Contributions à la détection et au diagnostic de fautes dans les systèmes par réseaux Bayésiens
Auteur / Autrice : | Mohamed Amine Atoui |
Direction : | Abdessamad Kobi, Sylvain Verron |
Type : | Thèse de doctorat |
Discipline(s) : | Automatique, productique |
Date : | Soutenance le 29/09/2015 |
Etablissement(s) : | Angers |
Ecole(s) doctorale(s) : | École doctorale Sciences et technologies de l'information et mathématiques (Nantes) |
Partenaire(s) de recherche : | Laboratoire : LARIS. Laboratoire Angevin de Recherche en Ingénierie des Systèmes (EA7315) - Laboratoire Angevin de Recherche en Ingénierie des Systèmes (LARIS) - Laboratoire angevins de recherche en ingénierie des systèmes (EA 7315) / LARIS |
Jury : | Président / Présidente : Jean-Marc Thiriet |
Examinateurs / Examinatrices : Teodor Tiplica | |
Rapporteurs / Rapporteuses : François Pérès, Didier Theilliol |
Mots clés
Mots clés contrôlés
Résumé
Les fautes systèmes peuvent conduire à des conséquences sérieuses pour l’humain, l’environnement et le matériel. Or, y remédier peut s’avérer coûteux voire même dangereux. Ainsi, afin d’éviter ces situations, il est devenu essentiel pour les systèmes complexes modernes de détecter et d’identifier tout changement dans leur fonctionnement nominal avant que cela ne devienne critique. De ce fait, plusieurs méthodes de détection et de diagnostic ont été proposées ou améliorées durant les dernières décennies. Parmi ces méthodes, celles présentant un fort intérêt se basent sur un outil statistique et probabiliste nommé réseau Bayésien. Toutefois, la majorité d’entre elles ne tiennent pas compte du risque de fausse alarme dans leur prise de décision. L’intérêt de cette thèse est alors d’introduire sous réseau Bayésien des limites probabilistes permettant le respect d’un niveau de signification considéré. Plus exactement, nous proposons une modélisation des statistiques quadratiques et les limites leurs correspondant sur réseau Bayésien. Ceci nous permet de généraliser sous réseau Bayésien des schémas de détection de fautes comme par exemple ceux basés sur l’analyse en composantes principale. Cette modélisation nous permet également de proposer une famille de réseaux Bayésiens permettant de faire de la détection et du diagnostic de façon simultanée, tout en tenant compte d’un rejet de distance. Enfin, nous proposons un cadre probabiliste permettant d’unifier les différents réseaux Bayésiens pouvant être utilisés pour la détection ou le diagnostic de fautes.