Diagnostic de systèmes complexes à base de modèle interne, reconnaissance des formes et fusion d’informations : Application au diagnostic des Circuits de Voie ferroviaires

par Alexandra Debiolles

Thèse de doctorat en Technologies de l'information et des systèmes

Sous la direction de Thierry Denoeux.

Soutenue en 2007

à Compiègne .


  • Résumé

    Cette thèse présente plusieurs outils de diagnostic pour détecter et estimer la gravité des défauts dans un système formé de N sous-systèmes spatialement dépendants. L'application concerne le diagnostic des circuits de voie. Une première approche à base de modèle interne permet de détecter et d'estimer tous les défauts du système en optimisant un modèle physique local du dispositif. Mais elle dépend de la bonne estimation de certains paramètres physiques globaux du modèle. Une approche externe à base de RdF est ensuite proposée pour diagnostiquer l'ensemble des sous-systèmes, auxquels sont associés des classifieurs élémentaires. Les sorties des classifieurs sont fusionnées dans le cadre de la théorie des fonctions de croyance pour gérer d'éventuels conflits. Les résultats sont satisfaisants mais seul un défaut peut être détecté, et sa gravité n'est pas évaluée. Pour finir une combinaison des deux approches permet la détection multi-défauts et un niveau de robustesse approprié.

  • Titre traduit

    Complex system diagnosis by internai modelling, pattern recognition and information fusion : Application to the railway track circuit diagnosis.


  • Résumé

    This works presents different diagnosis methods that aim at detecting and estimating defects appearing on a system made up of several spatially related subsystems. The application deals with the diagnosis of track circuits. A first approach based on an internal model is layed out; it allows to detect and assess the graveness of ail the system defects, by optimizing a local physical model of the system. But this method is dependant from the good estimation of several parameters of the model. The second method that is set out is an external approach based on classical pattern recognition. A classifier is associated to each subsystem. Their outputs are combined within the framework of belief functions in order to manage possible conflicts among the classifiers. This method is very efficient, but it can only detect one defect without assessing its graveness. Finally a last approach is presented, that combines the two previous ones in order to both detect several defects, and assess them.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (171 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. 124 réf.

Où se trouve cette thèse ?

  • Bibliothèque : Université de Technologie de Compiègne. Service Commun de la Documentation.
  • Disponible pour le PEB
  • Cote : 2007 DEB 1672
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.