeur,

cfd Commande du flaperon,

zpn Accélération normale

à la station de pilotage

Entrées : Etats :

axe de lacet

axe de tangage

axe de

roulis

ailerons

gouvernes

de

profondeur

gouverne

de

direction

87

Modèle d’état linéarisé et discrétisé

1983.00816.09940.671557.12645.180270.03217.02303.897252.43436.520015.00006.09892.00027.00350.00120.00553.03785.75824.00803.40016.00011.00142.00058.09519.0

A

1813.0001813.0

0002.00002.00015.00161.00002.00002.0

B

100000100045.456.40268.046.470010000010

C

( 1) . ( ) . ( )

( ) . ( )

x k A x k B u k

y k C x k

88

Structure du graphe de sous ensembles de capteurs

Chemins de reconfiguration

89

Résultats de simulations

Comparaison sur 100

itérations (0,1 s)

Sans

reconfiguration :

NOK

Avec

reconfiguration :

OK

Défaut capteur a :

itérations 10 à 30

Défaut capteur b :

itérations 20 à 30

90

4.3. Application des méthodes

d’accommodation aux fautes au

contrôle du moteur Diesel

91

Problématique

• La tolérance aux fautes des systèmes : Comment limiter l’influence des

capteurs ou des actionneurs défaillants sur un système ?

• But : maintenir au mieux les performances désirées en dépit de

défaillances de capteurs et/ou d’actionneurs.

• Politique actuelle : Réduction des

émissions de polluants des moteurs

à combustion (normes EURO).

Contrôle moteur

0

0.5

1

1.5

2

2.5

3

3.5

4

EURO 1 EURO 2 EURO 3 EURO 4

CO Particule

HC NOx

92

La Commande Tolérante aux fautes

Quelques définitions :

Tolérance aux fautes : Capacité d’un système asservi à maintenir les

objectifs de la régulation en dépit de fautes de capteurs ou d’actionneurs.

Cela peut se faire à l’aide d’une accommodation ou d’une reconfiguration.

Accommodation aux fautes : Changer les paramètres du régulateur en vu

de maintenir les objectifs sans changer les dimensions entre entrées et

sorties du système.

Reconfiguration : Changer les paramètres ou la structure du régulateur en

changeant les dimensions entre entrées et sorties du système.

93

Éléments constituant une FTC

• Une commande de base robuste

• Un module de détection et de localisation de la faute

• Une identification du système en faute

• Un module d’accommodation ou de reconfiguration

+

-

+

Régulateur Système

Génération des

résidu Evaluation

Identification

Accommodation /

Reconfiguration

Référence

94

L’accommodation : Modélisation d’une faute

Soit le système décrit par la représentation d’état :

BuAxx Cxy

But : Maintenir au mieux les objectifs de la régulation en dépit d’une défaillance d’un

capteur ou d’un actionneur.

Modélisation d’une faute actionneur

)]([ 1 nf bbdiagIBB

où 10 kb

0kb

1kb

10 kb

kième actionneur sain

kième actionneur totalement perdu

Perte partielle du kième actionneur

Modélisation d’une faute capteur

CccdiagIC nf )]([ 1

où 10 kc

0kc

1kc

10 kc

kième capteur sain

kième capteur totalement perdu

Perte partielle du kième capteur

95

Présentation de quelques méthodes

Tolérance

aux fautes

Passive Active

Commande

robuste Synthèse

hors ligne

Synthèse en

ligne

Séquencement

de gain - Commande

additionnelle

- Méthode

Pseudo Inverse

- Poursuite de

Modèle

Classification des approches de la FTC d’après [Patton 1997]

•Approche Passive :

Conception d’un régulateur à paramètres fixes.

Son degré de robustesse détermine alors la

tolérance aux fautes qu’il peut admettre.

•Approche Active (commande intelligente):

Les paramètres du régulateur sont réactualisés

en fonction des informations données par le

module FDI.

96

Poursuite de Modèle

Principe :

Faire suivre le système à un modèle de

référence déterminant les performances

souhaitées.

Modèle du système à réguler :

ppppp uBxAx

Modèle de référence :

mmmmm uBxAx

Loi de commande :

mummep uKxKeKu

mp xxe

La dynamique de l’erreur de poursuite est :

mmmppmmupepp xAKBAuBKBeKBAe

• Avantage principal : Implémentation très simple.

• Inconvénient principal : Accès aux états.

Réf Système réel

Modèle de

référence

97

Application au modèle linéaire Moteur Diesel

But : Contrôler la pression p2 en réponse à un changement de consigne

en carburant afin de maîtriser la formation des dioxydes d’azote tout en

maintenant Wegr autour de son point d’équilibre.

Caractéristiques : Admission

Échappement Vanne EGR Compresseur

Turbine à géométrie variable

Échangeur

1p

2p

cP

• Modélisation SISO.

• Entrée : Débit Vanne EGR

• Sortie : Pression p2

98

Simulation : Méthode par modèle de référence

Trop grande différence entre le modèle du

moteur et le modèle de référence (trajectoire

désirée)

Application de la méthode du suivi de

modèle modifié ou méthode « hybride ».

Mon Idée :

Faire suivre le système réel (en faute) en BO

au modèle du système sain en BO de la même

manière que le fait la méthode. Puis ajouter

un régulateur pour contrôler l’ensemble.

système sain en BO

système réel

Régulateur PID

99

Résultats : Méthode par modèle de référence

Réponse avec accommodation pour la vanne EGR à 10%. Réponse avec le capteur de pression du collecteur d’échappement à 60%.

Amélioration notable des résultats avec cette nouvelle méthode.

100

4.4. Application du Diagnostic à la

filière énergétique

101

Surveillance et supervision des éoliennes offshore

Surveillance Autonome :

Contrôle/Commande

Surveillance Locale :

Connexion directe

avec le centre de

diagnostic

Surveillance a distance

Connexion au

centre de diagnostic

102

Réduction des arrêts imprévus

Réduction des pertes de production

Eviter les graves avaries

Limiter les coûts de réparation

Réduire les coûts de maintenance

Planifier les opération de maintenance

Optimisation des interventions pour la Surveillance des éoliennes offshores

Objectifs :

103

Energies Renouvelables

• Energie Solaire

– Solaire Thermodynamique

– Solaire Photovoltaïque

• Energie Hydraulique

• Energie géothermique

• Energie Marémotrice

• Biomasse

• Energie Eolienne

103

104

Types d’Aérogénérateurs

• Axe Vertical

– Darrieus

– Savonius

• Axe Horizontal

– Classification par pâles

104

105

La chaîne de Transformation énergétique Une éolienne transforme l’énergie du vent en énergie électrique. Cette

transformation se fait en plusieurs étapes.

La transformation de l’énergie par les pâles Les pâles fonctionnent sur le principe d’une aile d’avion :

la différence de pression entre les deux faces de la pâle crée une force

aérodynamique, mettant en mouvement le rotor par la transformation de

l’énergie cinétique du vent en énergie mécanique.

106

Le traitement de l’électricité par le

convertisseur et le transformateur

Cette électricité ne peut pas être

utilisée directement ; elle est

traitée

grâce à un convertisseur, puis sa

tension est augmentée par un

transformateur.

L’électricité est alors acheminée

à

travers un câble enterré jusqu’à

un

poste de transformation, pour

être

injectée sur le réseau électrique,

puis distribuée aux

consommateurs

les plus proches.

107

Fiabilité et Surveillance d’une éolienne

69%

13%

15%

3%

La part des énergies renouvelable

dans la production électrique globale

Les combustibles fossiles Nucléaire

Hydroélectricité Autres et Renouvelables

70,5 TWh 82 TWh 176 TWh 477 TWh

2005 2006

2010

2020

Contribution de l'énergie éolienne à

la consommation d'électricité en

2020 Consommation d'électricité TWh

Etat actuel « EREC 2010 » European

Renoewable Energy Council

Etat futur « EREC

2010 »

108

Surveillance et supervision des éoliennes

Fonctionnement en mode normal

Défaillance

Défaut

Panne Symptôme

Approche Basée sur des données

historiques

Approche à base de modèles

mathématiques

108

109 109

Types de Génératrices

Electriques

MULTIPLICATEUR MASf

RESEAU

SENS DU TRANSFERT D’ENERGIE

MULTIPLICATEUR MAS f

RESEAU

REDRESSEUR ONDULEUR

+

-

ENERGIE

MULTIPLICATEUR MADA

f

RESEAU

ENERGIEREDRESSEUR COMMANDE ONDULEUR

+

-

ENERGIE

MAS à cage

directement

reliée au

réseau

MAS à

cage reliée

au réseau

par

redresseur

-onduleur

Machine

asynchrone à

double

alimentation

structure de

Scherbius

110 110

Machine Asynchrone à Double Alimentation

(MADA) sur le réseau (fortes puissances)

Avantages :

• fonctionnement à vitesse variable

• pouvoir tirer le maximum de puissance possible pour chaque

vitesse de vent

• transfert bidirectionnel de la puissance rotorique

111

Taux de défaillance (h-1)

Temps Moyen Entre Réparation

(J)

Source : Failstich & Hahn, 2009 + www.vestas.com, 2011

Fiabilité : aptitude d’un dispositif à accomplir une fonction requise

dans des conditions données pour une période de temps donnée.

La fiabilité des composants éoliens

112

Etude des défaillances de la génératrice

• Défaillances du stator

• Défaillances du rotor

• Défauts d’isolants dans un enroulement

• Défaillance mécaniques

112

113

Causes internes des défauts

Mécaniques

Frottement Rotor/Stator

Excentricité

Déplacement des conducteurs

Défauts des Roulements

Electriques

Rupture des barres

Défauts statorique

Défauts d’isolement

Causes internes de défauts de la Machine Asynchrone triphasée

Causes externes des défauts

Mécaniques

Pulsation de couple

Surcharge

Mauvais montage

Environnementale

Température

Encrassement

Humidité

Electriques

Fluctuation de tension

Transitoire de tension

Déséquilibre de tension

Causes externes de défauts de Machine Asynchrone

triphasée

Défauts Internes et Externes

114

Techniques de Surveillance

• Analyse Vibratoire

• Analyse de l’huile

• Thermographie

• Analyse physique des composants

• Dimensionnement acoustique

• Analyse des effets électriques

• Inspection visuel

• Surveillance du rendement

114

115

Synoptique de l’instrumentation

116

Les méthodes internes de diagnostic

La méthode du modèle

Les méthodes par modélisation des signatures

Les méthodes d’identification de paramètres

Les méthodes des observateurs : estimation du vecteur d’état.

Technique de détection et de diagnostic

117

Système complexe

Prétraitement

Conditionnement des

mesures

Traitement

Extraction des indicateurs de santé,

de dégradation

Surveillance

Bilan de santé

Pronostic

De l’évolution de

la santé

Maintenance

Planification optimale des interventions

Diagnostic

Détection, Localisation

et Isolation des défauts

117

L’automatisation et la Maintenance

118

Les objectifs principaux du projet consistent à améliorer les outils de supervision et à

développer des techniques de pronostic. De concevoir un système complet de surveillance

et de diagnostic des fautes appliqués à la génératrice de l’éolienne.

Le pronostic des défaillances est un domaine de recherche relativement

récent auquel la communauté scientifique accorde une impotence croissante, il y a plusieurs définition qui se rapporte au pronostique, mais

deux d’entre elles reviennent principales :

Le pronostic de défaillance est l’estimation ou la prédiction de la

durée de vie résiduelle appelée RUL (Remaining Useful Life) d’un

procédé ou de ses composants, c.-à-d. la durée au bout de laquelle le

composant ou le procédé ne pourra plus exercer sa fonction avec succès.

Le pronostic de défaillances consiste à estimer la probabilité

qu’une défaillance survienne à un instant future donné.

Les approches de pronostic de défaillance peuvent être

réparties en trois principales catégories :

Pronostic

Basé sur l’expérience.

Pronostic guidé pas les données

Pronostic basé sur un modèle physique.

Du Diagnostic au Pronostic pour la

maintenance Prévisionnelle appliqué

l’éolienne offshore

119

Surveillance et supervision des éoliennes

offshore

120

Productif :

Défauts Automatique pour une vision immédiate de l’état de santé de l’éolienne

Simple à utiliser :

Les paramètres et les données de surveillance sont disponibles sur un écran unique

Gestion des alarmes :

Pour une détection précoce des défauts

Puissants outils d’analyse :

Pour un diagnostic rapide et fiable

Rapports automatiques :

Personnalisés et disponibles à distance et à tout moment

Multi-techniques :

Analyse vibratoire

Diagnostic électrique

Analyse d’huile en continu

Thermographie

Développement d’une unité mobile de surveillance et de diagnostic

Logiciel de Télémaintenance &

diagnostic pour le parc éolienne

121

PREDIRE

SUBIR & NON PAS

121