Thèse soutenue

Diagnostic et Pronostic des défauts dans les systèmes complexes multivariés
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Junjie Yang
Direction : Claude Delpha
Type : Thèse de doctorat
Discipline(s) : Sciences du traitement du signal et des images
Date : Soutenance le 05/01/2023
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 : Laboratoire : Laboratoire des signaux et systèmes (Gif-sur-Yvette, Essonne ; 1974-....)
référent : CentraleSupélec (2015-....)
graduate school : Université Paris-Saclay. Graduate School Sciences de l'ingénierie et des systèmes (2020-....)
Jury : Président / Présidente : Audine Subias
Examinateurs / Examinatrices : Mohamed Benbouzid, Vincent Cocquempot, Demba Diallo, Didier Theilliol, Antoine Picot
Rapporteurs / Rapporteuses : Mohamed Benbouzid, Vincent Cocquempot

Résumé

FR  |  
EN

Le diagnostic et le pronostic des défaillances ont suscité une attention considérable dans l'industrie et le monde universitaire en raison des exigences croissantes en matière de fiabilité, de disponibilité, de maintenabilité et de sécurité.Malgré les progrès significatifs, les méthodologies de diagnostic de défauts existantes souffrent toujours de problèmes, tels que le manque de données défectueuses suffisantes pour la formation, l'inefficacité des données distribuées complexes, la faible sensibilité aux défauts naissants et l'interférence du bruit et des valeurs aberrantes.Par conséquent, ce travail propose une nouvelle méthode de classification à une classe mise en œuvre en générant des ancres et en sélectionnant la marge de la région pour déterminer une région saine comme zone de décision.Ensuite, une mesure de distance particulière appelée distance de Mahalanobis locale est définie pour indiquer la distance entre un échantillon et la région saine.Sur la base de la méthode de classification à une classe proposée et de l'indice LMD, ce travail développe d'abord une approche de détection des défauts naissants en combinant l'indice LMD et la technique de somme cumulative de densité de probabilité empirique.Ce travail examine également l'efficacité de l'indice LMD en tant que caractéristique représentative pour la détection des défauts.Deuxièmement, ce travail propose une méthode d'isolation de la variable défectueuse pour les cas de défaut unique en combinant la technique LMD avec l'idée du diagramme de contribution.Troisièmement, une expression analytique du taux d'augmentation des défauts est dérivée de l'indice LMD pour la tâche d'estimation de la gravité des défauts.Enfin, nous développons une nouvelle approche basée sur la reconstruction en utilisant la distance de Mahalanobis locale comme indice de détection pour améliorer les performances d'isolation et d'estimation.La méthode améliorée peut isoler avec précision plusieurs variables défectueuses et estimer simultanément l'amplitude de leurs défauts.L'étude de cas basée sur les données de processus du réacteur à réservoir agité à flux continu montre que la technique LMD présente des avantages significatifs pour le problème de diagnostic des défauts, tels qu'une sensibilité élevée aux défauts naissants, une robustesse au bruit et aux valeurs aberrantes, et l'absence d'hypothèse de distribution.Les méthodes de diagnostic de défauts développées sur la base de la technique LMD sont nettement plus performantes que les solutions les plus récentes.L'étude comparative sur les données de roulement de la Case Western Reserve University indique que la technique LMD peut être utilisée comme approche d'extraction de caractéristiques et qu'elle est plus efficace et plus robuste que les autres techniques statistiques.