Diagnostic des Défauts Non-Francs dans les Réseaux Filaires Complexes

Diagnosis of Soft Faults in Complex Wired Networks

• Auteur / Autrice : Nour Taki
• Direction : Claude Delpha
• Type : Thèse de doctorat
• Discipline(s) : Traitement du signal et des images
• Date : Soutenance le 28/02/2022
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : référent : Faculté des sciences d'Orsay
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Informatique et sciences du numérique (2020-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des signaux et systèmes (Gif-sur-Yvette, Essonne ; 1974-....) - Laboratoire d'intégration des systèmes et des technologies (Gif-sur-Yvette, Essonne ; 2001-....)
• Jury : Président / Présidente : Maan El Badaoui El Najjar
• Jury : Examinateurs / Examinatrices : Pascal Maussion, Virginie Dégardin, Lionel Pichon, Yassine Amirat
• Jury : Rapporteurs / Rapporteuses : Pascal Maussion, Virginie Dégardin

Mots clés

Mots clés contrôlés

Analyse en composantes principales

Mots clés libres

Diagnostic filaire complexe

Défaut non-Franc

Réflectométrie dans le domaine temporel

Analyse en composantes principales

Sélection de fréquence maximale

Sélection de capteurs

Réflectométrie distribuée

Complex wire diagnosis

Soft fault

Time domain reflectometry

Principal component analysis

Maximal frequency selection

Sensors selection

Distributed reflectometry

Résumé

Les câbles électriques sont utilisés dans tous les secteurs pour transférer de l'énergie ou de l'information. Pendant le fonctionnement, les câbles peuvent être sujets à des défauts francs (circuit ouvert ou court-circuit) ou des défauts non-francs (endommagement de l'isolant, pincement, etc.) dus à une mauvaise utilisation, aux conditions environnementales ou au vieillissement. Ces défauts doivent être détectés à leur stade le plus précoce pour éviter une interruption de la fonction ou des conséquences plus graves. Parmi les méthodes de diagnostic des réseaux filaires qui ont été étudiées dans la littérature, la réflectométrie électrique a été considérée la plus efficace surtout dans le cas d'un défaut franc. Cependant, cette méthode s'avère moins fiable en présence d'un défaut non-franc caractérisé, généralement, par une signature de faible amplitude sur le réflectogramme qui dépend non seulement de la variation de l'impédance caractéristique du câble au niveau du défaut mais également de la configuration du signal de test telle que sa bande passante. En effet, l'augmentation de la fréquence maximale du signal de test améliore la résolution ''spatiale'' de l'information des défauts non-francs. Cependant, elle accentue, en même temps, les phénomènes d'atténuation et de dispersion du signal de test rendant ainsi la détection de ces défauts moins fiable, et surtout dans le cas des réseaux filaires complexes où la réflectométrie pourrait souffrir de problèmes d'ambiguïté liée à la localisation des défauts. Dans ce cadre, la réflectométrie distribuée où plusieurs capteurs sont installés aux extrémités du réseau sous test est appliquée entrainant l'apparition d'autres problématiques telles que le partage des ressources, la fusion de capteurs pour la prise de décision, la consommation d'énergie, etc.Dans ce contexte, cette thèse propose de développer deux approches : la première permet de choisie la meilleure fréquence maximale à appliquer au signal de test pour la détection des défauts non-francs. La seconde approche a pour objectif de choisir les capteurs les plus pertinents pour leur diagnostic dans les réseaux filaires complexes. Pour cela, une combinaison entre les données basées sur la réflectométrie et l'algorithme d'analyse en composantes principales (PCA) est utilisée. Le modèle de la PCA est développé pour détecter les défauts non francs existants. Associé à une analyse statistique basée sur Hotelling’s T² et Squared Prediction Error (SPE), les paramètres requis sont identifiés. Une étude expérimentale est réalisée, et une analyse de leurs performances en environnement bruité est effectuée.

Electrical cables are used in all sectors to transfer energy or information. During operation, the cables may be subject to hard faults (open circuit, short circuit) or soft faults (isolation damage, pinching, etc.) due to misuse, environmental conditions, or aging. These faults must be detected at their earliest stage to avoid interruption of the function or more serious consequences. Even though several electric and non-electric wire diagnosis methods have been studied and developed throughout the last few decades, reflectometry-based techniques have provided effective results with hard faults. However, they have been shown to be less reliable whenever soft faults are addressed.Indeed, soft faults are characterized by a small impedance variation, resulting in a low amplitude signature on the corresponding reflectograms. Accordingly, the detection of these faults depends strongly on the test signal configuration, such as its bandwidth. Although the increase of the maximal frequency of the test signal enhances the soft fault's ''spatial'' resolution, its performance is limited by signal attenuation and dispersion. Moreover, although reflectometry offers good results in point-to-point topology networks, it suffers from ambiguity related to fault location in more complex wired networks (Multi-branched). As a solution, distributed reflectometry method, where sensors are implemented in the extremities of the network under test, is used. However, several issues are enforced, from the computing complexities and sensors fusion problems to the energy consumption.In this context, this Ph.D. dissertation proposes to develop two approaches: the first selects the best maximal frequency for soft fault detection, and the second selects the most relevant sensors to monitor and diagnose those faults in multi-branched wired networks. The proposed solution is based on a combination between reflectometry and Principal Component Analysis (PCA). The PCA model coupled with statistical analysis based on Hotelling’s T² and Squared Prediction Error (SPE) is used to detect the soft faults and select the required parameters. Experimental validation is carried out, and performance analysis in the presence of noise is investigated.