franco-roumaine ca’nti 21
TRANSCRIPT
1
Prof. Houcine CHAFOUK ([email protected])
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