Dynamiques de propagation et de fusion de données incertaines pour l'observation et la surveillance : Application aux systèmes aérospatiaux.

par Elodie Eyang

Projet de thèse en Automatique, Productique, Signal et Image, Ingénierie cognitique

Sous la direction de Ali Zolghadri et de Christophe Combastel.

Thèses en préparation à Bordeaux , dans le cadre de École doctorale des sciences physiques et de l’ingénieur (Talence, Gironde) , en partenariat avec Laboratoire de l'Intégration du Matériau au Système (laboratoire) et de Approche Robuste et Intégrée de l'Automatique (ARIA) (equipe de recherche) depuis le 05-10-2015 .


  • Résumé

    La conception de systèmes robustes et reconfigurables repose, entre autres, sur la satisfaction d'exigences en matière d'observation et de surveillance préventive (reconstruction du mode de fonctionnement, détection, localisation, identification de défauts, …). Or, même lorsque la nature des grandeurs physiques permettant de modéliser le(s) système(s) à surveiller et leur environnement est bien connue, la connaissance des valeurs cohérentes avec la réalité physique ne peut qu'être partielle, d'où l'importance de bien caractériser la propagation des incertitudes, en particulier lorsque des modèles dynamiques sont mis en jeu. Historiquement, le paradigme stochastique a fait l'objet de très nombreux travaux. Plus récemment, de nombreux travaux se sont également intéressés au paradigme ensembliste (intervalles, calculs de domaines ellipsoïdaux, polytopiques, zonotopiques, etc). Tout en restant souvent proches de la connaissance usuelle des ingénieurs (valeurs limites, tolérances), les approches ensemblistes permettent de calculer des enveloppes robustes aux pires cas spécifiés. Et désormais, de nombreuses approches permettent également de mieux traiter les problèmes de dépendances et d'effet d'enveloppement induits par une mise en œuvre élémentaire de l'arithmétique des intervalles. Toutefois, une modélisation à erreurs bornées perd généralement une part importante de la connaissance nécessaire pour propager efficacement les bruits de mesures. Cela peut impacter significativement le compromis entre la sensibilité aux défauts et la robustesse aux perturbations dans un contexte de surveillance. De plus, lors de la mise en œuvre pratique d'une fusion de données incertaines dans un contexte dynamique, il est très courant de devoir traiter conjointement des perturbations « déterministes » mal connues et des mesures bruitées dont la modélisation se prête particulièrement bien au cadre « stochastique ». Or, les méthodes constructives pour répondre à ces enjeux restent encore très largement à développer.

  • Titre traduit

    Dynamics of propagation and merging of uncertain data for observation and monitoring: Application to aerospace systems.


  • Pas de résumé disponible.