Surveillance par observateur des systèmes dynamique hybrides

par Asma Takrouni-Hedfi (Takrouni)

Thèse de doctorat en Automatique. Génie informatique. Traitement du signal et des images

Sous la direction de Vincent Cocquempot et de Mekki Ksouri.


  • Résumé

    Cette thèse s’intéresse à la détection et la localisation de défaillances pour des Systèmes Dynamiques Hybrides (SDH), en utilisant des indicateurs de défauts, appelés résidus. Une méthodologie par observateur hybride utilisant deux modules d'observation est proposée : un module dédié à l’identification du mode actif, permettant la détection des défauts discrets (défauts entraînant un changement de mode de fonctionnement) et l’autre module réalisant l’estimation d’état continu, permettant la détection et la localisation des défaillances des capteurs et actionneurs. Dans le cas réel, les systèmes se trouvent dans un environnement bruité. Une méthode d’évaluation basée sur la norme des résidus est proposée afin de détecter le mode actif en présence de ces perturbations. Une méthode de placement de pôle classique ainsi qu’une technique utilisant des fonctions de Lyapunov multiples sont étudiées. Des observateurs à entrée inconnue (UIO : Unknown Input Observers) sont conçus pour générer des résidus sensibles aux défauts et robustes aux perturbations afin de répondre au Problème Fondamental de Génération des Résidus (PFGR). Une analyse de la robustesse/sensibilité sous une formulation LMI est présentée. Afin de garantir la détection des changements de modes et donc des défauts de type « discrets », une condition nécessaire de discernabilité entre modes est proposée. Une méthodologie de surveillance utilisant des graphes de comportements normaux et défaillants est enfin proposée afin de minimiser le nombre de résidus calculés à chaque instant. Les résultats théoriques et méthodologiques de cette thèse sont illustrés sur des exemples académiques en simulation.

  • Titre traduit

    Observer-based monitoring of Hybrid Dynamical Systems


  • Résumé

    This thesis focuses on Fault Detection and Isolation (FDI) of Hybrid Dynamical Systems (HDS) using fault indicator signals, known as residuals. A method based on hybrid observers is proposed. It uses two observation modules: a module whose aim is to identify the active mode, allowing the detection of discrete faults (faults making the system switch to a new – abnormal - operation mode) and the other module performing the continuous state estimation, allowing the sensors and actuators FDI. In the real case, the system operates in a noisy environment. An evaluation method based on the norm of the residuals (estimation errors) is proposed to detect the active mode in the presence of these disturbances. The observer design is done through a classical pole placement method and a technique using multiple Lyapunov functions to ensure the exponential convergence of the estimation of SDH in the no fault situation. Unknown Input Observers (UIO) are also designed to generate residuals which are sensitive to faults and robust to disturbances, as requested in the Fundamental Problem of Residual Generation (FPRG). The robustness / sensitivity of the residuals is studied through an LMI formulation. To ensure the detection of mode switching and therefore detect the “discrete-type” faults, a necessary condition of mode discernability (distinguishability between modes) is proposed. A FDI methodology using normal and faulty behavioral graphs is finally described whose objective is to minimize the number of residuals to be on-line calculated at each time-instant. The theoretical and methodological results of this thesis are illustrated on academic simulation examples.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

  • Bibliothèque : Université des sciences et technologies de Lille. Service commun de la documentation. Bibliothèque virtuelle.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.