Conception d'un système de diagnostic adaptatif et prédictif basé sur la méthode Fuzzy Pattern Matching pour la surveillance en ligne des sytèmes évolutifs : Application à la supervision et au diagnostic d'une ligne de peinture au trempé

Design of an adaptative and predictive diagnosis system based on the method Fussy Pattern Matching to supervise in real time the evolutionary systems. Application to the supervision and to the diagnosis of products quality of painting line

• Auteur / Autrice : Moamar Sayed-Mouchaweh
• Direction : Patrice Billaudel
• Type : Thèse de doctorat
• Discipline(s) : Génie informatique, automatique et traitement du signal
• Date : Soutenance en 2002
• Etablissement(s) : Reims
• Jury : Examinateurs / Examinatrices : Didier Maquin, Janan Zaytoon
• Jury : Rapporteurs / Rapporteuses : Sylviane Gentil, Patrick Millot

Mots clés

Mots clés contrôlés

Possibilités, Théorie des

Logique floue

Diagnostic

Reconnaissance des formes (informatique)

Mots clés libres

Reconnaissance des formes, diagnostic, Fuzzy Pattern Matching, diagnostic adaptatif, logique floue, théorie des possibilités, diagnostic prédictif, apprentissage incrémental.

Résumé

Le diagnostic est une composante principale d'un module de supervision. Il consiste à déterminer à chaque instant le mode de fonctionnement, normal ou anormal du système. Il existe plusieurs approches pour réaliser le diagnostic, le choix d'une approche est lié au mode de représentation de la connaissance. Lorsque cette connaissance est de type numérique, issue de capteurs, et lorsqu'on ne peut pas construire un modèle analytique du système, l'approche par Reconnaissance des Formes (RdF) est particulièrement adaptée. L'application de la RdF au diagnostic se heurte souvent au problèmes d'une base de connaissance incomplète où tous les modes de fonctionnement ne sont pas représentés. En conséquence, un module de diagnostic doit être adaptatif afin d'inclure à sa base de connaissance les nouveaux modes dés qu'ils apparaissent. De plus lorsque le système évolue vers un mode anormal, il est intéressant d'anticiper cette évolution plutôt que d'attendre d'arriver à ce mode. En conséquence le module de diagnostic doit être prédictif. Enfin dans le cas d'un système évolutif, la base de connaissance doit être enrichie grâce à l'information apportée par les nouvelles observations. Cet enrichissement doit être réalisé en temps réel. . .