Construction d'un modèle comportemental pour la supervision de procédés : application à une station de traitement des eaux

par Julio Waissman-Vilanova

Thèse de doctorat en Systèmes automatiques

Sous la direction de Boutaib Dahhou et de Joseph Aguilar-Martin.

Soutenue en 2000

à Toulouse, INPT .

mots clés

• Méthode de classification LAMDA
• Eaux usées -- Épuration
• Maîtrise statistique des processus
• Classification automatique

Résumé

La supervision de procédés continus a comme objectif le maintien des conditions d'opération pour lesquelles les algorithmes de commande peuvent être utilisés d'une manière efficace. Les procédés biotecnologiques présentent, pour leur part, des propriétés qui font d'eux un domaine d'application important des techniques de supervision. Dans ce travail nous proposons une méthodologie basée sur la méthode de classification LAMDA, comme base pour l'identification d'un modèle comportemental adapté aux exigences de la supervision automatique. Ce modèle est construit en gardant la cohérence de deux sources d'information dissemblables : la connaissance des experts et les enregistrements des opérations antérieures. La méthode de classification LAMDA (Learning Algorithm for Multivariable Data Analysis) repose sur le concept de degré d'adéquation d'un objet à chacune des classes existantes et à une classe dite non significative, ceci différencie cette méthode des techniques traditionnelles, et introduit un seuil de signification naturel qui garantit la pertinence de l'attribution d'un objet à une classe. Une autre caractéristique importante de cette méthode est l'utilisation des connectifs mixtes paramétrisés, interpolations linéaires des opérateurs de la Logique Floue, dans le but de permettre un ajustement de l'exigence de la reconnaissance des objets. Nous avons aussi introduit quelques modifications aux fonctions d'adéquation pour répondre à des exigences propres au problème de supervision de procédés. Une stratégie du domaine de l'interprétation des données (Data Mining) est également développée pour permettre un dialogue entre l'expert du procédé et la méthode automatique d'apprentissage. Une méthodologie est proposée pour la construction du modèle, en utilisant une structure issue des arbres de décision. Contrairement aux arbres de décision classiques, la stratégie de partitionnement de l'univers de description est obtenue par un dialogue entre l'expert et l'information que la méthode de classification est capable d'extraire de la base de données par un apprentissage non supervisé. L'application de cette méthodologie aux données de la station d'épuration des eaux urbaines de la ville de Gérone (Catalogne) fait apparaître ses points forts par rapport à d'autres techniques d'analyse appliquées antérieurement à cette même station. En particulier ces résultats ouvrent la possibilité d'appliquer cette méthode à la surveillance en temps réel d'un procédé complexe.

Pas de résumé disponible.